TFlow AI大模型案例落地解析:某零售客服業(yè)務落地案例
隨著人工智能技術的不斷進步,AI客服逐漸嶄露頭角,成為企業(yè)提升客戶服務效率與質量的重要工具。本文以TFlow AI產品為例,深入探討了如何將大模型技術應用于客服場景,通過業(yè)務流程的優(yōu)化和智能推理,實現客戶服務的自動化和智能化。
本文帶來TFlow AI關于客服落地的案例,詳細介紹業(yè)務側AI客服如何與大模型相互結合。
TFlow AI 產品簡介:是面向B端業(yè)務場景Agent平臺,能按流程處理任務(SOP),圍繞目標來進行離散推理。能快速搭建Ai客服、AI導購等應用。
產品允許LLM與環(huán)境進行交互,根據環(huán)境數據的反饋不斷的調整行動計劃/策略。且整個sop的過程是由文本來控制,不需要用到Work Flow。
一、業(yè)務的基礎信息
中國XXX運動品牌,一家中國領先的國際運動服裝品牌企業(yè)。
本集團主要從事設計、開發(fā)、市場推廣及分銷品牌運動服裝
1. 業(yè)務場景
- 線下:1000家線上門店。微信生態(tài)內、有門店小程序。用戶通過小程序下單,在微信客服內咨詢產品各種的問題
- 合作定制:和各個高中、初中、小學合作。承接學校的校服定制,學生或者家長在平臺上購買定制款衣服
2. 現狀
- 有6個人工客服;
- 通過微信客服承接服務;
- 用傳統(tǒng)的智能客服、關鍵字匹配等方式回答問題,效果一般。因為微信中只能通過純文本溝通,對話限制在了一問一答,傳統(tǒng)機器人無法使用。
3. 核心痛點問題
- 微信生態(tài)傳統(tǒng)的基于關鍵詞的多輪對話的客服,無法解決問題;
- 微信生態(tài)基本依靠人工來解答售前售后問題;
4. 預計最終效果
客服少2個人
二、TFlow Agent產品特征
產品特征:是面向B端業(yè)務場景Agent平臺,能按流程處理任務(SOP),圍繞目標來進行離散推理。能快速搭建Ai客服、AI導購等應用。產品允許LLM與環(huán)境進行交互,根據環(huán)境數據的反饋不斷的調整行動計劃/策略。且整個sop的過程是由文本來控制,不需要用到Work Flow。
- TFlow產品的特點擅長模擬人的思維流程,按照規(guī)定的流程去處理事情;
- 擅長流程的控制和處理;不擅長單點任務的處理。如查知識庫
三、Agent流程處理的框架
1. 當用戶輸入詢問時
1)記憶能力
- 先通過模型的記憶能力,獲取用戶畫像、流浪記錄、相同問題的解決歷史會話記錄
- 解決對應問題的參考sop流程
2)計劃能力+推理
- 讓模型基于用戶的提問,解決的SOP,制定與用戶的溝通計劃
- 根據用戶反饋調整溝通計劃,推理出新的步驟
3)tools
- 根據推理出來的計劃、選擇執(zhí)行的內容
- 比如調用ERP、知識庫等
最終得出結論、輸出給用戶
整個過程中,模型能夠模擬人+參考sop流程,執(zhí)行對應的任務,從而達到相應的結果
四、落地核心步驟(業(yè)務流程的梳理與抽象)
- 問題歸類于意圖整理
- 業(yè)務邏輯的抽象
1. 問題分類與意圖整理
1)問題整理:分析用戶的用戶問題,對應進行板塊、問題場景、業(yè)務類型的歸類
2)意圖歸類:將用戶的問題進行歸類,按照問題歸類,整理拆解業(yè)務,歸類如下:
2. 業(yè)務邏輯抽象
即將相同處理流程的意圖歸類。核心:不同意圖的任務流程用相同的思維流程來替代
比如:
- 退貨和換貨,都是處理用戶對商品不滿意的處理
- 促銷活動、商品問題答疑,都是解決下單環(huán)節(jié)的問題。可以抽象到商品推薦環(huán)節(jié)。
其次,模擬人的思考流程。按照一個客服街道客戶詢問的處理邏輯,來處理
比如退貨人的處理流程:
- 詢問客戶退貨理由
- 查詢訂單ID是否存在
- 退貨理由是否符合規(guī)則
- 商品是否符合退貨條件
- 引導退貨
這個處理流程,也適用于換貨,快遞不滿意等等;
關鍵是將不同意圖的處理流程,抽象人的思維流程,同時進行兼容。比如訂單催發(fā)貨和訂單信息查詢在流程處理上相同。
3. 業(yè)務邏輯抽象后的流程歸類
五、Agent客服機器人效果
通過知識庫模擬,如果是實際接口,效果會更好-
優(yōu)化規(guī)則、同類問題處理更順暢-
效果1
效果2
六、最終數據效果
抽樣200條數據,分析模擬對話歷程,看是否Ai機器人可以解答;
當前全部由人工接待:使用機器人后:預計會有65%的解決率;
本文由 @易俊源 原創(chuàng)發(fā)布于人人都是產品經理。未經許可,禁止轉載
題圖來自 Pixabay,基于 CC0 協(xié)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。
- 目前還沒評論,等你發(fā)揮!