替代人工？智能机器人客服要解决的三个关键

编辑：夕照寺 | 2016年12月28日 | 文库, 标杆展示 | 评论已关闭 | 2650

随着AlphaGo的横空出世，从Her到小冰，业界已经在疾呼，人工智能离我们越来越近，甚至有观点认为我们要小心和提防人工智能，无非是害怕它会取代人类或者超出人类控制。就当前真实的产业情况来看，人工智能虽然在情感交互等方面有所突破，但它实质上还像一个正在发育中的孩子，没必要把它描绘成万能的神童，而是需要耐心呵护它长大和成熟。

呼叫中心作为劳动密集型的行业，必然成为了人工智能切入实际应用的前沿阵地，在生产过程中应用智能机器人，以减少企业运营成本，解决客户大部分简单、重复的问题，何乐而不为？我们当然希望智能机器人客服能够逐步取代人工服务，但从目前的客观事实上看，这仅仅是一个美好的期许，机器人客服能够成为服务的主体，并获得良好的客户体验，仍有很长的路要走。

目前行业内，主流客服机器人的服务量大概可占到整体在线服务约60%的比例，已然成为在线服务的主体，而实话讲，目前水平参差不齐，客户普遍反映人工智能客服并不智能。那机器人到底是样子货还是实用派？前期笔者在《拒绝忽悠，智能机器人客服的关键指标》一文中提及，我们设计了五个衡量机器人能力的指标，分别是“问题识别率”、“拨测准确率”、“答案满意度”、“服务满足率”和“调研满意度”。

从我们的实践来看，这五个指标机器人客服与人工客服均有15pp以上的差异，这15个点的能力差异是制约机器人客服深度应用的瓶颈。我们用指标分析、客户调研、文本挖掘等分析工具结合，具体定位出了机器人客服的三大能力短板，分别是“需求识别能力”、“答案客户化能力”、“全业务解决能力”，以下笔者将具体讨论每个能力的短板和提升方案。

一、需求识别能力，准确理解问题是基础

我们发现，客户一旦接触机器人客服，首要的不满点是觉得跟人工客服对比起来，机器人更容易出现不能准确识别、理解客户问题的情况，已经让人无法耐心再交流下去。其实，要思考和解决这个问题得从机器人的算法逻辑入手。

一般的机器人从理解客户问题到调用答案的过程，简单讲可拆为两个环节，其一是QtoQ，机器人抓取客户问题中的2到3个关键词，关联到词库内的标准问题上，把客户的问题转化为标准问题；其二是QtoA,即通过标准问题与标准答案的对应关系，调用出标准答案。在第一个环节，如果客户长段文字出现了多个关键词、或客户的表述较为个性化，不在机器人的关键词库范围内的时候，机器人就会被混淆或误导，把客户的问题关联到错误的标准问题上，导致调用的答案与客户实际的需求不匹配，也是我们所说的机器人识别不出客户的需求。

所以，决定识别率的关键就是QtoQ的过程，我们做过统计，同一个问题客户可能有60种不同的表述方法，再乘以公司的业务量（一般大企业的客服中心业务量级都在万以上），如果采用穷举办法，那样的词库规模将非常恐怖，穷尽客户问题近乎不可能，所以笔者认为首要的做法是想办法引导客户，引导客户用规范的语言提问。

从客户与机器人交互的全流程看，有两个关键节点我们可以切入去影响客户，一是客户刚进入机器人交互页面，正在思考怎么表达需求的时候，二是客户在输入框输入问题的过程，在这两个关键节点我们需要给客户做选择题，而不是问答题。智能的推送规范的问法给客户点选，不仅提高了交互效率、还有效降低了机器人的识别难度，具体的做法是：

1、在机器人的招呼语位置设计一个小卡片，分类承载5-6个最实时的热点问题，这部分问题的设计要满足咨询量大、客户化、直观等几个原则，客户看到小卡片，点击对应的问题就会出现相应答案，无需自己输入问题；

2、在输入框加载智能联想功能，客户在打字的时候，系统会自动把跟输入内容最相关的5个左右的问题提供给客户点选，客户输入两三个单词就可以达到输入整段文字的效果，而且问法更标准。

