中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

這是一篇關于電話智能客服的分享帖，本文簡單的和大家說明電話智能客服的發展、電話智能客服設計中的難點以及具體功能設計，讓大家對電話智能客服有個系統全面的了解。

客服機器人的時代已經來臨

1. 行業挑戰?

傳統的客服行業是一個高人力投入的行業，客服人員在工作中經常碰到無聊的騷擾、大量重復性的問題、簡單重復性問題等。而客服人員為了不被投訴，面對騷擾時只能和這些用戶進行沒結果的交流，浪費了大量的有效時間，而簡單問題等往往占據了線上不低于60%的比例。

然而要解決客服服務質量的問題，只能從增加客服人員、提高人員單位服務效率兩個方向上努力。增加客服人員，維護一個龐大的客服團隊的人力成本是很多大公司都難以承受的，更何況一般的中小公司，這就導致了大部分的公司，通過壓榨客服人工提高服務的質量，這也導致了客服團隊人員流失率過高。

2. 行業機遇

人工智能技術的發展給客服行業帶來了巨大的機遇，客服業者開始思考如何通過客服機器人幫助人工客服過濾騷擾電話、無意義的抱怨、高頻簡單重復性問題等，使得人工客服能更好地服務剩下的復雜問題。

在基于電話場景智能客服出現之間，基于文本的智能客服已經融入了各個APP，并且在應用上拓展了銷售、投顧、投研、語聊等各種分角色。目前業界佼佼者有小蜜（手淘APP）、小螞答（支付寶APP）。

技術的成熟給了應用更多的可能，電話，作為客服的主戰場，怎么去結合人工智能技術就被提上了日程。在文本智能客服的前面加上一層語音識別，解析后再用語音合成反饋給用戶的電話智能客服由此誕生。

3. 智能客服發展業態

目前智能客服在業界已經能夠提供整套的本地化服務，且能滿足用戶的許多客制化需求，這類方案做得比較好的有追一科技、竹間智能等。也有提供云端部署方案的，例如：小蜜等。

隨著算法優化+數據沉淀，使得目前這些機器人的準確率，都到了相對比較高的水平，根據知識庫體量的不同，能夠達到百級別80%的正確率、千級別70%的正確率。目前智能客服主要切入的行業有銀行、保險、證券、電子商務等。

目前智能客服正處于一個99分到100分進化過程，各家公司都在努力將更多的服務接入智能客服機器人，提高用戶的滿意度，例如：多輪對話能力、基于知識圖譜的知識推理、情感識別等。

電話智能客服流程框架

那么電話智能客服是怎么服務用戶的呢，我們通過簡單的流程圖和流程說明，來給大家一個簡單的認識：

1. 用戶通過口語描述自己的問題；
2. 機器人將用戶表述的語音信號經過語音識別的轉寫，將語音信號轉成文本；
3. 機器人將轉寫出來的文本，交由語義模型計算與現有QA庫中標準問句相似度，在知識庫中找到和它相似度最高的標準問句；
4. 然后經過數據庫中查表，將該問句對應的答案找出作為語音合成的合成文本；
5. 語音合成服務拿到合成文本后，經過文本分析、韻律停頓預測等，將文本合成為用戶聽到的語音。

由于整個服務的流程是經過一層層處理的，而每次層都存在服務超時、置信度的問題，所以在每一層環節都會出現失敗流失的情況。因此，在設計電話智能客服的時候，我們應該考慮到每一層失敗時的處理。

通過產品流程的設計可以實現部分用戶真實意圖的召回，但是也損失了部分用戶對電話智能客服的信任度，因此當我們設定了解決率的目標時，我們需要倒推每一層會影響流轉的因素去優化。

電話智能客服的挑戰

電話智能客服當然不會只是簡單的識別回答用戶問題那么簡單，當我們在設計電話智能客服時需要考慮的情況比我們想象的要多得多，只有考慮盡可能多的失敗情況，我們才能在電話智能客服與用戶之間建立起足夠的信任。

