在數字化浪潮中,智能客服機器人正重塑企業(yè)與客戶(hù)間的互動(dòng)模式。然而,衡量機器人的價(jià)值并非易事。我們先看影響機器人運營(yíng)成本的幾個(gè)關(guān)鍵指標:處理率、解決率、費力度。


其中費力度,則是指衡量用戶(hù)解決問(wèn)題所需付出的努力,而解決率指的是在自動(dòng)化流程中,機器人獨立完成任務(wù)的能力,可見(jiàn)處理率雖重要,但非全部。
如下圖《數字化客服設計》中指出,即使處理率達到100%,若解決率僅為50%,則用戶(hù)費力度反而增加。只有當解決率達到75%時(shí),用戶(hù)的費力度和成本才得以降低,因此,提升智能客服機器人的解決率,是降低費力度、提升客戶(hù)體驗感的關(guān)鍵。

圖片

圖:不同智能解決率對費力度的貢獻


那么,如何提升智能客服機器人的解決率?
我們先來(lái)看看智能客服機器人在解決客戶(hù)問(wèn)題時(shí)的主要流程:


圖片

可見(jiàn)機器人解決問(wèn)題的流程要比人解決問(wèn)題更加復雜。當用戶(hù)表達需求后,機器人首先是利用相關(guān)問(wèn)題,給出推薦答案。但當用戶(hù)不選擇問(wèn)題推薦,而是通過(guò)輸入問(wèn)題獲取服務(wù)時(shí),則會(huì )進(jìn)入到機器人多輪交互。

以一個(gè)多輪會(huì )話(huà)為例,這個(gè)過(guò)程中機器人先要理解問(wèn)題,比如用戶(hù)是需要追加備注、修改地址,或是申請退款等等,都需要機器人理解后再?lài)L試自助解決。

圖片


圍繞著(zhù)完整鏈路的機器人服務(wù)流程,要提高問(wèn)題解決率,本質(zhì)上就是解決問(wèn)題推薦、問(wèn)題理解、對話(huà)管理、答案生成的過(guò)程。因此要提升機器人獨立自主解決問(wèn)題的能力就要從這四個(gè)過(guò)程去設計。




News

利用好問(wèn)題推薦的關(guān)聯(lián)性,解決80%重復性問(wèn)答


通過(guò)高效的算法和智能推薦系統,機器人能夠根據用戶(hù)的問(wèn)題和訂單信息,智能推薦相關(guān)的實(shí)體問(wèn)題。

以外賣(mài)行業(yè)為例,當用戶(hù)下單后,客服機器人會(huì )根據訂單信息識別出用戶(hù)購買(mǎi)的具體產(chǎn)品。進(jìn)而利用常見(jiàn)問(wèn)題的關(guān)聯(lián)性,自動(dòng)推薦與該產(chǎn)品相關(guān)的常見(jiàn)問(wèn)題和解決方案。

例如,當用戶(hù)下單了辦公桌,客服機器人會(huì )推薦關(guān)于辦公桌定制、尺寸詳情、預約安裝等常見(jiàn)問(wèn)題的答案。

這種基于訂單內容的智能推薦,能夠層層遞進(jìn)引導用戶(hù)自助解決,無(wú)需交互,即可解決高達80%的重復性問(wèn)題。

圖片



News

從傳統到智能,大模型機器人問(wèn)題理解更具優(yōu)勢


傳統機器人在問(wèn)題理解上存在一定的局限性。它們通常依賴(lài)于預設的規則和關(guān)鍵詞匹配,能夠處理的問(wèn)題類(lèi)型相對有限,且對復雜或模糊的查詢(xún)理解能力不足。此外,還需要人工定期更新知識庫。

相比之下,大模型智能客服機器人通過(guò)深度學(xué)習和自然語(yǔ)言處理技術(shù)(NLP),經(jīng)過(guò)大量文本數據的訓練,直觀(guān)學(xué)習了語(yǔ)言的使用規則和常見(jiàn)表達方式,能更有效的理解語(yǔ)言的語(yǔ)法、語(yǔ)義和上下文。并結合知識圖譜,大模型機器人能夠關(guān)聯(lián)不同實(shí)體和概念問(wèn)題,理解能力更精準。

