智能客服机器人基于结构化知识的多轮对话探索

客户世界 | 2021年11月29日 | 2021年, 客世原创 | 评论已关闭 | 1556

双11来了，又是一年一度的购物狂欢季。

在消费者享受购物狂欢的同时，各路商家、平台也进入全线备战状态，流量聚焦，咨询爆表，洪流一样的客服咨询量给人工客服和智能客服都带来了巨大的考验。

随着双11期间的业务飞速提升，用户的问题也越来越精细和具体，基于双11的业务复杂度，用户对全局业务结构的感知不强，因此求助时通常难以一次性描述清楚问题，这种场景下，若不结合用户的自身个性化情况，只是给出通用的解决方案，例如过长的业务细则，用户阅读和理解解决方案的成本太高，其实并不能解决用户的问题。

于是，在智能客服对话场景中，将用户的诉求和解决方案结构化，提供一定的多轮对话能力，通过在系统引导下的多次连续交互，准确定位到用户诉求并给出最精细和合适的解决方案，成为了蚂蚁新一代智能客服系统的建设方向，希望在双11大促期间实现对用户体验的保障。

一、探索思路

多轮对话，业界通常的实现方式是通过任务型对话来实现。即通过识别意图（如投保）作为任务型对话的入口，再通过流程式的配置，逐步收集必要的命名实体信息（如投保的险种和对象）来逐步解决问题或给出精细解决方案。

我们也尝试过将这种思路应用在蚂蚁的服务场景下，但是也遇到了一些问题：

1、业务逻辑设计和交互设计在流程配置中耦合，运营难度大且难以大范围推广

任务型对话通常通过配置流程来实现，流程中既包含了业务逻辑设计，即需要收集哪些实体信息，比如投保对象、投保险种。又包含了交互的设计内容，即为了获取到用户想咨询的险种信息，是让用户手动输入、让用户从险种列表中进行选择，还是从用户浏览过的险种中进行选择。两者的耦合常常造成流程非常繁琐，对运营人员的要求极高，既要懂业务知识，又要会交互设计。小范围尝试可行，但是大范围推广的难度极大。

2、任务型多轮对话和原有体系融合难

任务型多轮对话本质上是基于不同意图配置的若干个不同的交互流程，如果没有统一对任务型对话和FAQ边界的定义，没有统一的知识结构和标签以及实体的定义，那么任务型对话则很难和过去积累的FAQ等相关的知识进行融合。

二、方案设计和落地

基于服务能力升级的背景和过去多轮对话探索的经验总结，我们结合蚂蚁的具体业务背景和对用户体验的感知，重新设计了我们的机器人对话体系。

1.整体架构（图1）

图1：新的机器人对话体系

（1）三层结构定位清晰，可多端多场景复用

新的对话系统架构分为三层，其中：

知识层：承载结构化诉求和解决方案流程。结构化诉求中，包含了标问、标签，用来定义用户的求助诉求。而解决方案流程则由知识运营专家结合具体的业务知识进行定义，用来确定具体场景下更精细的解决方案。

对话层：对话层负责对话流程、对话信息的管理，对接知识层，利用知识层信息整体推动对话的进程。每轮交互中，对话层统一调用所有模型，并根据模型的结果，实时请求知识层的知识定义，决策进入某个具体的对话流程，以及定位具体的交互需求，并根据交互需求调用【交互层】上配置的对应的交互子流程，完成后将信息返回给知识层，进行下一步交互目的的获取。

交互层：交互层则专注在交互体验设计的本身，例如在知识层明确了投保的诉求场景需要确定险种信息和投保对象等，获取险种信息在不同的求助渠道有不同的高效率的交互方式。例如在热线端询问用户险种的效率更高，而在在线端则让用户从历史浏览过的保险中选择更为有效。

三层结构解耦后，一方面，可以让更专业的人做更专业的事情，知识运营人员可以专注在业务逻辑梳理本身，而交互运营人员则可以利用更多专业的知识进行。另一方面，也更方便每个具体模块的多端复用，例如知识层的内容将应用在在线端智能客服和热线端智能客服的机器人中，甚至可以应用在人工解决的场景。对话层的对话管理能力，可以应用在各个求助渠道甚至某个渠道中的各个场景。交互层的交互子流程的设计也可以应用在不同的解决方案交互的场景中。大大提升了运营大范围铺开的效率。

（2）对话系统能力升级

为了应对用户单问题多轮交互和多问题连续交互的场景，我们也对对话系统的能力基本能力进行了升级，对话层中增加了上下文和多任务管理模块。用户的行为轨迹、对话中的模型识别结果都会被存入到上下文模块中，在每轮识别或交互的过程中被灵活应用。能够保证对话中更加智能地继承已经获取过的有效信息，保证用户在求助中不需要重复描述已经提供的信息。

（3）知识即对话

知识运营人员在知识层定义诉求和解决方案流程，而交互运营人员则在交互层进行交互子流程的运营。当知识运营人员在知识层进行知识成产的时候，对话层则会根据知识部分标签/业务包到子流程的映射，将若干交互子流程自动拼接映射成完整的自助解决对话流程。

2.识别体系升级

原FAQ模式下，只有标问维度的识别能力，而在新的对话体系下，我们将建设全新的识别体系。在保留问题识别能力的基础上，我们基于知识层对结构化知识的定义，新增了标签识别能力和若干命名实体的识别能力，能够更有效地帮助对话系统进行结构化的多轮对话。并在对话过程中，灵活嵌入预测能力，有效降低了多轮对话中用户交互的成本。

三、探索效果

新的对话系统三层架构已经在支付宝客户端部分智能客服场景切流上线，切流后整体的机器人解决率提升明显。日常建立的结构化知识部分很多内容可以直接在双十一复用，减少了大量的部署成本，此外随着对话能力的进一步提升，相信可以在蚂蚁客服场景下解决双11期间的大量用户问题，提升用户体验。

图2：新版智能客服机器人

如图2所示，新版智能客服机器人上线后针对双十一咨询量激增的投保类需求求助时，可有效解决用户的问题。在用户“能给我父母投保吗”的提问下，机器人首先根据知识层的结构化内容明确了需要获取用户咨询的具体险种，再结合路径和过往的点击进行险种的推荐。用户选择后，明确了咨询的险种，机器人给出了精准的解决方案。通过这种方式，提升了机器人的解决能力，特别是在双11业务期间，可极大缓解客服小二在大流量时的压力，并且提升了用户体验，减少了求助成本。

四、写在最后

如何让机器人像人一样进行服务，具备媲美人一样的服务能力和解决能力，来配合人工一起更好地在不同场景不同环境下服务好用户，是一直以来智能客服领域都在思考的问题。同样的，如何将学术界的能力在工业界进行落地，也是人工智能领域一个绕不开的问题。

我们在进行蚂蚁智能客服能力建设和运营的时候，一方面，希望能够将最新的技术应用在对客的服务中，提升用户的求助体验。另一方面，也致力于探索更加适合蚂蚁组织形式和业务场景的运营模式，利用运营能力将技术的能力放大，更好地服务业务，服务用户。

作者：逸汀、镜青；就职于蚂蚁集团；

本文刊载于《客户世界》2021年11月刊。