搭建AI智能客服的思考

在电商交易过程中，用户需要涉及到售前、售中、售后等相关问题，那么使用AI客服能够大大提高工作效率。本文对AI客服的智能化打磨进行了设计分析，一起来看看吧。AI智能客服天然的优势：重复，无情绪，高并发人工客服的问题：成本、效率、多渠道、标准化

最近一段时间负责本地相关的业务领域，本地商家、用户在交易前后会产生各类问题，以到店服务来说，用户从浏览商品、下单、预约、核销、评价整条链路都有可能需要咨询或提问，在此过程中，周到、完备的智能问答显得十分重要。

平台基于过往的技能范畴，其实已经产生了比较扎实的AI智能客服的基础。而我们要做的是深化打磨目前AI客服的智能化，包括底层数据的打磨、多路场景的召回、提供动态化方案。

一、AI智能客服整体架构设计

最底层是数据来源的部分，主要由两个领域构成，数据集成与AI语料的制作。通过这两个领域的数据清洗过程，结合通讯服务便可以与AI服务能力做关联，确保内容语义通过AI技术服务做语义层面的识别、解读、理解&加工、对话、反馈、输出为语音。

中间层是智能引擎的核心，包括对于语料库的认知召回、调取方式、切换任务时依赖的能力调用。

最后输出支持前端、语音的应用。

而标黄的部分，则需要将配置能力可视化，既保障安全性，同时响应到AI智能化系统的各个领域。

二、智能化策略与决策设计

可以理解为，AI应用最核心在于：如何保障智能服务引擎与实际服务交互的易用性，从本地业务的客服本身来说，需要具象化的认知：即AI客服只是属于业务的某个链路，而不是对服务体验的全权负责，在搭建智能会话前，需要明确哪些是分内之事的重要事项，哪些需要流转。

命题为：需要为本地业务提供AI智能咨询的能力

拆解链路：这些能力在什么场景下会被调用？解决线上哪类问题？这些问题发生在哪些路径？智能会话问题解决范围如何体现与量化？

2.1 智能化服务可能在哪些场景出现？ 有问题且已经发生有问题未反馈无问题单纯访问2.2 在不同场景设立唤醒助手服务，对标各类问题场景 2.3 梳理智能化语料为交互提供弹药

如何搭建好用、全面、即时程度化高的智能化语料？——对问题理解到位，回答准确应对这个目标，将搭建链路拆解为以下几个大的视角：

（1）问题定位订单识别问题识别问题推荐

上面的三个方面直接影响预测问题的排序与关键信息的检索

（2）正常数据

知识库及标准问题结构优化细化，提升问题识别、降低缠绕（需要结合不同应用场景判断标准问题与答案的严谨性）在不同场景问答预测列表不同来自不同渠道唤醒问答的预测问题列表关键词唤醒的搜索结果排序优先级逻辑

（3）异常处理

问答在各类场景异常的判断标准：如通话场景、人机互动场景的异常判断逻辑就会不同。【线路异常】对故障识别并保存沟通快照，减少重复沟通【问题不清晰异常】语音、私信、web页的话术询问逻辑【情绪问题】接入情绪识别模型能力，提升沟通体验【关联问题】通过相关性训练，为沟通互动提供关键问题推荐点选率2.4 智能解决的核心规则

若有预期提升整体智能客服解决线上问题率，至少需要从以下几个维度入手：

研判规则：调研线上用户唤醒人工服务的主要原因是规则的可变动性，即异常问题的处理效率。因此在智能化责流程中，需要尽可能穷尽线上反馈较多通过人工解决的问题判责标准与依据，并在智能化解决中搭建通用链路。

权限一致：人工整体判断问题的过程会有上升通道，类似的，智能助手在解决问题的判断路径上也可以自动提交到高级人工判罚，确保在意图明确的前提下，需要上升处理的case量级保持相当。

三、评估AI智能语音的关键数据

效果：接通率识别准确率点击率问题解决率

能力：并发量话术设计开发周期定制化场景安全性

本文由 @蓝莲花zx 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议返回搜狐，查看更多

责任编辑：