智能文本机器人持续训练提升方法与实践

    |     2022年3月2日   |   2022年, 客世原创   |     评论已关闭   |    1113

随着人工智能技术在客服行业的日益深入,越来越多的客服中心开始拥抱智能,其中智能文本机器人以其服务受众面广、部署形态多样灵活、配置简单、服务成本低等优势几乎成为大多数企业上线智能服务的首要选择。但随着文本机器人在客服中心使用时间的增加,无论是客服中心的管理者亦或是文本机器人的训练师们却发现机器人的训练难度也在增加,服务效果、体验降低,甚至引起客户的投诉。要想破解这一难题,真正将智能文本机器人的作用最大化,就需要掌握一套正确的持续训练提升的方法。

接下来笔者将从实际训练经验与案例出发,总结出一套文本机器人持续训练提升的方法。

一、机器人训练目标

对于机器人的训练工作,首先要明确机器人的训练目标,即为什么要训练?训练要解决哪些问题?机器人的本质是为客户服务解决问题,那么机器人要先能够明白客户说什么;其次要能够在知识库当中检索到对应的标准答案;最后以客户喜欢和愿意接受的方式传达给客户。围绕着机器人服务流程,我们即能明确出机器人训练目标所在;

1、机器人业务覆盖目标:知道用户问的是什么;

2、机器人应答准确率目标:能够找到客户问题的对应答案;

3、机器人答案满意目标:机器人答案能够表达的让用户听懂、听得舒服。

因此,我们的训练工作就需要尽可能提升机器人的业务覆盖率、准确率、满意度/降低转人工率为主的三个目标,如图1所示。唯有围绕目标开展机器人的训练与优化方才能真正使得机器人在减轻人工服务压力的同时,又不会降低客户满意度,更不会引起客户投诉,造成客户流失。

图1:机器人训练的三个目标

二、机器人训练运营提升方法实践

对于文本机器人的训练提升来说,可从上述三个目标所对应的指标下手,拆解具体的细分影响数据,通过对话日志质检、数据指标趋势分析等发现影响这些指标的因素。以常见的转人工指标拆解为例:常见影响数据主要包括:首句转人工、识别错误、答案不合理、无法回答等。通过影响数据的质检和统计,从知识库结构合理性、知识点合理性、多轮问答设计、教育数据、答案话术设计等多个维度去分析评估问题,再根据不同的问题构建不同的解决方案,为最终的指标服务。

以下为具体实践过程:

(一) 知识库层面训练实践

1、日志质检分析

机器人训练运营最重要的是用户对话日志质检,通过分析用户对话日志能更加贴近真实客户,知道客户真实意图与需求。对于日志的分析,要建立合理的数据跟踪指标,围绕目标设计完整的一套分析质检方案,同样以转人工指标为例可建立出一套如图2所示的转人工日志质检分析方案。

图2:转人工日志分析方案

2、机器人教育数据优化

对于机器人准确率的提升,模型的教育训练是首要。教育数据通常来源于人工编写或用户日志,但这些数据不建议直接用作教育,需进行一定调整,如下为某公司教育数据优化标准:

A.机器人教育数据必须是在知识点语义范围内,意图明确的,不能有跟意图和答案都不相关数据或无法解答的问句,例如“未完成订单处理”意图,教育数据不能有“哪里可以查询订单”、“怎么下单”等不符合意图语义的问句。

B.添加的教育数据不能漏重点词,例如“为什么不能在线投保?” 不能“为什么不能投保?”漏掉重点词“在线”的问句” 。

C.教育数据语义较丰富,不能模板化,例如“保全异地办理”的意图,教育数据不能全部是“听说你们这里可以保全异地办理”“朋友告诉我你们这里能保险异地办理吗”,保全在异地如何办理”“保全异地怎么办理”“异地怎么办理保全”,尽量变化句式和增加真实用户的问法。

D.教育数据要保持一个适中的水平,例如“未完成订单处理”,避免出现“我的订单昨天下的,当时点的是一份芝士蛋糕,一份榴莲披萨,还有一箱酸奶,可是我忘记付款了,这个未完成的订单怎么处理呢?”这类低质量的数据。

E.教育数据分布均衡,不能出现头部知识点过多,尾部过少的情况,通常建议教育数据至少30条,最高不建议超过150条。

3、机器人知识点新增

要想不断的提升机器的业务覆盖范围,知识点的新增必不可少,新知识点可通过业务范围的扩大、日志质检发现、产品工具系统的快速发现等方式获取,但同样不建议直接使用,可参考如下方式进行调整:

A.遵循客观规律,以用户为导向,不凭空假想;

B.先头部再长尾,由少到多、循序渐进;

C.知识点覆盖范围应适当,不能过于宽泛,不能过于狭窄;

D.知识点间语义无交叉、重复;

E.知识点的标准问句避免过于口语化。

4、机器人歧义优化

在实际的训练工作中,客服中心往往都是以训练团队的试行开展训练工作,多人协同的工作模式往往容易出现因不同训练师的理解不同,而产生理解歧义,最终影响到文本机器人问答准确率,要想尽可能避免,训练师团队要建立统一的作业标准,并定时通过歧义发现工具或质检流程开展歧义排查,及时的发现知识库存在的歧义,进行相关歧义的增删合并等。

5、机器人答案话术设计

对于机器人答案话术不同不能简单将标准知识库答案进行复制粘贴,可参考以下标准进行客户化调整:

A.针对性的答案(机器人答案不宜出现过多文字);

B.通俗易懂、简洁明了(减少专业术语和官方描述);

C.直观展示,不同渠道配置不一样的答案(如:手机端与PC要针对渠道特点设置不同的答案);

D.有温度的答案(站在客户角度着想)。

(二)机器人服务流程策略优化实践

对于机器人训练优化,除开上述提及的几个方面还可以从服务策略角度入手。

1、转人工策略优化

在面对转人工指标的情况下,除了从知识库本身出发外,还可以采用以下的优化策略降低:

A.转人工入口隐藏,培养用户自主解答能力

B.拒识转人工策略优化,通常建议拒识2次后转人工

C.增加转人工场景,在用户进线后直接转人工,第一轮可以通过询问“为了更好的为您提供服务,请一句话描述您的问题”类似的话术进行第一轮的机器人识别,用户第二轮进行人工转接。当然针对用户一些投诉等,建议直接转人工。

2、满意度策略优化

A.满意度的提升可以一定程度的优化邀评策略,例如主动邀评机制只针对单轮交互、交互时间短、未转人工等进行主动邀评。

B.负向情绪识别进行人工处理,提升用户满意度。

C.满意度评价界面简洁明了

机器人的训练优化是一个长期的过程,每家企业的产品形态各一,但底层的方法论可以通用。在日常训练运营中,不光要关注以上的内容,也需要多从外部视角去发现问题,多模拟用户去前端体验机器人,多花时间去体验竞对和行业中的解决方法是怎样的,明白自家机器人在行业中的现状与定位也至关重要。

 

作者:宫焱童、梁梅莲;AI知识管理研究员

本文刊载于《客户世界》2022年1-2月合刊。

转载请注明来源:智能文本机器人持续训练提升方法与实践

相关文章

噢!评论已关闭。