智能客服产品全剖析

随着中国互联网产品发展的日趋成熟，与之配套的客服产品也在不停地演进和升级。为了确保客服产品能始终够扮演好“用户对产品忠实度的最后一道防线”这个角色，它必须做到：快速适应体量日益变大、要求日益变高的行业趋势。在此过程中，各种技术、渠道和内容管理的革新在不断地被运用在这个尚且年轻的领域，帮助其演化得更高效、更精准、更便捷、更全面。

总的来说，中国的互联网客服产品总共经历了四个阶段，它们分别是：

总体来说，狭义上的 (带有GUI界面的) 智能客服本质上就是一个有形的信息传递媒介——它将某个场景下用户的问题/需求和海量的信息库/人工服务渠，高效、精准地连接在了一起，从而达成帮助用户解决问题的最终目标。宏观上来看，它共由三个部分组成，分别是：用户界面、运作算法和资料库，他们和用户的交互关系可以用下图表示：

关于智能客服的运作机制 (运作算法+资源库，此处特指非人工客服相关的、无*号部分)、用户界面 (交互框架+界面设计) 和用户组群，将在下面的几个章节详细展开，这里将不做赘述。

对于产品的使用者而言，某个产品的智能客服承担的角色和存在的意义，主要有以下四个方面：

而对于产品的经营者而言，智能客服也同样存在着巨大的价值，主要有以下三个方面：

这里的「分诊机制」指：对用户的各种格式的信息输入进行识别、整合，从而进行意图判断；再根据对用户的意图判断，比照现有的知识库，判断智能客服是否有回复/解决能力，以此为基点将用户导入不同的对话模式中、或直接导入人工客服。整个分诊机制可以用下图概括：

在分诊过程中用户的信息输入，经由自然语言理解组件（NLU）进行语义理解（主要为分词、词性标注、命名实体识别、句法分析、指代消解、语义解析），最终归为以下三种中的一种对话模式，并开启后续流程：

将已通过NLP处理的句子，其中的关键词进行词义梳理、生成对应的向量，并基于此在知识库中检索和匹配出最可能为目标答案的答案集合，且每个答案会被标记一个相似度的判断分值并被排序。当第一名的答案分值奇高时，我们会直接推送该答案；若不存在上述情况，则输出头部答案列表，让用户自主选择。

通过NLP处理句子，识别出表明用户任务的内容、属性和参数。然后，根据预先训练好的对话模板库确定该对话进行下去的脚本（包括信息槽位和信息顺序/重要程度/可选必选），从而决定是否需要生成下一步的追问表述。若信息槽位尚未填满，用户和智能客服会保持互相交流直到信息槽位全部填满。在此过程中，用户的意图会不断细化，知识库中的内容也会根据结果不断优化排序，试图生成最优解。

当通过NLP识别出句子为闲聊型输入时，其信息的提取方式和信息问答型、任务对话型非常相似，因此在搜索回答时，会优先综合查找知识库和对话模板等多种语库。一旦发现无法给出回答时，会采用Seqseq生成式对话，但是生成式回复往往容易产生难以理解的答案。

根据上述三种对话模式的机制流转图可知，影响最终推送答案质量的因素为：各种识别/匹配算法模型的准确性和语料库（对话模板、知识库）的丰富/详细程度。当然，语料库既不是凭空造就的，也不是一成不变的。下文则从新增和维护、反馈和迭代两个角度来大致解释语料库是如何被维护的。

语料库通常由两个重要模块组成：基础语料库和扩展语料库。基础预料库可以被理解为“本体”，一般为内容中一个或几个关键词。扩展语料库可以理解为“本体”的同义词/句扩展、关联词/句扩展、相似词/句扩展、类别词组。其中“类别词组”可以理解为问题的上一个概括性信息层级的名称，常用于知识点树状图的管理、算法聚类标记，它有助于“本体”在内容和匹配算法双维度上提升精准度。

下面将主要描述针对某个新上线的功能/项目，智能客服语料库是如何新增和维护对应的帮助内容的：

上一小节主要解释了基于功能/业务模块的、语料库的小规模迭代机制，然而，当产品趋于成熟后，语料库的迭代将不再被产品的迭代计划来推动，取而代之的是用一套成熟的反馈评价指标，去定期监测智能客服的表现，并找出下一次语料库维护的重点内容范围。

通常情况下，智能客服的目标是让每个信息模块的召回率、准确率、问题解决率尽量高，拒识率尽量低，以下为上述衡量指标的定义：

每个踏入帮助类功能的用户，都是带着一个待解决的问题而来的。因此，从用户的角度来看，智能客服中的用户旅程就是用户寻求答案/解决方案的过程。以下是以用户寻求问题的答案时三个状态点为基础，建立的智能客服中通用的用户旅程模型：

以下是做智能客服的用户研究的时候发现的，对设计有启发意义的三个要点:

当用户触发并选择进入人工客服后，在高峰期会自动接入排队系统等待分配，而排队系统一般按用户咨询主题划分为若干队列。若用户是被动探索型的用户，则会先引导他们细化自己的问题直到可分配队列为止。常见的细化问题的方式包括：选择问题类别和选择订单等。

若当前情境中存在若干项目，他们拥有相同的层级或功能，我们常通过滑动列表的形式，占用一整行空间来收纳他们。其中比较高频、重要、或最近刚使用过的项目会被往前排列，以出现在该情景下的首屏；而其他次要项目则需要通过滑动来展示。

若当前情境中存在若干信息类别相同的记录，我们常会通过可折叠/展开的列表，来将部分非高频、非高关联度、非重要的信息收纳隐藏。值得注意的是，由于在智能客服中鲜有愿意为未知的结果付出操作成本的用户，被折叠的内容有一定概率并不会被用户查看。因此，需要慎重决定使用该控件，以及隐藏区域内的内容的阈值定义。

若当前情境中存在若干信息类别可按组区分的大量记录，通常会通过整组替换当前模块内的信息内容的形式，让用户依次浏览并最终确认目标组，直至找到目标记录。和折叠/展开类交互面临的风险相同，替换内容类交互也可能导致非首屏内容没有被用户查看到。因此，它的使用也需要慎重，或通过交互按钮上的文字尽可能明确用户的点击预期。

若当前情境中出现了某些需要即时完成的分支型任务，或者较独立且信息量大、有操作需求的模块，常需要通过模态弹窗的形式承载所有的相关信息和操作。该模态弹窗通常通过主动点击界面的某按钮触发，完成任务相关操作后其将自动关闭，同时相关的反馈支路/弹窗会反映在智能客服的界面中。

某些有品牌形象的互联网产品，常会把智能客服拟人/拟物化，确保无论是从界面视觉还是聊天话术上，其传递的人物感觉和品牌形象高度一致。这在增加用户对品牌形象认知的同时，也提升了智能客服的亲切感和品牌专业感，能有效缓解前来求助的用户的焦虑情绪。常见的品牌形象展示手段有：

对于某些品牌颜色在本领域内比较具有可识别性的互联网产品，常常会在某些智能客服的模块或控件上大量使用品牌色。以此，简单、直接强化品牌感和（与主功能模块的）统一性。

在某些特定的节假日(比如春节、中秋等)或大型品牌活动日(比如双十一、双十二、女神节等)时，某些互联网产品的主功能区会全线营造特定的节日品牌氛围。有些对品牌一致性要求较高的产品，甚至在智能客服端也会进行一定的节日氛围营造设计。

（全文结束）