一文简单了解“智能客服”

01

—

为什么要搭建智能客服？

智能客服解决传统客服的痛点：

痛点1：客服中心客服规模逐年增长，对客服中心降本增效的需求日益激烈 ；客服中心的用人成本也随之攀升，客服中心既要满足客服满意度，也要满足企业成本控制，因而对客服降本增效的需求也日益激烈。

痛点2：传统客服坐席工作煎熬，导致人员流失率高，同时加大客服中心运营管理难度。传统客服从业者对工作的不满意程度高达51%，不满原因在于：

1. 工作强度大，时常加班、值班及轮岗；
2. 工作内容枯燥无趣；
3. 机械性重复工作，费时耗力；
4. 负面情绪积压，客户投诉及刁难；
5. 缺乏系统化晋升体系等。种种原因导致客服人员流失率高，从而造成客服中心招新培训等成本变高；

痛点3：对于管理运营层面而言，客服中心招聘难、员工工作效率低、高峰期需求波动大、质检绩效等数据管理耗时费力等因素导致客服中心运营管理难度增加，导致无法满足用户需求，更无法深入挖掘客服信息数据价值，导致客源流失 。

伴随人工智能技术发展，智能客服有待解决企业客服管理难题，实现企业客服中心数字化、智能化运营 。

—

企业为什么需要智能客服？

超过50%的企业核心诉求是智能客服在繁忙的咨询会话业务中响应服务、7*24小时响应服务。

智能客服有效提高客服业务响应率和准确率，助力企业提高客服满意度与降本增效。

客户企业应用智能客服核心诉求：

• 企业应用智能客服的核心诉求主要聚焦在咨询会话量大、需要7*24小时服务、覆盖售前售后全链条服务、以及同时处理在线热线服务需求。
• 超过50%的企业需要智能客服在激增或繁忙的咨询会话业务中响应服务， 以及满足7*24小时响应服务，从根本上解决企业客服中心人力劳动的痛点问题。
• 通过数字化、智能化客服运营提高业务响应率和准确率， 进而助力企业提高客服服务满意度的同时，实现降本增效。

企业应用智能客服效果体现占比及效果增益：

• 消费者对产品及服务有更高的要求。智能客服助力企业解决传统人工客服的痛点，转型数字化、 智能化运营，降本增效的同时，实现消费服务一体化 。
• 智能客服将渗透多元应用场景，拓宽业务边界，整合全渠道海量数据，洞察用户诉求，通过智能引擎提供智能服务，实现营销服务一体化，发展迈向客服价值中心 。

智能客服的核心价值主要体现在客户体验的提升、企业降本增效、提升企业品牌差异化 。

• 助力企业提供优质服务，提升客户体验：智能客服助力企业服务更多用户，支持企业实现全渠道服 务。用户可以随时随地根据需求咨询服务，结合智能技术理解客户需求快速回应用户，满足用户的诉求或给用户提供个性化服务，提升用户满意度 。
• 提升企业服务效能，节约人力成本：智能客服赋能企业更准确识别用户诉求，并使客服中心资源调配更合理，业务受理更高效（既提升自助服务占比，也提升人工服务接通率），进而降低用户等待时间，这使得企业提升服务效能的同时，节约企业客服中心人力成本 。
• 赋能企业业务，增加收入：智能客服赋能企业打通客服和业务，实现洞察用户，进而升级产品和服务，释放服务的业务价值。主动服务可提前预判用户的问题并提供解决方案，降低客户流失率并提升业务量，增加企业收入 。

—

智能客服产品

演变中的智能客服系统：

智能化是客服系统演变的方向，智能客服通过算法、人机协同、 自主学习可以极大地提高人效和体验 。

• 将对话系统融入在线客服体系；
• 综合利用语义分析技术、大数据技术以及深度学习技术；
• 由过去的单一服务变为贯穿全链路的全客户服务周期；
• 智能客服机器人是下一代客服的核心动力；

面向不同场景的智能客服落地：

• 售前场景：比如用户在应用使用产品时遇到问题进行咨询以及购买会员下单前都有很强的信息咨询诉求。
• 售中场景：比如开发票等业务咨询问题等，售前和售中场景主要发生在用户和商家或平台之间。
• 售后场景：比如会员场景投诉不能使用、要求退款等，售后往往涉及到客服座席、运营等，需要多方协同解决；比如客户使用过程中遇到功能操作类的问题，需要客服协助指导；
• 办公场景：比如IT、人力资源、财务、法务等咨询，产运研对提供的接口产品的咨询答疑，产品对销售顾问的答疑，以及销售顾问对商家的答疑等等。

面对不同人群的智能客服落地 ：

• 面向用户：提供智能客服机器人，来帮助他们自助解决大部分的问题。
• 面向座席：用话术推荐或者会话摘要等能力来提升人工座席的工作效率，改善人工座席的工作体验。
• 面向员工：通过对话机器人，可以自助给员工进行答疑，从而提升办公效率。

系统架构图：

机器人的能力主要包括问题推荐、问题理解、对话管理、答案供给、话术推荐和会话摘要六大核心能力。

主要能力：

• 问题推荐：推荐用户最可能想问的问题，引导用户精准表达需求。
• 答案供给：根据历史数据习得答案，来快速回答用户的问题。
• 话术推荐：推荐话术，减轻企业客服人员与用户沟通过程中，重复性话术输入的费力程度。
• 会话摘要：跟用户沟通完后，对一些必要信息进行工单纪要，包括是什么事件，事件发生的背景是什么，用户的诉求是什么，最后的处理结果是什么等。
• 问题理解：对用户的问题进行文本理解。
• 对话管理：对用户的对话历史进行管理及分析。
• 用户热问：能够对用户的问题进行统计，自动聚合语义相同的消息，形成初步的用户热问排行，帮助运营者快速了解用户在问什么，实现舆情监控/反馈收集。对于用户重点关注的问题，可以快速设置为自动回复，提升服务效率。
• 闲聊式对话：主要是打招呼或者简单情绪安抚，起到润滑人机对话的作用。

对话系统的整体架构：

数据与平台层：离线对客服人员与用户的历史对话并进行清洗、处理，建立自动化流程，每日更新话术索引库。同时利用对话平台构建知识库，既可以用在智能客服中，也可以用作话术推荐。

召回层：从话术索引库和知识库中召回结果，包括文本、向量、标签、知识等多路召回。

排序层：针对召回模块返回的结果集合，进行排序打分，包括规则排序、文本相关性模型排序以及CTR预估排序。

策略层：多样性答案选择，尽量选择语义及表达形式不同的答案，避免推荐过于相似的答案；个性化场景策略，针对场景特征定制策略。

应用层：包括用户与客服对话过程中的问题推荐、输入联想、答案供给，以及人工客服咨询时的话术推荐和答案供给。

用户服务流程：

1. 用户通过在线咨询寻求服务，当用户进入到服务门户后，先是预先设定的问题寻求问题解决。——问题推荐
2. 然后用户表达需求，在输入框输入系统根据输入的表达联想查询相关问题，提示用户。——输入联想
3. 对话过程中用户表达需求，智能机器人响应需求，首先对需求进行理解，然后分发对应问题需求的解决方案，进行解决。——答案供给
4. 如果解决不了，流转到人工客服进行兜底服务。——话术推荐
5. 最后，当用户离开时，系统发送调查问卷，用户对本次服务进行评价。——智能评价