您的位置：首頁 >資訊 > 正文

確認過眼神，這就是你想要的環信機器人？

來源：項城網時間：2018-06-05 14:47:16

客服作為企業直接接觸用戶和消費者的重要環節，在很大程度上影響著企業的銷售業績、服務質量以及品牌建設。因此對一些重服務和銷售的行業來說，招聘大量客服人員必不可少。但是由于客服人員工資低、工作強度大，導致流動性高，招人困難，企業投入的大量培訓成本往往并不能得到相應的回報，客服部門逐漸成為企業的成本中心，存在著一堆“老大難”的問題。

隨著云計算和人工智能技術的發展，原來只能通過傳統呼叫中心完成的客服工作通過在線客服、移動客服以及客服機器人實現了分流和效率提升，尤其是客服機器人的應用，為客服人員分擔了大量重復性客服問題，使得他們能夠專注與提供更有價值的服務。

然而，早期的客服機器人由于采用基于規則的方法，在構建和維護過程中，都需要人工對文本內容做非常精細的結構化分析，比如需要標出一個句子是不是疑問句，是問什么的疑問句，主語是什么，謂語是什么等等，因此需要專職人員每天做打標簽工作，而且這類人員培訓成本和替代成本都很高，給企業造成了新的成本負擔。

過去兩年來，深度學習算法的突破為客服機器人的應用帶來了革新。作為在客服領域深耕多年的企業服務公司，環信在原有客服系統和產品的基礎上，積極布局AI，在2016年初便開始搭建AI團隊，研發基于深度學習和機器學習的智能客服系統。

基礎算法能力：深度學習降低工作量

目前，環信客服機器人不僅能夠通過語義相似度算法和意圖模型，對海量高質量的互聯網和行業數據進行訓練，大大降低知識庫的構建和維護成本，而且上線后機器還能自主學習，持續完善知識庫，不斷提高回復率和準確率。

那么，語義相似度算法和意圖模型是如何降低標注工作量的呢？對此，環信AI負責人李理做了一個通俗的解釋。

首先，語義相似度算法是一個通用模型，它輸入的是兩個句子，輸出的是兩個句子的相似程度。這個相似程度是基于一個回歸模型得到的一個0到1之間的數值，分為0、0.25、0.5、0.75、1不同檔。機器通過這個模型可以學習到虛詞、句法之類的相似關系。由于這是一個通用模型而非行業知識，所以不需要專業人士，就可以來做這個訓練，學習成本幾乎為0。

其次，意圖模型是對行業知識點的訓練。比如“心臟病算不算重疾”這一知識點，只要給相似的問題標上“心臟病算不算重疾”的標簽即可，然后把類似的很多句子送到模型里訓練，之后再出現類似的句子，機器就知道是問“心臟病是不是重疾”的問題。

由于算法差異，基于深度學習的算法相比傳統打標簽的工作量會有指數級的減少，不僅降低了知識庫早期的構建成本，也減少了企業后期的知識庫維護和更新成本。同時，企業實際客服中產生的會話效果反饋，也會作為訓練素材進入知識庫，幫助客服機器人更加完善和智能。

業務解決能力：客服經驗提升滿意度

有了基于AI的客服機器人并不一定能真正解決實際業務中的客服問題，還需要客服系統提供商對客服有深刻的理解、對行業有足夠的經驗，并將這些理解和經驗落實到機器人系統中，才有可能達到讓客戶滿意的效果。

環信在過去幾年時間里，通過服務20多個行業累計70000多家公司，積累了豐富的客戶服務經驗，具備很強的服務場景拆解能力和業務理解能力，能夠從根本上幫助客戶解決客服問題。

例如，快遞行業的投訴和催單問題一直是一個痛點。環信的一個快遞行業客戶在采用了環信的客服機器人后，發現系統效果很好，但是并沒有達到預期目的。原來客服機器人雖然能夠準確地抓住問題和意圖，并按照客戶給定的標準答案進行回答：“您好，我是XXX，您的問題我們已經收到，請您耐心等待，如果您比較著急，請您查詢XXX“ ，但是這樣并不能真正解決問題。

