在電商交易過程中，用戶需要涉及到售前、售中、售后等相關問題，那么使用AI客服能夠大大提高工作效率。本文對AI客服的智能化打磨進行了設計分析，一起來看看吧。

• AI智能客服天然的優勢：重復，無情緒，高并發
• 人工客服的問題：成本、效率、多渠道、標準化

最近一段時間負責本地相關的業務領域，本地商家、用戶在交易前后會產生各類問題，以到店服務來說，用戶從瀏覽商品、下單、預約、核銷、評價整條鏈路都有可能需要咨詢或提問，在此過程中，周到、完備的智能問答顯得十分重要。

平臺基于過往的技能范疇，其實已經產生了比較扎實的AI智能客服的基礎。而我們要做的是深化打磨目前AI客服的智能化，包括底層數據的打磨、多路場景的召回、提供動態化方案。

一、AI智能客服整體架構設計

最底層是數據來源的部分，主要由兩個領域構成，數據集成與AI語料的制作。通過這兩個領域的數據清洗過程，結合通訊服務便可以與AI服務能力做關聯，確保內容語義通過AI技術服務做語義層面的識別、解讀、理解&加工、對話、反饋、輸出為語音。

中間層是智能引擎的核心，包括對于語料庫的認知召回、調取方式、切換任務時依賴的能力調用。

最后輸出支持前端、語音的應用。

而標黃的部分，則需要將配置能力可視化，既保障安全性，同時響應到AI智能化系統的各個領域。

二、智能化策略與決策設計

可以理解為，AI應用最核心在于：如何保障智能服務引擎與實際服務交互的易用性，從本地業務的客服本身來說，需要具象化的認知：即AI客服只是屬于業務的某個鏈路，而不是對服務體驗的全權負責，在搭建智能會話前，需要明確哪些是分內之事的重要事項，哪些需要流轉。

命題為：需要為本地業務提供AI智能咨詢的能力

拆解鏈路：這些能力在什么場景下會被調用？解決線上哪類問題？這些問題發生在哪些路徑？智能會話問題解決范圍如何體現與量化？

2.1 智能化服務可能在哪些場景出現？

• 有問題且已經發生
• 有問題未反饋
• 無問題單純訪問

2.2 在不同場景設立喚醒助手服務，對標各類問題場景

2.3 梳理智能化語料為交互提供彈藥

• 如何搭建好用、全面、即時程度化高的智能化語料？——對問題理解到位，回答準確
• 應對這個目標，將搭建鏈路拆解為以下幾個大的視角：

（1）問題定位

• 訂單識別
• 問題識別
• 問題推薦

上面的三個方面直接影響預測問題的排序與關鍵信息的檢索

（2）正常數據

知識庫及標準問題結構優化細化，提升問題識別、降低纏繞（需要結合不同應用場景判斷標準問題與答案的嚴謹性）

• 在不同場景問答預測列表不同
• 來自不同渠道喚醒問答的預測問題列表
• 關鍵詞喚醒的搜索結果排序優先級邏輯

（3）異常處理

問答在各類場景異常的判斷標準：如通話場景、人機互動場景的異常判斷邏輯就會不同。

• 【線路異?！繉收献R別并保存溝通快照，減少重復溝通
• 【問題不清晰異?！空Z音、私信、web頁的話術詢問邏輯
• 【情緒問題】接入情緒識別模型能力，提升溝通體驗
• 【關聯問題】通過相關性訓練，為溝通互動提供關鍵問題推薦點選率

2.4 智能解決的核心規則

若有預期提升整體智能客服解決線上問題率，至少需要從以下幾個維度入手：

研判規則：調研線上用戶喚醒人工服務的主要原因是規則的可變動性，即異常問題的處理效率。因此在智能化責流程中，需要盡可能窮盡線上反饋較多通過人工解決的問題判責標準與依據，并在智能化解決中搭建通用鏈路。

權限一致：人工整體判斷問題的過程會有上升通道，類似的，智能助手在解決問題的判斷路徑上也可以自動提交到高級人工判罰，確保在意圖明確的前提下，需要上升處理的case量級保持相當。

三、評估AI智能語音的關鍵數據

效果：

• 接通率
• 識別準確率
• 點擊率
• 問題解決率

能力：

• 并發量
• 話術設計
• 開發周期
• 定制化場景
• 安全性