企業(yè)客服部門業(yè)務洞察及業(yè)務定制智能客服的特點
一、竹間私有化部署智能客服產品與傳統(tǒng)云客服差異價值解析
客服場景是AI技術落地的最主要場景之一，也是企業(yè)對外服務客戶的窗口。智能客服機器人替代人工通過文本（在線客服）或者語音（電話熱線）1對1溝通的方式，解決到訪用戶的訴求。竹間智能通過以往豐富的落地服務經驗洞察客服業(yè)務本質，圍繞客服日常工作的核心要素人、知識、服務進行重塑，加入主動式問詢、機器人話術自學習優(yōu)化等AI技術，顛覆客服場景服務。
現在市面上傳統(tǒng)的云智能客服產品非常多，落地方式主要是標準化SaaS產品；云智能客服產品AI技術和功能都相對比較同質化，注重標準功能交付而非定制化服務，無法真正有效解決業(yè)務痛點。
那比起SaaS輕模式，私有化部署定制化的智能客服在客戶需求上有哪些差異化特點呢？
1.客戶一般會要求在理解業(yè)務的前提下做定制化服務，除了要求產品具備強大的功能及扎實的實施能力之外，還需要能更加深入耦合企業(yè)的業(yè)務系統(tǒng)及客服知識庫；
2.服務的客服團隊一般較為龐大且企業(yè)業(yè)務較為復雜，除了關注對外服務質量之外，也很關心對內的知識庫有效管理（知識版本、審核流程管理等）、風險控制（對外答案輸出準確性、話術及咨詢范圍合規(guī)性、以及宏觀環(huán)境的敏感詞風險等）、人員流動帶來的培訓及上崗的需求；同時對于機器人知識庫，需要具有可知性（可解釋且可發(fā)現問題產生的因果關系）及可控性（能干預且容易干預）；
3.項目上線后，為了使機器人客服服務質量不斷優(yōu)化且未來可持續(xù)發(fā)展，企業(yè)需要引入新的角色，即人工智能訓練師團隊。因此需要為其提供一定的產品系統(tǒng)操作、機器人對話控制及知識庫運營方法論培訓，甚至對有較強自研開發(fā)能力的企業(yè)提供二次開發(fā)培訓；
4.廣義的智能客服產品具有AI平臺屬性，除了解決客服部門的核心訴求外，還要求能應用到其他業(yè)務場景及賦能其他部門，例如在對話服務過程中自動生成業(yè)務工單、在制造行業(yè)中為售后上門維修師傅提供App虛擬助手等等。
5.企業(yè)對智能客服產品價值期望更多元，一般有如下幾個：
提高服務體驗（量化指標：服務滿意度、好評率等）
降低客服人力成本（量化指標：人力工資成本預算）
提高客服工作效率（量化指標：AHT即平均處理時間）
賦能業(yè)務其他場景（暫無量化指標）
智能客服定制化服務價值差異化：
產品化核心要素介紹
二、竹間如何通過對“人”、“知識”、“服務”三要素的產品化來重新定義智能客服
根據竹間的服務經驗，針對私有化部署定制化模式，我們將產品化分解為如下三個要素：
知識、對話交互和工具方面的產品化才體現業(yè)務深度定制化的智能客服產品優(yōu)勢
知識：這里主要指應用在AI機器人上的知識，產品化過程中需要考慮知識結構形式差異、獲取方式、知識輸出確定性、使用頻率等方面的要素；目標是盡可能滿足客服對知識的靈活使用需求；
工具：主要包括兩個核心工具的產品化，一是從知識生產和管理角度出發(fā)的知識轉化工作流產品化；二是深度學習算法為核心的數據工作流產品化閉環(huán)；工具產品化目標是在保證機器人服務質量的情況下降低AI訓練師團隊學習和使用成本；
對話交互：主要針對人機對話交互過程的產品化，通過機器人形象化設置、引入對話交互的基本準則（寒暄識別、澄清能力、表達準確、信息索取等）、賦予機器人智能性（上下文理解）等產品化來提高機器人服務的自然流暢度和類人程度；對話交互產品化的目標是將人機對話交互的體驗提升甚至接近人與人之間的對話流暢度；
下面我們對前面三點產品化進行更詳細的闡述：
1.知識
機器人知識來源主要是客服經驗沉淀、業(yè)務知識梳理、線上日志挖掘。常見客服領域的結構化知識主要是QA問答對和以“實體-屬性-值”或者“實體-關系-實體”為顆粒度的知識圖譜，而非結構化知識則是政策文件、各式文檔、及H5網頁等；相對于目前應用在基于深度學習算法的機器閱讀領域的非結構化知識庫，結構化知識庫的可控性（系統(tǒng)容易被干預）和可解釋性（系統(tǒng)白盒且內部透明）更強，更有利于客服部門有效規(guī)避風險和及時作出機器人回答的調整?；诖?，竹間機器人知識庫存的產品化側重點主要放在結構化知識上。
私有化部署定制化的智能客服場景在知識獲取上，除了支持靜態(tài)獲取知識問答外，還需要提供從業(yè)務系統(tǒng)中獲取動態(tài)知識進行問答的產品化能力；如下圖一個業(yè)務點流程：