通過簡單的描述電話智能客服中幾個常見的問題，讓大家對電話智能客服服務中的難點有一定的了解。

1. 語音識別詞準率低

語音轉寫的質量直接決定了電話智能客服服務成功率的天花板，這也很好理解，當你給解析的是轉寫錯誤的文本，那你也不要奢望通過解析給出正確的答案。轉寫的錯誤有插入錯誤、替換錯誤、刪除錯誤。

插入錯誤，即將經過轉寫的文本中插入了用戶未表述的內容，如：

Q：我轉到支付寶里的資金錢怎么如何傳出去（用戶真實問句為：我轉到支付寶的錢怎么轉出去）？

替換錯誤，即將用戶真實表述的內容轉寫為其他語義的內容，如：

Q：我岳父在怎么還（用戶真實問句：我月付怎么還）？

刪除錯誤，即將用戶真實表述的內容轉寫丟失的情況，如：

Q：我的怎么轉出（用戶真實問句：我的余額怎么轉出）？

為了解決轉寫詞準率的問題，除了優化語音識別的模型，還可以讓相似度計算模型具有一定的糾錯能力。

2. 對話上下文問題

在正式的電話語音客服場景中，用戶咨詢問題后，是會延伸出新的問題的，而且表述時通過代詞指代、隱含信息等描述自己的問題，例如：

Q：我轉進余額寶的錢什么產生收益

A：當天15：00之前轉入…..

Q：周五轉也一樣么？

A：周五15:00之前轉入…

還有一種常見的情況就是用戶表述一個問題是斷斷續續地進行表述的，例如：

Q：我買了那個…

Q：用的是那個花唄…

Q：然后我什么時候還啊

解決上下文的問題除了應用上下文的技術外，還可以通過明確機器人的身份，并通過話術的引導，讓用戶對可以交互的操作有預期，盡可能將上下文的問題拆分為多個單輪問答對處理。

這里我們需要注意的是：當我們應用了上下文的服務時，為了避免端點檢測結束識別語音，需要升級語音識別的語言模型，讓機器人具備判斷用戶的話是否說完。

3. 表述口語化誤觸端點檢測問題

用戶在呼入電話時雖然是帶著一個明確的問題，但是大部分用戶在呼入電話前都沒有組織過語音，而是在接通后邊描述邊組織，這就導致了用戶組織語音斷斷續續的情況，例如：

Q：我那個…話費嘛（停頓1s）充了沒有到賬。

用戶過于口語化的表述常常觸發端點檢測，讓機器誤認為用戶已經描述完全了問題，然后開始解析用戶的問題。然而此時用戶描述的問題還是缺了關鍵信息的，這就導致了解析結果錯誤、無結果的情況。

解決這個問題，可以通過在端點檢測之前做一層語音識別的語言模型判斷，當語言模型判斷用戶的話還沒說完時，就適當的停頓，讓用戶描述完再進行轉寫。

電話智能客服的產品設計

通過一個簡單的導圖，我們將電話智能客服產品設計的幾個要點進行拆解并分條進行展開。

1. 角色形態

當我們做電話智能客服是需要考慮的第一個問題就是：我們要給用戶展現的是一個盡可能擬人的智能客服，還是一個機器人的智能客服。

并針對選定的形象進行對應的人物特質設計，當我們需要一個盡可能擬人的機器人時，那么你就需要在交互話術，對話流程中進應該更多地考慮用戶在真實的人人對話場景中的對話，讓客服系統能支持更多可能的問法，而如果你只是選擇一個機器人，那么可以將對話更多的只是用單輪的問答進行解決。

另外我們還需要明確機器人的邊界，機器人的邊界即機器人所承擔的工作內容，我們是期望它們解決問題、閑聊還是查詢業務等服務內容。機器人的邊界在界定時除了考慮當前的業務之外，還需要考慮公司現有的業務是否有和機器人結合的可能。

