任我发心水论坛高手ǰλã拼码网 > 任我发心水论坛高手 >

一文读懂智能客服:发展历程、系统搭建、市场

ʱ䣺 2019-09-11

  在人工智能领域,智能客服是比较容易落地,且技术比较成熟的一项应用实践。本文以智能客服为对象,梳理了它的发展历程、系统搭建、市场推广。enjoy~

  在人工智能领域,智能客服应该是比较容易落地,而且技术比较成熟,这是因为客服领域的场景路径具有相对明确的特征,决定了基于全量数据进行高并发需求处理的人工智能在客服领域将大有可为。

  目前,基于大数据、云计算和深度学习等领先的人工智能技术,智能客服已经可以实现自主问答、业务办理、故障诊断等一系列复杂操作,实现客服行业中大部分的应答需求,快速高效的解决用户问题。

  据2018年5月发布的《中国智能客服行业研究报告》统计,中国大约有500万全职客服,以年平均工资6万计算,再加上硬件设备和基础设施,整体规模约4000亿元。

  如此巨大的市场,当然会使得众多企业对于智能客服趋之若鹜。但是为什么到现在还没有一家独角兽公司出现?

  虽说这是人工智能中最容易落地、技术相对成熟的项目,但相关企业如果想开发和构建一套人工智能客服系统,到底要投入多大的成本?

  一家企业是自己搭建一套智能客服系统,还是找到一家合适的智能客服平台厂商,站在“巨人”的肩膀上,利用它们赋予的能力,搭建自己的智

  中国客服软件市场大致经历了三个发展阶段:传统呼叫中心软件、PC网页在线客服+传统客服软件、云客服+客服机器人的智能客服阶段。

  2000年以前,互联网尚未普及,客服主要以电线年间,得益于计算机技术、计算机电话集成技术(CTI)、网络技术、多媒体机技术以及CRM、BI、ERP、OA等企业信息化应用的集成,客服系统跳出单一的电话沟通出现了网页在线客服等多种客服渠道。

  而过去近十年,移动互联网、云计算、大数据和AI技术的发展又将传统呼叫中心和客服软件带入了SaaS和智能化时代。一方面全新的SaaS模式使得企业搭建客服中心的成本大大降低,SaaS模式逐渐普及,早期提供呼叫中心硬件设备的厂商已经延伸到中下游,为外企、国企等大型客户提供本地客服中心解决方案。

  从当前客服产业链构成情况来看,上游基础设施环节已经发展成熟,少数巨头垄断市场。未来,他们会继续向下游延伸,构建企业服务生态。

  中游客服产品提供商中,云客服厂商经过几年竞争,头部几家已脱颖而出,但仍未长出巨头,竞争依然激烈。产品功能更加丰富,应用场景也从客服延伸到了销售、营销等多个环节,另一方面,客服机器人通过辅助人工,以及回答简单重复性问题,大大提高了人工客服的工作效率。同时,香港财神爷四海图库,AI也在从各个环节上变革着企业客服的交互方式,加速线上线下客服的智能化升级。

  定制化服务,通过与用户的多轮交互,实现快递查询、订餐、医生预诊等服务类功能。

  首先对用户的输入问题做处理,如分词、抽取关键词、同义词扩展、计算句子向量等;

  然后基于处理结果在知识库中做检索匹配,例如利用BM25、TF-IDF或者向量相似度等匹配出一个问题集合,这类似推荐系统中的召回过程;

  由于我们是一个问答系统,最终是直接返回给用户一个答案,因此需要从问题集合中挑出最相似的那个问题,这里会对问题集合做重排序,例如利用规则、机器学习或者深度学习模型做排序,每个问题会被打上一个分值,最终挑选出top1,将这个问题对应的答案返回给用户,这就完成了一次对话流程。

  在实际应用中,我们还会设置阈值来保证回答的准确性,若最终每个问题的得分低于阈值,会将头部的几个问题以列表的形式返回给用户,最终用户可以选择他想问的问题,进而得到具体的答案。

  搭建基于槽位的对话系统是一个相对专业而复杂的过程,通常分三个主要的阶段。首先是需求分析,然后是使用平台搭建 BOT,最后是持续优化。

  技能是满足用户特定需求的一个应用。例如用户说“查询我的洗发水快递到哪里了”时,会进入快递查询的技能。

  通过Q(用户问法)和A(机器人回答)的配置,可以实现简单的用户与机器人的对话。

  任务型技能:在问答型技能的基础上,增加槽位、API(接口)调用等高级功能,可以通过配置,来实现用户查询信息、问题搜索或者其他功能。

  语义槽:语义槽是用户说法中包含的关键词,它可以帮助系统准确识别意图,例如星座语义槽包含12星座的名称。语义槽和词典一般会同时使用,语义槽通常用来指代词典。一个语义槽可以同时绑定多个词典,一个词典也可以与不同的语义槽相关联。