由于訪客用戶接入渠道、知識服務群體的多樣性，要支持針對不同服務群體和渠道，靈活配置對應的答案；例如電商客服場景，會針對不同渠道來源的客戶，有不同的優(yōu)惠力度和回答話術，這需要產品能支持靈活配置；除此之外，知識庫除了用于機器人模型訓練和問答之外，可以同時服務于坐席，例如坐席上線時，機器人知識庫協(xié)助甚至是托管坐席應答，這里竹間產品化支持靈活配置哪些知識對外面向客戶服務，哪些知識對內面向坐席服務；
客服場景對一部分知識往往有時效性要求，需要應對臨時活動或者突發(fā)性事件；針對對突發(fā)事件的知識回答（如臨時促銷活動內容、企業(yè)下達的臨時文件等），由于結構化知識采集提取的成本比較高，周期較長，客服往往無法在短時間內上線所有新的知識點和解決與業(yè)務核心知識點的沖突，傳統(tǒng)機器人知識庫無法較好應對這種情況；這時竹間通過在核心知識庫上搭建一層臨時知識庫的產品化方式，同時借助機器閱讀技術和知識庫優(yōu)先級劃分架構，解決這種時效性高、響應速度要求高的業(yè)務知識回答；
客服場景用戶的咨詢分布也符合二八原則，用戶80%的咨詢問題主要是集中在20%的知識點中；針對用戶20%長尾知識咨詢，竹間智能客服提供在線日志聚類挖掘新知識、機器人自學習的產品化手段解決；
2.工具
工具產品化的目標是提高效率，那么如何提高AI訓練師的工作效率呢？
第一個提供的產品化工具應用在知識生產和管理過程，目的是提高知識轉化效率。一般在項目啟動時，會通過在線日志、業(yè)務文檔文件、已有客服知識點來梳理統(tǒng)籌項目整體知識庫框架；針對大多數情況，即線上對話日志和已有客服知識點，知識生產的流程基本可以分為下面幾個步驟：
數據清理：通過無用對話信息過濾、標點符號去除等技術手段將數據初步轉化為可用且易讀的信息；
信息挖掘：通過聚類算法、口語寒暄等冗余內容刪除技術手段， 提煉出知識主干框架及知識分支節(jié)點，實現有效信息挖掘；
知識分類：運營和產品實施人員根據業(yè)務場景需求，將根據知識結構特點選擇相應工具和算法模型，這里要依據奧卡姆剃刀原則，充分權衡落地的成本和收益；
知識生產：對于大多數智能客服產品使用的監(jiān)督式學習算法模型，對知識進行相應語料和數據標注，同時通過智能語料推薦，提高標注過程的效率，縮短標注時間，同時解決不同知識類型之間沖突問題；
以上流程是零散的工具，竹間智能客服以產品化的方式將工作流的工具串聯(lián)，提供一套整體解決方案。同時可以結合已有的行業(yè)通用知識資產，做到快速構建不同行業(yè)領域的知識庫。
在知識管理上，提供審核-測試-發(fā)布的流程化機制，控制降低將錯誤知識上線的風險；
第二個提供的產品化工具落地在深度學習算法為核心系統(tǒng)的工作流閉環(huán)，目的是降低AI訓練師的系統(tǒng)學習和使用成本。竹間智能客服構造NLP領域中深度學習算法的”分類-標注-訓練-測試-上線-再學習“閉環(huán)，將所有工具串聯(lián)提供訓練師使用。
其次，竹間提供標準化封裝接口，開放NLP底層語義理解能力及實體提取能力，滿足有研發(fā)能力企業(yè)的二次開發(fā)需求，將整個系統(tǒng)AI能力輸出；
3.對話交互
對話交互產品化的本質，是主動通過標準化產品手段讓機器人達到對話交互智能。對于用戶來說，核心體驗集中在與客服機器人的對話交互上；根據我們經驗，我們將交互智能列為如下三個感性要素：
自然：通過不同人設話術（例如可愛調皮、職業(yè)沉穩(wěn)等）及形象（年齡、性別等）的選擇，日常寒暄能力及閑聊能力的定制，可以達到自然的對話效果。在客服業(yè)務場景，由于需要風險規(guī)避，寒暄和閑聊都經過竹間內部嚴格審核方可提供。同時通過情緒識別產品化，將文本中表達的情緒分類，針對不同的分類給予個性化的安慰或者鼓勵，顯得人性化。
簡潔：簡潔的對話體感，主要體現在機器人回答準確簡短、不添加不相關信息且以目標為導向上。準確簡短是通過精簡話術、前端卡片化交互來降低對話中的信息負載來達到。在機器人答案中，支持添加鏈接、添加圖片圖文結合的方式，補充主信息的內容，做到答案足夠簡短，但關鍵信息又不缺失。
以目標為導向的對話設計也很重要；在客服場景，用戶帶著明確的目的而來，客服的服務目標是快速幫助用戶解決問題。我們提供通過設定最少信息數據收集來推動目標快速達成的產品化功能；
友好：對話的友好性在竹間產品團隊看來，主要體現在不指責用戶，鼓勵用戶給出準確的回復，同時能上下文聯(lián)想直接回答用戶的訴求而不必做多余追問，還能通過必要的引導和澄清，幫助用戶獲得其最終想要的答案。
知識引導及意圖澄清的產品化設計：
客服場景下通過遵守以上三個要素（自然、簡潔、友好）進行設計，可以輸出優(yōu)秀的對話交互體驗，有效幫助用戶獲得最終答案，降低轉人工接入率的同時達到提高服務滿意度的雙重企業(yè)目標。竹間智能客服產品提供以上交互產品化能力。
（轉載）