例如：運營商的客服電話，用戶除了查詢話費、咨詢套餐業務等常見問題之外，還存在用戶撥打電話充值話費的可能性。

2. 質檢設置

質檢是客服中的另一個問題，為了避免被客戶投訴，客服坐席除了接聽用戶電話，回訪之外還會安排一部分的人員進行質檢。智能機器人的回答雖然是人配置的，但是同樣存在可能引發投訴的風險。

想象一下當一個用戶說了：你好，怎么讓一個人進醫院，機器人給了一個你可以嘗試去藥店買點藥，是否有點脊背發涼的感覺。

為了避免這些情況，智能機器人一般會設計“熱詞”進行過濾，當用戶表述了“熱詞”時，機器人只會給定一個模糊的配置回復，這樣就避免了被投訴的可能。

電話客服客服中的“熱詞”包括了敏感詞、滿意度過低表述、監管合規詞等。

3. 話術設計與處理

開場話術：

設計開場話術我們要先明確我們期望開場話術實現的效果：

1. 讓用戶知道自己面對的是什么
2. 讓用戶知道能干什么
3. 讓用戶知道什么時候可以說話
4. 避免用戶開場無語音輸入

開場話術內容：

1. 招呼語
2. 開場介紹
3. 正例描述
4. 開場話術結束提示音

用過siri的都知道，在我們說完話后，siri會有一個提示音。

交互話術：

交互話術即在過程中的通用話術，包括無語音輸入話術、轉寫文本計算相似度時低于置信度話術、結束話術等，在這里我們只講兩三個主要的。

在電話的場景中無語音輸入是我們遇到的首要問題，因為無語音輸入就提不上解決用戶問題了，在語音識別這一層的轉化直接決定了電話智能客服服務的天花板。但是在整個流程的不同環境無語音輸入的處理也不一樣，開頭可以和用戶提示他可以干嘛。我們還可以設置一定次數限制，到了限制時，讓人工客服接入。

電話客服和文本客服之間的差別還體現子輸入上，在文本客服中，用戶輸入的都是文本，因此不論天南地北的輸入都是一致的，但是電話客服的輸入則可能帶上南腔北調，導致轉寫的文本計算相似度時低于置信度。當我們遇到低于置信度時，引導話術就成了能否實現用戶意圖召回的關鍵了。當然我們同樣可以設置一定次數限制，到了限制時，讓人工客服接入。

反問話術：

在電話智能客服中增加反問會存在很大的風險，因為用戶沒有一個可視化的界面，電話另一頭對用戶來說是一個黑盒。反問話術設置的原則應該考慮如何讓用戶進入下一輪，我們可以規定好話術，讓用戶在我們設計的范圍內進行交互。

例如：請問您是哪個密碼忘了？你可以回答登錄密碼或支付密碼。

打斷設置：

打斷設置的不合理會嚴重影響用戶的體驗，設想你話說了一半頓了下，機器人問：“你還…”，而此時你也剛好要繼續說，你會陷入我現在能不能說話的矛盾之中。因此我們對打斷的設置需要相當謹慎，不在關鍵的流程節點允許用戶打斷。

處理減少打斷的節點，我們在設置打斷時還要考慮不同節點對打斷的間隔容忍時間，例如：開場時的打斷我們設置的時長可以為2S，因為此時用戶剛開始交互。

在結束時，我們則可以設置3S，因為這是用戶可能會突然問出一個新問題。

4. 答案展現樣式選擇

電話智能客服的根本目標在于解決用戶問題，那么答案展現的方式決定了用戶的問題是否得到了解決。答案展現的形式根據條件的不同有很多種選擇，我們可以選擇短信下發、語音播報、APP推送、人工客服播報等。

當我們選擇展現方式時一定是組合式的，不同的答案適合不同的展現方式，操作類的答案適合APP推送，活動介紹、法規修改等簡單的介紹類答案適合語音播報，通知類的答案適合進行短信下發，而一些復雜操作、長文本內容提取的答案則適合進行人工指導。

