 廖琼 腾讯集团智能客服运营总监 分享主题 智能生态助力新客服 内容摘要 今天由我来分享腾讯在以往的客户服务过程中以及在面对海量服务用户提供解决方案上做的一些探索和积累的一些方法。 回顾腾讯客户服务的发展之路，腾讯客服一直以来面临着业务多、用户多、问题多的挑战。其实从PC互联网时代我们就开始尝试用互联网技术服务海量用户，通过建立在线服务替代传统的电话服务，实现一对多的服务模式。 在当前人工智能发展的大趋势下，我们利用大数据驱动整个客服再次变革。我们打破原来劳动力密集型服务中心的观念，通过大数据驱动客服能力建设，把传统的人工服务与AI优势相结合，将传统人工服务模式升级为智能协同服务模式，于是腾讯智能客服应运而生。 腾讯智能客服基于微信平台打造的公众号、小程序的服务集散地，对接用户服务，是智能客服绝佳的应用场景；同时对客服热线进行智能、灵活服务建设，形成另一个服务集散与分发地。经热线接入的用户，可以通过“云智服”平台与用户进行语音交流，系统会通过按钮选项模式减少用户的输入，提高服务效率。 不能真正解决问题的机器人不是好客服。方案的有效性决定智能客服的服务能力；我们将每一个问题从运营上做深、做透，根据不同的问题类型提供多样化的解决路径。对于刚接入客服的用户，我们通过用户的业务发生场景、轨迹、操作等搭建预判模型，实现未问先答，提供解决方案，从而更好地提供服务。目前来腾讯客服的用户中，通过机器人能事先预判问题的覆盖率已达到70%。针对用户咨询的问题，通过产品接口，能查先查；不准确的问题，通过模糊反问等多种形式引导发问，逐渐收敛，直至精准定位用户问题，帮其提供解决方案。至于剩下的AI badcase则由智能训练师实时接管，标注分类反哺跟踪闭环。服务全程以解决用户问题为目的，用丰富的形式提升交互体验，使用户无感知机器人。 解决了用户沟通路径和方案的问题，那服务质量和准确率又如何保证呢？对此，我们设置了智能预警监控系统，实现全自动化的智能预警监控，随时随地掌握智能服务的情况和产品异动，保证智能服务的高效稳定运行；并建立智能质检模型，100%工单覆盖，实现智能识别异常线索，再通过人工复核，使准确度大幅提升。 发展到现在，我们的智能客服不再是一个单纯的对话机器人，而是全链路的智能生态服务架构。通过对服务接入、服务提供、服务检验三个服务流程，进行智能优化，实现智能客服、智能运营、和智能质检，让AI成为服务“总管”、服务“总代”、服务“总检”，从提升用户的服务效率、服务质量和服务体验。 当然，一套技术再牛的AI系统如果没有运营体系和训练体系支撑，其价值也无法体现，需要懂业务，会运营的智能训练师来真正落地运营。 一个好的AI训练师要以结果为导向，围绕“解决率”、“满意度”、“对话流畅”等指标进行智能训练，要与产品经理讨论需求，能结合业务设计完善对话模板，并定期分析运营数据，不断提出产品的体验优化建议等等。训练师除了会数据分析、问题挖掘、懂业务，能沟通以外，还必须具备场景拓展能力、对话模板设计能力以及推动业务要接口、要权限的能力。不断提升AI训练师的核心能力，才能真正落实到智能服务解决能力上面。 但其实腾讯客服一直坚持的一个理念是，没有“服务”的服务，才是最好的服务。腾讯客服不做用户的“出气筒”、产品的“传话筒”，而是通过客诉分析，推动产品从上游做优化改进，从源头降低客诉，从被动响应的服务模式转变为积极主动服务。 现在，我们也将腾讯十多年来的客服平台能力产品化，推出“腾讯云智服SaaS版”，帮助企业一键搭建自己的客服平台，实现对外赋能，繁荣产业互联生态。 最后,还想跟各位一起畅享一下智能服务的未来。人工智能时代，客户服务应该抓住先进技术成熟和普及应用的红利，转变思维，大力在客户服务的各个环节建设智能化的产品服务，解放人的生产力，去探索创新的服务模式，打造更具价值的客服中心，为用户提供更好的服务。谢谢！ 点击 |
|
|
