搭建AI智能客服的思考

2 評論 11448 瀏覽 112 收藏 7 分鐘

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

本文由 @藍蓮花zx 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 Unsplash,基于 CC0 協議

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 那線上銷售客服的會話引導可以怎么設計,可以用 ai 讓所有人都變成專家

    來自廣東 回復
    1. 涉及到策略配置都一樣,先定規則,再落地方案,要想厘清怎么設計,首先要理解解決哪些問題,基于這些問題的預期資源

      來自北京 回復