物業(yè)智能客服落地:從人工智障到人工智能
文章以物業(yè)客服的人工智能為例,從業(yè)務(wù)流程、語音收集、知識庫、設(shè)計四個方面分析了產(chǎn)品的需求,簡述了智能客服落地的全部過程。
寫完題目感覺起大了,其實感覺現(xiàn)在也還是個人工智障:)
一、前提
隨著人工智能的興起,機器人客服也開始成為互聯(lián)網(wǎng)公司在線服務(wù)的標配前置。我所在公司當前的業(yè)務(wù)范圍涵蓋物業(yè)和業(yè)態(tài)(電商、到家、廣告、保險等)多維的服務(wù),原來APP端只接入了業(yè)態(tài)相關(guān)的在線,每天的會話量級只有幾百左右。
物業(yè)服務(wù)在公司呼叫中心的占比大約是業(yè)態(tài)服務(wù)量的幾十倍,因此業(yè)務(wù)方希望在APP端開通物業(yè)在線的功能,同時前置智能客服機器人,實現(xiàn)對呼叫中心話務(wù)量的分流,同時也滿足部分習慣使用在線進行交流的用戶的需求。
1.1 價值預估
通過下面的電話和在線的漏斗圖可以看到期望的攔截路徑。通過對工單頻次進行分析,已經(jīng)在電話端上線了高頻分類的IVR功能,日均可以實現(xiàn)30-40%左右的人工攔截量。
其中門禁、代收包裹電話自助功能用戶的使用黏性和評價都較高。對于在線服務(wù),期望初期能分流20%的電話量,并逐步提升到50%。同時機器人能夠?qū)崿F(xiàn)40%左右的在線攔截率。
?電話漏斗圖
在線漏斗圖
1.2 實現(xiàn)路徑
先開通APP端物業(yè)在線服務(wù)積累用戶語料,從電話端引流到在線端,培養(yǎng)用戶通過在線進行物業(yè)咨詢和報事習慣。后續(xù)通過灰度發(fā)布,逐步開通各個社區(qū)的智能客服,實現(xiàn)機器人的7*24小時服務(wù)。
1.3 場景選擇
智能客服應(yīng)該優(yōu)先解決哪些問題,支持哪些交互方式,用戶有哪些高頻的問題和場景,這些需要通過對歷史的工單數(shù)據(jù)進行分析來提取。
從呼叫中心工單分類報表和APP端服務(wù)訪問頻次,我們提取出來四個高頻操作場景:訪問通行、園區(qū)報事、房屋急修(戶內(nèi)報事)、生活繳費。
物業(yè)咨詢相關(guān)的問題通過QA和FAQ來實現(xiàn):
二、語料收集
物業(yè)相關(guān)的語料較為垂直,同時和自身的業(yè)務(wù)耦合較高,放棄了從公開語料庫獲取的思路,打算從積累的電話錄音和在線的語料中進行提取。
2.1 在線語料
獲取歷史的在線會話記錄,抽樣進行語料標注,作為測試集。
2.2 語音標注
呼叫中心記積累了百萬級別的通話錄音,通過語音轉(zhuǎn)寫和人工標注,作為語料喂養(yǎng)給NLP訓練使用。
(這部分成本較高,使用了科大訊飛電話專用版進行預轉(zhuǎn)寫,平均轉(zhuǎn)寫成本0.1元/條,人工標注成本3元/條。每次購買服務(wù)的時候都感覺心在滴血)
2.3 業(yè)務(wù)&AI產(chǎn)品編造
根據(jù)業(yè)務(wù)場景,編造部分語料進行機器人訓練。
三、 知識庫
前面已經(jīng)根據(jù)業(yè)務(wù)場景,梳理出機器人一期支持的場景為操作類和問答類,這兩種分類的區(qū)別度較大,分類設(shè)計知識庫維護后臺。
3.1?知識庫維護后臺
1) QA類型知識庫:
查詢
新建
2) 操作類知識庫:
查詢
新建
3.2?維護方式
業(yè)務(wù)可以通過Excel按照模板收集后,批量導入。也可以通過編輯后臺對單個知識進行新增和維護。
3.3?寒暄
由于用戶問法的發(fā)散性,機器人無法命中所有問題,如果出現(xiàn)無法識別的情況就反饋無法理解,對于用戶來說就像和智障(大誤)在交流,很快就回失去耐心。
通過寒暄庫可以提升機器人聊天的體驗,設(shè)置部分有意思的對話內(nèi)容,也能讓用戶感受到機器的幽默和溫暖。
畢竟,我們的slogon是:做有溫度的機器人。
寒暄庫這塊使用了圖靈機器人,可以方便的定義問法和回答,還支持天氣等查詢的功能。
四、設(shè)計
4.1 交互方式
針對當前的業(yè)務(wù)場景,一期做了簡化,不支持富文本,樣式只支持文本,鏈接和操作類。后期規(guī)劃增加地址卡片等視圖。
- 文本
- 鏈接
- 操作
- 反饋
反饋的功能很必要,相當于在線客服中的評價,因為AI后臺只能識別出用戶問題是否命中了具體的回答,但不知道回答有沒有解決用戶的訴求。
加入反饋的功能,可以讓用戶進行自主的反饋。
反饋占用一定的頁面空間,理論上所有的回答全部加上反饋最好,但是這樣對于用戶的交互體驗上就會大大降低。
因此需要業(yè)務(wù)人員分析哪些問題不確定需要反饋,一次會話中不超過3次的反饋為宜。
4.2?頁面設(shè)計
確定基準色:
視覺給出兩版色彩稿,冰藍色和橙色。冰藍代表機器和智能的冷酷感,橙色是APP主色調(diào),溫暖。
經(jīng)過調(diào)研后大家最后選取橙色進行UI設(shè)計,保持和主APP色調(diào)一致,同時體現(xiàn)出溫度感(Slogan默默的招手)。
根據(jù)原型和UED的同事溝通機器人的目的和期望的形象。在定義上我們希望用戶能直接意識到是和機器人在交互,而不是誤導用戶在和人工客服對話。
所以在頂部展示了機器人的頭像,點擊可以進入到介紹頁。
Q:是否展示頭像?
