电信企业应该怎样运用AI和机器学习提高利润率

过去十年中，全世界智能手机用户数量猛增，未来恐怕也将如此。另外，大多数业务功能现在都可以在移动设备上执行了。不过，尽管移动业务激增，但全世界电信运营商的利润仍然不高，平均净利润率徘徊在17%左右。利润率不高的主要原因，是大量市场竞争对手服务于相同的客户群体，还要承担与该行业相关的高昂管理费用。通信服务提供商(CSP)需要更多地以数据为导向，降低此类成本，自动地提高利润率。在电信运营过程中更多地融入AI，这将让电信公司能够无缝地从僵化的、基础设施驱动的运营模式，转向数据驱动的运营模式。

让AI融入电信功能领域，这将会从许多方面影响通信服务提供商的利润水平，企业可以为此目的使用机器学习和AI的各种技术及应用。

AI和预测分析：优化全世界电信网络

不断扩张的互联网领域中，移动互联网是主要的组成部分之一。如上所述，而今大量互联网用户和业务运营已经开始移动化，加之5G和边缘应用的出现，以及即将到来的元宇宙，都会增加对高性能电信网络的需求。标准的自动化技术和相关人员，很可能会被高速网络连接和移动电话带来的无情压力压得喘不过气来。

在电信运营中采用AI，可以把那些表现不佳的移动网络转变为自我优化的网络(SON)。电信企业可以通过AI驱动的预测分析，来监控网络设备并预测设备故障。另外，AI工具让通信服务提供商可以通过监控区域到区域的流量等关键性能指标，来保持网络质量的始终如一。除了监控设备的性能水平之外，机器学习算法还可以持续运行模式识别，同时扫描网络数据以检测出异常情况。另外，基于AI的系统可以执行补救措施，亦或向网络管理员和工程师发出有关检测到异常区域的通知，这将让电信公司能够在网络问题对客户产生不利影响之前，从源头上解决这些问题。

网络安全是电信运营商关注的另一个领域。近期，电信网络中不断突显的安全问题，已经成为全世界通信服务提供商关注的一个问题。基于AI的数据安全工具，让电信公司能够持续监控网络的健康状况。机器学习算法对全世界数据网络和历史安全事件进行分析，从而对现有网络漏洞做出关键预测。换句话说，基于AI的网络安全工具让电信企业能够提前预防未来的安全问题，并主动采取预防措施来应对这些问题。

最终，AI将从许多方面改善电信网络。机器学习算法通过提高通信服务提供商网络的性能、异常检测和安全性，帮助电信公司客户增强用户体验。从长远来看，这将推动此类公司客户群的增长，进而提高利润。

网络行为监控：简化欺诈管理

欧洲刑警组织将电信行业归类为特别容易受到欺诈影响的一个行业。电信欺诈涉及犯罪分子滥用电信系统(比如手机和平板电脑)从通信服务提供商那里窃取资金。根据近期的一项研究，电信欺诈造成的损失为401亿美元，约占电信运营商总收入的1.88%。电信欺诈的常见类型之一是国际收益分享欺诈(IRSF)。这类欺诈行为是指犯罪分子与国际保费号码(IPRN)提供商联系，使用机器人拨打大量长期国际电话，从电信公司非法获取资金，而且这类电话很难追踪。另外，电信公司无法为此类付费电话向客户收费，因为连接是具有欺诈性的。故此，电信运营商最终要承担此类呼叫的损失。IPRN和犯罪分子之间分享获利。除此之外还有vishing(语音呼叫和网络钓鱼攻击的组合)，是一种恶意实体欺骗电信公司客户以提取资金和数据的行为。而电信运营采用AI技术将让通信服务提供商能够检测和消除此类欺诈行为。

机器学习算法可帮助电信网络工程师检测非法访问、虚假呼叫者资料和克隆实例。为了实现这一点，算法对通信服务提供商的全世界电信网络进行行为监控，流经这些网络的流量都将被密切监控。AI算法的模式识别功能再次发挥作用，让网络管理员能够识别可疑的场景，比如从欺诈号码拨打多个电话，亦或从可疑来源反复拨打空号(网络钓鱼的一般指标)。电信公司运用数据分析进行欺诈检测和预防的比较突出的例子之一，是沃达丰与数据公司Argyle Data展开合作，分析沃达丰这家电信巨头的网络流量，以实现智能的、数据驱动的欺诈管理。

检测和消除电信欺诈是提高通信服务提供商利润率的主要举措，正如你看到的，AI在电信运营中发挥的作用，对于实现这一目标具有重要意义。

机器人流程自动化：用于改进后台流程

为了向数百万的客户提供可靠服务，电信公司需要拥有一支能够高效处理日常后端运营的庞大员工队伍。与如此大量的客户打交道可能会产生一些人为错误。

电信公司可以使用认知计算——一个基于机器人技术的领域，涉及自然语言处理(NLP)、机器人流程自动化(RPA)和规则引擎——对那些基于规则的流程实施自动化，比如发送营销电子邮件、自动填写电子表格、记录数据、执行某些可复制人类行为的任务。在电信运营中采用AI，可以提高后台运营的准确性。根据德勤进行的一项研究显示，电信、媒体和科技行业的多位高管都认为，将认知计算用于后端运营为他们的企业带来了“实质性”和“变革性”的好处。

聊天机器人、虚拟助手、情绪分析：提高客户服务质量

客户情绪分析囊括为了解客户而执行的一系列数据分类和数据分析任务，这让电信公司可以根据原始情绪来评估他们的客户是否喜欢他们提供的服务。营销人员可以使用自然语言处理和AI功能，从客户的文本、电子邮件亦或带有电信公司名称的社交媒体帖子中，感知客户的“情绪”，这种情绪分析会突显出客户遇到问题的确切服务领域。比如，假如客户很不满他们的电话经常掉线，并向电信公司的客户服务团队写了一封冗长且语无伦次的电子邮件，用于情绪分析的机器学习算法仍然可以自动确定他们的情绪(愤怒)和问题(通话掉线率)。

除了情绪分析之外，电信公司还受益于日渐兴起的聊天机器人和虚拟助手，通过此类基于机器学习的工具和应用解决针对网络设置、安装、故障排除、维护问题的服务请求。虚拟助手让电信公司的CRM团队能够轻松管理大量客户，通过这种方式，通信服务提供商可以成功地管理客户服务和情绪分析。

总体上用户普遍认为，他们的电信客户服务质量是不尽人意的。电信用户经常因为等待客服过于漫长、投诉电子邮件没有得到答复、通信服务提供商处理申诉方式不当等问题而感到愤怒。糟糕的CRM对电信公司来说可不是什么好兆头，因为这会损坏电信公司的声誉，削弱股东们的信心。而电信公司通过对CRM实施机器学习技术，可以有效地解决这些问题。

与其他行业的任何企业一样，电信公司也需要提高利润以实现长期生存和业务多元化。如开头所述，许多因素阻碍了他们创造利润的机会。走数据科学路线是克服这些挑战的新方法之一，通过让AI参与到电信业务的运营中，通信服务提供商可以更好地管理他们的数据，并将资源用于实现收入的最大化。

尽管AI可以带来各种积极的影响，但目前已经采用AI技术来实现利润最大化的电信企业比例仍然非常有限，未来预计这个百分比会逐渐上升。

　　图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。