為此，環信建議客戶按照人工客服的解決思路來解決這個問題。具體方法是，先對該業務進行拆解，比如三天以內怎么辦、三天以外怎么辦，然后給客戶做一個催單接口API，不同的人對應不同的話術，最后返回給用戶一個催單號，告訴用戶一天之內會打電話回訪。通過把原來的單輪對話拆解成多輪對話，轉人工的數量就大大減少了。

業務解決能力在客服行業至關重要，這不僅要求乙方真正懂客服，有服務意識，還要擁有行業服務經驗，懂不同行業的場景痛點和解決辦法。環信通過服務保險、證券、物流、教育等多個行業眾多客戶，積累了豐富的客服和行業服務經驗，能夠真正幫助客戶解決客服問題，實現客服效果的明顯提升。

平臺開放能力：多種接口滿足擴展性

由于AI在客服行業的落地不止于文字客服機器人這一點，還有智能IVR（互動式語音應答）、智能質檢、智能外呼、智能知識庫等。因此對于一些本身擁有較強IT能力的大客戶來說，還希望利用乙方的平臺，調用其中的句法分析、意圖識別、情緒分析等能力，來搭建其他系統。這就要求乙方提供的系統不能是一個黑盒，而應該是一個開放的平臺。

另外，對于很多大客戶來說，花費大量時間和精力維護的知識圖譜價值巨大，他們一般都希望能夠把這些知識圖譜調出來進行復用，這也對乙方的平臺開放性提出了更高要求。

環信中文語義計算平臺為大客戶提供了豐富的接口，除了可以進行基于知識庫內容的問答外，還可以進行基于業務系統接口的信息調用，實現二次開發、業務信息查詢等功能。此外，環信智能客服機器人還支持知識庫批量導入和導出，使客戶能夠更方便地管理和運用自己的知識庫。

人機協作：客服機器人不是萬能藥

當然，客服機器人雖然能夠通過單輪對話和多輪對話幫助人工客服解決大量簡單重復性問題，但是在一些高客單價、強轉化需求的場景下，使用客服機器人風險較高，只有人工客服才有可能達到預期效果。

比如一個醫美公司通常需要花費千元成本從百度獲取一個流量，如果交給客服機器人，潛在客戶很容易流失，只有經驗豐富的老銷售上場，才有可能成功實現轉化。但是一家公司的老銷售數量有限，且培訓成本較高，如何讓其他銷售快速具備豐富的銷售經驗，是很多公司都面里面的難題。

環信智能客服機器人的人機協作功能很好地解決了這一問題。

不同于單輪對話和多輪對話的自動回復，人機協作場景下，仍然是人工客服在提供服務，機器只是通過一個小窗口實時給出回答建議，人工客服可以對推薦回答進行編輯修改或直接發送，不僅能夠提高回復效率，還能減少銷售培訓成本，把公司的業務知識和銷售經驗通過實時推薦的方式輔助客服人員，達到知識和經驗傳遞的效果。

人機協作雖然只是輔助人工客服，但是也涉及到算法和產品層面的諸多難題。

首先，算法層面。如何通過訓練生成推薦答案，如何利用客服實際選擇的答案進行強化訓練，如何讓實際會話數據自動進入知識庫進行自主學習，以及如何實現機器人和人工客服的自動切換等等，都是當前學術界和工業界研究的熱門領域。

其次，產品層面。比如提示窗口的位置如何不影響人工客服的高效工作界面，自動隱藏和彈出的時間如何讓人工客服用起來剛好合適，人機協作功能如何跟客服系統緊密結合等等，都需要公司對客服有深刻的理解。

環信基于多年的客服經驗以及AI團隊的技術實力，能夠從算法和產品兩方面優化人機協作產品功能，幫助企業真正提高人工客服效率和服務水平，實現客服的場景的價值轉化。

解決方案：客服+AI解決行業難題