A:使用用戶頭像,用戶感知上更加友好,但是聊天框會較短。APP端產(chǎn)品給出用戶自定義賬戶頭像的比例比較低。通過和設(shè)計同學溝通,對比有無頭像兩版設(shè)計稿,最終選取不使用用戶頭像的設(shè)計方案。
Q:輸入方式是先語音還是先文本?
A:希望引導用戶使用語音作為第一交互方式,同時普通話短句的文字識別率達到90%以上,采用先語音的方式。用戶可以切換鍵盤輸入。
Q:用戶語音輸入之后,是展示轉(zhuǎn)寫結(jié)果等待確認還是直接發(fā)送?
A:直接發(fā)送,減少交互步驟數(shù)。缺點是轉(zhuǎn)寫錯誤無法修改,對于后臺自動糾錯能力要求比較高。為什么不保留語音,因為機器人交互的后臺最終還是通過文字進行識別,語音對于AI是沒有意義。
Q:人工客服入口如何設(shè)置?
A:人工客服的入口過于明顯,會導致用戶跳過機器人直接使用人工客服,無法起到機器人分流作用。人工客服入口過深,用戶無法找到人工入口,機器人無法解決用戶問題時導致用戶體驗急劇下降。采用方式:右上角常駐轉(zhuǎn)人工入口圖標,但是不使用文字說明,減少直接曝光度。用戶交談過程出現(xiàn)3次無法識別,會話內(nèi)容提示轉(zhuǎn)人工。
下面的問題留個大家思考,最后的實現(xiàn)方式上,我們也因為資源等問題做了不同程度的取舍,有機會在細談這部分:
- Q:如何定義會話?
- Q:如何展示聊天會話的時間?
- Q:語音輸入的長度限制?
- Q:歷史會話如何加載?
4.3?異常情況處理
- 弱網(wǎng)環(huán)境提示
- 服務(wù)器長時間無返回提示
- 無錄音和麥克風權(quán)限提示
五、埋點和效果回收
智能客服需要不斷的迭代優(yōu)化,知識庫也需要不斷的補充和修改,因此需要對命中效果和用戶反饋做統(tǒng)計,支撐后續(xù)業(yè)務(wù)部門和機器人產(chǎn)品對于智能客服的不斷優(yōu)化。
這部分展示通過后臺的數(shù)據(jù)庫進行分析統(tǒng)計,沒有前端頁面,不做過多介紹。
通過關(guān)鍵詞正則匹配-NLP模型匹配兩層命中,上線前在訓練集達到了100%的準確率和召回率,測試集綜合能有70%以上的準確率。
六、成果
這篇主要講了整個智能客服落地的全部過程,其中有對業(yè)務(wù)和競品的思考,也有受限于資源的妥協(xié)。后面有時間再拆分詳細講其中的某些點。
本文由 @還酹江月 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自 Unsplash ,基于 CC0 協(xié)議
請問,如果物業(yè)管家的業(yè)務(wù)流程里面存在多個定制化·非常規(guī)的需求,是否還能通過AI解決? 以及您認為目前技術(shù)邊界下,AIGC可以替代多少百分比的人工工作?
也希望和您聯(lián)系,不知道怎么加上wx比較方便
對智能客服這個方向很感興趣,有哪些入門的書籍或資料可以推薦下不
備注來源即可
請問您這邊這個項目的NLP相關(guān)的模型是怎樣訓練的呢?
具體的技術(shù)實現(xiàn)細節(jié)我不太了解,是用的MLP,然后前置一層關(guān)鍵詞正則匹配。關(guān)鍵詞的效果是準確率高,但是召回率不高,神經(jīng)網(wǎng)絡(luò)識別是準確率低,但是召回率相對高一些