提高识别率的第二个关键点是找到更有效率的增大扩展问词库量的方法，传统流程是新上一个业务就维护一套扩展问，因为业务维护人员数量有限，加上业务上线有明确的时限要求，业务人员很难有充足的时间完整穷举出客户所有可能出现的问法录入到扩展问库，一旦哪个问题遗漏了，就会出现机器人无法识别客户问题的状况。我们可以考虑重新建立一套更有效率的维护机制，首先把业务分类，同类业务之间客户的问题都是类似的，可以通用；其次把所有的拓展问都统一拆解为“业务名（个性）+扩展问法（通用）”的结构；最后，新业务上线时，业务人员只要找到对应的业务分类，并把这个业务类别下的所有扩展问的“业务名”替换为该业务，即可完成这个业务扩展问维护工作，这种机制将大大解放了维护人力，业务人员可以把更多的精力放在每一类业务扩展问上的持续丰富和迭代上，经过一段时间沉淀，扩展问可有效扩容。

二、答案调用能力，客户化决定满意度

按照流程走下来，客户的第二个不满爆发点，是机器人调用的答案过于冗长或晦涩，客户不能理解。这个问题首先是由标准化、流水线式的业务上线流程所造成的，业务上线主要有两个硬性考核指标，1是及时性，即在要求时限内完成业务上线，2是业务内容的准确率，在此导向下业务管理人员肯定倾向于以标准化的作业方式准确快速的输出业务答案，缺少了精细雕琢优化的过程，业务上线初期的客户化程度必然不够理想。

在这种情况下，业务上线后答案的快速迭代就显得很重要，笔者认为这里首先需要一个答案返工优化的业务工单流程，它包括三个要点，一是要有一个能够搜集到具体每个答案的客户意见的平台，最普遍的做法就是在每个答案的末端加上客户满意度评价的调查模块，实时统计每个答案的满意度数据；二是要有工单流转的系统，能够自动将客户评价低于一定阀值的答案抓取并推送回给对应的业务维护人员，返工优化；三则是要丰富考核机制，将返工后的答案满意度数据与业务维护人员的考核挂钩，进一步增加质量要求，实现机器人应答“先有后优”，不断沉淀提高客户化程度的目标。

其次，在保证答案全面性的过程中会伤害客户对答案精准简练的要求，加大了客户对答案客户化程度的不满，举一个例子，“最近有什么适合的流量套餐”这个问题的所对应的套餐有从58元到888元共8个档次，但对于一个ARPU值1000元的客户来说，他只需要关注的是从500到800这个区间的套餐，其他都是无效信息，太大的无效信息量增加了客户的阅读难度，拉低对整条答案的满意度评价，解决这个问题的最优解，是在机器人业务维护列表中增加客户这一维度，将客户标签与机器人答案关联，同一个问题，不同标签属性的客户看到最合适他的业务信息，其他内容缩略显示，一方面保证客户看到的信息更加精简，同时也部分满足了答案全面性的要求。

三、全业务受理能力，模仿人工的必要关口

客户在呼哧呼哧的和机器人扯了半天以后，服务需求转化为业务受理需求的时候，最容易引爆的不满点出现了。机器人在服务能力上跟人工有差异，对于一般的服务需求，机器人会指引客户到轻渠道或人工服务渠道办理，并不能直接为客户受理，客户终于崩溃了。

机器人的核心能力是理解客户需求和转化客户语言，并调用对应的答案，本身并不具备直接的查询办理能力，客服后台系统虽然具备业务受理的能力，但所有操作均通过系统指令而非通过自然语言，无法理解客户的业务查询或办理的需求，貌似一切看起来很合理，但不满意就是不合理。

这里我们要做的其实比较简单，我们需要把机器人与客服系统后台对接，让机器人将客户的需求转化成对应的系统指令传递给客服系统，客服系统受理完需求后再将结果返回给机器人传递给客户，通过机器人的理解能力和客服系统业务受理能力的两者的能力组合，机器人具备为客户直接进行查询或办理服务的功能，客户日常的需求热点在机器人端可一秒内内完成，不仅可以与人工的服务范围和能力保持一致，甚至可以比人工更有效率。

未来人工智能发展将远超想象，客服能应用的人工智能也仅仅是汪洋中的一滴水而已，但这条道路貌似漫长，却是我们必须坚持的方向；替代部分人工解决工作效率和人力成本的问题，仅仅是一个起点，如何更充分地利用好这个新武器或许有着更广阔的前景等待我们一起去探索。

本文刊载于《客户世界》2016年7月刊；作者任亚龙、林超，工作单位为广东移动客服中心。