AI大模型與4大策略，打造智能客服機(jī)器人問題解決新高度

如下圖《數(shù)字化客服設(shè)計(jì)》中指出，即使處理率達(dá)到100%，若解決率僅為50%，則用戶費(fèi)力度反而增加。只有當(dāng)解決率達(dá)到75%時(shí)，用戶的費(fèi)力度和成本才得以降低，因此，提升智能客服機(jī)器人的解決率，是降低費(fèi)力度、提升客戶體驗(yàn)感的關(guān)鍵。

那么，如何提升智能客服機(jī)器人的解決率？

我們先來看看智能客服機(jī)器人在解決客戶問題時(shí)的主要流程：

可見機(jī)器人解決問題的流程要比人解決問題更加復(fù)雜。當(dāng)用戶表達(dá)需求后，機(jī)器人首先是利用相關(guān)問題，給出推薦答案。但當(dāng)用戶不選擇問題推薦，而是通過輸入問題獲取服務(wù)時(shí)，則會進(jìn)入到機(jī)器人多輪交互。

以一個(gè)多輪會話為例，這個(gè)過程中機(jī)器人先要理解問題，比如用戶是需要追加備注、修改地址，或是申請退款等等，都需要機(jī)器人理解后再嘗試自助解決。

通過高效的算法和智能推薦系統(tǒng)，機(jī)器人能夠根據(jù)用戶的問題和訂單信息，智能推薦相關(guān)的實(shí)體問題。

以外賣行業(yè)為例，當(dāng)用戶下單后，客服機(jī)器人會根據(jù)訂單信息識別出用戶購買的具體產(chǎn)品。進(jìn)而利用常見問題的關(guān)聯(lián)性，自動(dòng)推薦與該產(chǎn)品相關(guān)的常見問題和解決方案。

例如，當(dāng)用戶下單了辦公桌，客服機(jī)器人會推薦關(guān)于辦公桌定制、尺寸詳情、預(yù)約安裝等常見問題的答案。

這種基于訂單內(nèi)容的智能推薦，能夠?qū)訉舆f進(jìn)引導(dǎo)用戶自助解決，無需交互，即可解決高達(dá)80%的重復(fù)性問題。

傳統(tǒng)機(jī)器人在問題理解上存在一定的局限性。它們通常依賴于預(yù)設(shè)的規(guī)則和關(guān)鍵詞匹配，能夠處理的問題類型相對有限，且對復(fù)雜或模糊的查詢理解能力不足。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(jī)器人通過深度學(xué)習(xí)和自然語言處理技術(shù)（NLP），經(jīng)過大量文本數(shù)據(jù)的訓(xùn)練，直觀學(xué)習(xí)了語言的使用規(guī)則和常見表達(dá)方式，能更有效的理解語言的語法、語義和上下文。并結(jié)合知識圖譜，大模型機(jī)器人能夠關(guān)聯(lián)不同實(shí)體和概念問題，理解能力更精準(zhǔn)。

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

大模型機(jī)器人則能更精準(zhǔn)地理解客戶的真實(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(dá)XXX，預(yù)計(jì)3分鐘內(nèi)送達(dá)。我們會盡快確保您收到商品?！?/span>

在這個(gè)示例中，大模型客服機(jī)器人不僅理解了客戶的緊迫感，還提供了具體的訂單狀態(tài)和預(yù)計(jì)送達(dá)時(shí)間，更有效地解決了客戶的問題。因此，大模型機(jī)器人在理解復(fù)雜問題時(shí)更具優(yōu)勢。

對話引擎作為設(shè)計(jì)和構(gòu)建機(jī)器人流程自動(dòng)化解決方案的核心工具，其權(quán)限的高低直接影響到問題解決的效率。通過在可視化流程畫布上模擬業(yè)務(wù)流程，我們可以預(yù)見智能客服機(jī)器人執(zhí)行任務(wù)的方式。當(dāng)流程設(shè)計(jì)精細(xì)、貼近實(shí)際業(yè)務(wù)邏輯時(shí)，機(jī)器人在執(zhí)行時(shí)的問題理解能力就越強(qiáng)。

機(jī)器人對話引擎的節(jié)點(diǎn)類型多樣，包括意圖判斷、對話節(jié)點(diǎn)、判斷節(jié)點(diǎn)、回復(fù)節(jié)點(diǎn)、收集節(jié)點(diǎn)和查詢節(jié)點(diǎn)等，這些基本節(jié)點(diǎn)的組合構(gòu)建出了復(fù)雜的對話邏輯。并可靈活調(diào)用API業(yè)務(wù)接口，實(shí)現(xiàn)自動(dòng)化流程中的信息調(diào)用和管理，從而自助解決問題。

可見對話引擎很好的將意圖理解、知識庫、交互過程中的任務(wù)調(diào)度很好的銜接結(jié)合起來，支持運(yùn)營人員在平臺上利用這些元素，快速自由組合配置對話流。

業(yè)務(wù)系統(tǒng)可以通過系統(tǒng)公共API接入全局變量，并將這些變量運(yùn)用到對話流配置中。同時(shí)也可以使用系統(tǒng)預(yù)置的條件參數(shù)，或?qū)υ捴幸咽占降男畔硗晟迫蝿?wù)場景。所以當(dāng)賦予對話引擎更多權(quán)限時(shí)，它在處理復(fù)雜問題時(shí)的能力也更強(qiáng)。

AI大模型客服機(jī)器人的應(yīng)答方式主要分為精準(zhǔn)式應(yīng)答和生成式應(yīng)答兩種。精準(zhǔn)式應(yīng)答指AI機(jī)器人根據(jù)預(yù)設(shè)的規(guī)則、知識庫或特定算法輸出答案，會隨知識庫更新而相應(yīng)更新，便于管理和維護(hù)。

而生成式應(yīng)答是指AI機(jī)器人利用深度學(xué)習(xí)、自然語言生成等技術(shù)，結(jié)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(shè)一個(gè)客戶服務(wù)場景，當(dāng)用戶遇到了一個(gè)關(guān)于產(chǎn)品使用的問題，并向客服機(jī)器人尋求幫助。

針對同一個(gè)用戶問題: “這個(gè)文檔我打印了好幾遍，都出不來，怎么辦？我急著需要?！?/span>

精準(zhǔn)式應(yīng)答匹配知識庫答案后直接輸出：

而同一個(gè)問題，生成式應(yīng)答的方式則在理解用戶意圖后，結(jié)合知識庫，生成更擬人化的交流內(nèi)容如下：

可見，作為非標(biāo)準(zhǔn)性的用戶問題，AI機(jī)器人可以結(jié)合知識庫自主生成符合邏輯的應(yīng)答，察覺客戶情緒進(jìn)行安撫，結(jié)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(zhǔn)確性。

以上就是提升智能客服機(jī)器人問題解決率的關(guān)鍵。但要真正將智能機(jī)器人的作用最大化，還需要持續(xù)、專業(yè)、科學(xué)地運(yùn)營，實(shí)現(xiàn)機(jī)器人數(shù)據(jù)效果與業(yè)務(wù)效果的不斷優(yōu)化。