以一個(gè)常見(jiàn)的催單場(chǎng)景為例:客戶(hù):我的訂單到哪里了?再不到,我就要退單了。


傳統機器人可能直接回答:“您的訂單正在處理中?!倍鵁o(wú)法準確捕捉到客戶(hù)的真正意圖。
大模型機器人則能更精準地理解客戶(hù)的真實(shí)意圖是“催單”,并給出更有針對性的回答:“您好,我們注意到您對訂單的急迫性。您的訂單已經(jīng)到達XXX,預計3分鐘內送達。我們會(huì )盡快確保您收到商品?!?/span>
圖片
在這個(gè)示例中,大模型客服機器人不僅理解了客戶(hù)的緊迫感,還提供了具體的訂單狀態(tài)和預計送達時(shí)間,更有效地解決了客戶(hù)的問(wèn)題。因此,大模型機器人在理解復雜問(wèn)題時(shí)更具優(yōu)勢。




News

賦能對話(huà)引擎更多權限,提高問(wèn)題解決效率


對話(huà)引擎作為設計和構建機器人流程自動(dòng)化解決方案的核心工具,其權限的高低直接影響到問(wèn)題解決的效率。通過(guò)在可視化流程畫(huà)布上模擬業(yè)務(wù)流程,我們可以預見(jiàn)智能客服機器人執行任務(wù)的方式。當流程設計精細、貼近實(shí)際業(yè)務(wù)邏輯時(shí),機器人在執行時(shí)的問(wèn)題理解能力就越強。

機器人對話(huà)引擎的節點(diǎn)類(lèi)型多樣,包意圖判斷、對話(huà)節點(diǎn)、判斷節點(diǎn)、回復節點(diǎn)、收集節點(diǎn)和查詢(xún)節點(diǎn)等,這些基本節點(diǎn)的組合構建出了復雜的對話(huà)邏輯。并可靈活調用API業(yè)務(wù)接口,實(shí)現自動(dòng)化流程中的信息調用和管理,從而自助解決問(wèn)題。

圖片

可見(jiàn)對話(huà)引擎很好的將意圖理解、知識庫、交互過(guò)程中的任務(wù)調度很好的銜接結合起來(lái),支持運營(yíng)人員在平臺上利用這些元素,快速自由組合配置對話(huà)流。

業(yè)務(wù)系統可以通過(guò)系統公共API接入全局變量,并將這些變量運用到對話(huà)流配置中。同時(shí)也可以使用系統預置的條件參數,或對話(huà)中已收集到的信息來(lái)完善任務(wù)場(chǎng)景。所以當賦予對話(huà)引擎更多權限時(shí),它在處理復雜問(wèn)題時(shí)的能力也更強。



News

結合AI生成式應答,讓交流更具擬人化


AI大模型客服機器人的應答方式主要分為精準式應答和生成式應答兩種。精準式應答指AI機器人根據預設的規則、知識庫或特定算法輸出答案,會(huì )隨知識庫更新而相應更新,便于管理和維護。


而生成式應答是指AI機器人利用深度學(xué)習、自然語(yǔ)言生成等技術(shù),結合上下文信息自主生成回答,具有高的創(chuàng )造性、靈活性。


假設一個(gè)客戶(hù)服務(wù)場(chǎng)景,當用戶(hù)遇到了一個(gè)關(guān)于產(chǎn)品使用的問(wèn)題,并向客服機器人尋求幫助。

針對同一個(gè)用戶(hù)問(wèn)題: “這個(gè)文檔我打印了好幾遍,都出不來(lái),怎么辦?我急著(zhù)需要?!?/span>

精準式應答匹配知識庫答案后直接輸出:

圖片

而同一個(gè)問(wèn)題,生成式應答的方式則在理解用戶(hù)意圖后,結合知識庫,生成更擬人化的交流內容如下:

圖片

可見(jiàn),作為非標準性的用戶(hù)問(wèn)題,AI機器人可以結合知識庫自主生成符合邏輯的應答,察覺(jué)客戶(hù)情緒進(jìn)行安撫,結合知識庫創(chuàng )造性地提供解決步驟。這不僅增加了交流的擬人化,同時(shí)也保障了回答的準確性。



圖片




以上就是提升智能客服機器人問(wèn)題解決率的關(guān)鍵。但要真正將智能機器人的作用最大化,還需要持續、專(zhuān)業(yè)、科學(xué)地運營(yíng),實(shí)現機器人數據效果與業(yè)務(wù)效果的不斷優(yōu)化。
實(shí)際應用中,合力億捷也在密切關(guān)注客戶(hù)的反饋和市場(chǎng)動(dòng)態(tài),不斷調整和優(yōu)化機器人的功能,并輔助知識庫運營(yíng)以及prompt(提示詞)調優(yōu)服務(wù),確??蛻?hù)在使用過(guò)程中能夠獲得最佳性能。