|
目前大多数行业客服中心大致提供查询、咨询、办理、投诉以及建议五种服务项目。根据行业特点不同，所提供的服务细项有所不同。建设、运营好智能客服机器人首先要考虑的问题是要将它应用在何种服务中。最优选择是简单、重复、易替代的标准服务项目，如查询、咨询、简单业务办理服务等;太复杂、需要服务人员反复确认沟通服务诉求的项目如复杂业务办理、投申诉等，显然不适合使用智能客服机器人。 主体思想依然是根据存储提取的思路，一般的实现是储存一些固定问题的答案以及相似话语的回答，通过查找匹配来找到适合的回答。例如：我们在向机器人说 “你好”，系统检测到存储体中有 “你好”，并给出了这个词的答案 “你好”，或者给出多种不同的回答，系统可以随即的选择需要的回答。有更智能一点的机器是通过模糊匹配来产生更多更丰富的答案，当你向机器问问题的时候，他会采集问题的关键字，在系统数据库中查找相应的关键字并匹配出最适合的回答。 
我们采用了分析归纳的渐进回答方案，系统依然会依赖自身已知的一些知识进行常规的回答，不同点在于我们可以回答我们系统数据库中没有出现过的问题。例如 “你是火星人吗？”，系统之前并未回答过这个问题，也没有这个问题的答案。这时系统将会组合 “火星人” 在系统中搜索，如果找到火星人的相关信息，将会与 “是”，进行匹配，确认 “是” 就是等同的意思，将会找到自己与火星无关，从而得出 “不是” 的结论，进一步将会分析问话者的上下文，来决定采用什么方式进行回答。这里同样会考虑机器的个人喜欢的回答方式。 选择适合智能客服机器人提供的服务项目非常重要，决定了今后的运营方向、投资、流程和效果。智能客服机器人的特点是可提供重复、精准、简单划一的问答，需要长期运营才能达到优良的用户感知。如赋予它复杂的问答场景，势必造成后期人工投入加大、流程复杂等困难，影响用户使用效果。 智能客服机器人的服务流程分为用户使用服务流程及后台维护流程。确定智能客服机器人的服务项目后要考虑服务项目的流程设计。流程设计原则是重点服务项目的场景化。例如，当用户询问智能客服机器人问题时使用的是自然语言，智能客服机器人经常不能准确判断用户的提问，这时推送用户可筛选的条件，通过一次或多次筛选和交互，准确理解用户的问题，给予用户准确、标准的回答，提高智能客服机器人回答问题的准确度。 大多数技术达不到要求时，尤其是在垂直领域(如电信、银行等)，智能客服机器人问答的问题较为*，运营者需要通过持续运营来提高智能客服机器人的服务效果。这时，搭建适应智能客服机器人检索的细颗粒度知识库尤为重要。此知识库需要将大篇幅的知识拆分成为细颗粒的知识点填写进预设的知识模版中，以方便智能客服机器人快速检索到所需知识点，解答给用户。这项知识整理和录入工作前期非常繁重，常常需要运营者花上几个月的实践整理和录入。在智能客服机器人投入使用后仍需要运营者长期跟踪知识的新增、变更以及过期删除，保*智能客服机器人检索和提供的知识准确有效。 举例来说，用户询问“今天天气如何?”，智能客服机器人可理解为用户在问气温、雨雪风、空气污染情况等等，需要运营者将“今天天气如何?”与气温、雨雪风等具体天气情况进行关联后检索天气情况，给予用户准确*。用户的问法多种多样，需要运营者利用智能客服机器人语义训练技术，通过持续运营、不断积累问法的数量、精选优质问法，最终达到理解用户自然语义，给出有效、正确的*。 综上所述，智能客服机器人语义训练不是一蹴而就的工作，需要长期、持续收集用户问法，并进行不断修订、改进。往往需要长达数月的语义训练，才能使得智能客服机器人具备上线条件。上线后，又将在实际运营中不断收集、完善，智能客服机器人才能真正提高用户感知，并逐渐被用户喜闻乐见和接受使用。 |
|
|
