需求端消费者对客户服务需求的增加，供给端智能客服成本的下降及对数智化水平的提高，以及技术端大数据、云计算、人工智能等技术为智能客服提供的底层技术支持。
新百解答
从需求端来看，消费升级趋势明显，消费者主权意识逐渐觉醒。不同于以往对供给端产品的被动接受，如今消费者对产品内容及配套服务有了更高要求，作为消费体验的重要环节，客户服务成为消费者衡量商家服务好坏的核心指标之一，消费者对客服的需求有所增加，客服应用场景也日益延伸，覆盖售前、售中、售后各环节。而智能客服恰恰能够及时响应消费者需求，智能回答部分重复性及结构性问题，缩短了消费者等待的时间，优化了消费体验。
从供给端来看，随着客服需求的爆发式增长和新冠肺炎疫情的影响，人工客服的弊端及痛点逐渐暴露。因此越来越多的企业意识到，客服智能化在缓解企业人工成本压力的同时，优化用户消费体验，带来潜在业务增量，成为企业实现数智化、降本增效的利器，从而纷纷搭建智能客服系统，顺应消费新需求，提高企业数智化水平。
从技术上来看，大数据、云计算、人工智能等技术的纵深演进，是智能客服商业化的必要条件，同时也为智能客服应用场景的落地提供底层技术支持，如NLP技术、知识图谱、交互技术、深度学习等。
NLP技术：NLP即自然语言理解，包括机器对自然语言的理解与输出两方面，是实现智能客服“拟人化”的重要推动力。在自然语言理解上，机器主要面临语言多样性、语义多样性、上下文情景复杂性、文法错误等几大核心挑战。这也是未来NLP技术重点优化方向。
知识图谱：知识图谱是由信息构成的知识网络。行业知识图谱的构建及行业知识库的打造，是智能客服精准定位问题及给出相应回复的知识基础。
交互技术：交互技术的应用，使智能客服实现多轮与连续对话成为可能。
深度学习：智能客服通过深度学习，捕捉用户询问意图，通过区分同问句不同语义、同问题不同问法，实现具体问题的针对性回复。同时，基于持续的深度学习，智能客服识别与判断人工客服跳转节点，优化人机协作水平。