APP推送答案的前提是你得有個APP（fei hua），另外就是推送被打開時的落地頁，支付寶的電話客服更是打通了自己的文本客服機器人，當用戶咨詢問題后，會由APP推送一條信息，用戶點擊打開后會跳轉到支付寶APP中的智能客服對話頁并展示答案。

通過對話頁的配圖及跳轉按鈕，縮短了用戶的操作路徑，體驗后的用戶體驗相當好。這樣做除了將電話客服向文本客服機器人的分流外，更是建立了用戶對機器人的信任。

在活動開始、法規調整之前通過下發短信可以有效的降低活動開始、法規生效時的客服壓力。當然這類答案也適合進行語言播報。

5. 人機切換規則

如何在合適的時間讓人工坐席與機器人實現切換，也是電話智能客服設計的難點之一。如果轉人工的入口設置的過深，或者難以觸發，會導致用戶在和機器人交互中漸漸失去耐性，最終失控成為投訴。

如果轉人工的入口設置的過多且容易觸發，則難以有效降低人工坐席的工作量。合理的人工切換機制可以讓用戶簡單自助解決問題的同時，減少人工坐席的工作量，當我們設計人機切換規則時，可以分為四個維度去考慮：

（1）場景維度：

場景轉人工一般是機器人在特定場景無法給用戶進行服務時，進行轉人工操作。當服務超時時，機器人就無法給用戶進行服務，這時就必須進行轉人工操作，避免用戶在電話的另一頭茫然地等待機器人回應。

除了服務超時的情況還有就是在語音識別、轉寫文本計算相似度時低于置信度時，機器人也應該進行轉人工，當分數低于置信值時，如果不進行轉人工，那么用戶那邊接受到的可能就是一個答非所問的結果。

上面兩個說的都是機器人自身的情況，還有一種情況則是客服人員在后臺設置了呼入電話全部轉人工的情況。

（2）用戶維度：

當機器人服務用戶時，我們還會對用戶進行區分，當用戶是vip用戶時，我們為了讓他們滿意，就會讓客服人員進行一對一的服務，而不應該讓機器人和他進行兜話。如果遇到了之前對機器人有過投訴的用戶，那么一開始也就應該讓人工客服直接面對他們。

還有一種情況則是用戶之前有撥打騷擾電話的記錄，甚至在電話中有過言語辱罵的用戶，這些用戶通常會被加入客服電話的黑名單，當這些用戶呼入時，轉人工的規則可以針對他們適當的趨嚴。

（3）答案維度：

有時候機器人給出的答案解決不了用戶問題時，及時讓人工客服接入，可以避免用戶情緒暴躁。但是機器人是無法自己判斷自己給出的答案是否正確的，不然回答的就是100%正確的了，但是我們可以通過一些用戶的行為判斷答案是否解決了用戶的問題，例如：

1. 機器人重復解析到同一問句；
2. 用戶反復問一樣的內容。

當然，有的答案我們在配置時就知道是復雜的，用戶難以理解。這部分我們可以在配置時就設置轉人工。

（4）交互維度：

在人機交互的場景也存在需要轉人工的情況，在交互時如果用戶的問題一直沒有解決，就會出現負面情緒，有的用戶會主動表示需要轉人工，而有的用戶則直接爆粗口了，這兩種情況我們都是需要及時轉到人工客服的。

6. 掛斷設置

用戶沒有主動掛斷時，我們也會用一些條件判斷是否需要主動掛斷。當我們給用戶答案后，用戶通常會有一個通用性的表述，我們可以通過用戶的回應，判斷問題是否得到了解決。

例如：用戶表示感謝時，意味著問題得到了解決，那么我們可以給予一個肯定的回應后進行掛機。還有的用戶會說再見等，意味著用戶有掛斷的期望時，我們可以給予一個感謝的回應后進行掛機。

本文由 @祝楠 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自 Pexels，基于 CC0 協議