  例如用户问:天气怎么样?我们无法获取到查询天气的地点的语义槽值,就需要机器人追问,您想获取哪里的天气信息?,追问话术一般设置多条,随机追问。

  在国内开放的bot系统中,百度UNIT和微信的对话开放平台就是应用的该技术框架。

  例如:订明天早上8点北京到石家庄的火车,在这个例子中,对于用户表达的一句话,

  。当这个时间有多趟车次的时候,就需要进行追问用户,是要订哪一个。以百度UNIT平台为例,搭建一个买票智能回复的流程。

  添加词槽:出发时间、选择系统词槽词典,选择然后选择系统词典 sys_time(时间),出发地词槽、目的地词槽,这两个都可以选择系统词典,这些都是必填项。

  设置词槽与意图关联属性,这里火车票的出发时间是订票里必须的关键信息,所以选择必填。澄清话术就是当用户表达订票需求的语句里缺少出发时间时 bot 主动让用户澄清的话术。还可以设置让用户澄清多少轮后放弃要求澄清,默认是 3 次。

  设置 BOT 回应,BOT 回应就是当 BOT 识别出用户的意图和所有必填词槽值时给用户的反馈。对于订票回复一般对接API接口,实现自动生成方式。

  当然,这只是火车票中的一个场景,在火车票这个场景中还有退票、改签、查询等功能。这些都是需要我们在需求梳理中要确定的。

  基于问答知识库来回答的系统,回答能力受限于知识库的丰富程度,也就是说知识库对用户问题的覆盖率,覆盖率越高,准确性越高。

  因此并非能回答用户的所有问题,系统最佳的状态是将能回答的全部回答准确,不能回答的全部拒识,即拒绝回答。

  因此这里的评价指标包括有问题解决率、拒识率、召回率和准确率等,我们的目标是让系统的有结果率无限接近数据的真实有结果率,召回率和准确率尽量高。

  基于该标准评测集我们会去评价系统的好坏,并且每次做新模型迭代时都会使用标准评测集去评价新模型,只有新模型达到某个指标才可以上线)基于用户反馈的评价

  我们会在产品上设计智能客服和在线客服的评价功能,例如会让用户评价智能客服的每个答案或者某次会话,在和人工客服聊天完毕会发送评价卡片给用户去评价满意度,如下图所示。

  智能客服系统的都是2B的,通用型智能客服系统意味着市场更大,用户更多。而垂直领域的客服系统用户就少的多了。

  以保险行业为例,全国保险公司一共一百多家。而且做垂直领域的智能客服系统,AI团队必须充分理解行业。了解业务需求,了解业务流程还需要跨部门沟通。

  做垂直领域的智能客服系统,往往会陷入一两个大项目,不断满足用户的个性化需求上。最终系统很“定制”,同时市场也很小。做几个项目之后就会碰到透明的天花板。

  单从数据安全角度来讲,会随着技术发展来解决,移动支付刚开始的时候大家还很害怕,绑定自己银行卡会不会被盗。会不会有黑客黑进我的支付宝。现在来看是杞人忧天了。有足够的投入才会有足够的资金支撑技术开发,SAAS服务服务的用户更多,技术漏洞更容易被找出来,系统的安全性会进化的更快。私有化部署不是一个好的选择。

  做垂直领域的SAAS系统,就需要有更多的用户使用,才能更快的迭代系统,只有一两个大客户,很难提出建设性的改进建议,所以说做中小客户,尽快的找到第一批用户,把系统跑起来然后不断优化迭代。

  这个是真实需求吗?首先客服并不是一个企业的核心部门,大多企业对于客服部门并不是很重视。在中小企业,客服人员并不太多,真正能节省的人力成本并不高,所以企业的替换的动力并不大。在大企业中,人力成本的确是一个大的成本支出部门,但是也正基于此,大企业有足够的支出来自己做智能客服系统。因为他们的投入产出比是合适的。就像是滴滴这类拥有大客服部门的企业,更倾向于自己来做。

  这样当然对于企业来说是节流的好办法,但对于客服部门领导来说就不那么好,部门人说减少就意味着自己在企业中的权重降低。

  人人都是产品经理(是以产品经理、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位服务产品人和运营人,成立8年举办在线+期,线+场,产品经理大会、运营大会20+场,覆盖北上广深杭成都等15个城市,在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一起成长。


    友情链接:
Copyright 2018-2021 拼码网 版权所有,未经授权,禁止转载。