從人工到智能，由產品迭代看客服系統進階之路

自AlphaGo在圍棋人機大戰表現驚艷后，人工智慧(Artificial Intelligence，簡稱AI)備受矚目。與此同時，互聯網、尤其是移動互聯網的高速發展，催生了大量客服需求，傳統客服已經無法滿足現代企業和用戶的需求，而智慧客服獨具的智能理念對現有客服市場帶來了革命性的顛覆。本公眾號將推出一系列文章，全面探討AI技術在客服領域的必要性、可行性、已經帶來的改變以及巨大前景。這是第五篇。

日新月異的技術發展，帶動著客服產品也以令人咋舌的速度，進行著一次又一次變革。從最原始遍布大街小巷的門店服務，到現如今炙手可熱的智能客服，傳統人工服務逐漸在一定範圍內被取代，準確性、主動性和效率性的提高成為大勢所趨。這其中經歷了什麼樣的演變之路，未來又有著怎樣的發展趨勢和前景，本文將從產品迭代的角度一一產開詳述。

1.基於人工模板的客戶服務

電話技術的廣泛應用推動了第一代呼叫中心基於人工模板的人工熱線電話系統的誕生。在客戶服務發展的早期，專門的話務員或專家利用電話，憑藉經驗和記憶，利用電話和交換機，為打入電話的顧客進行諮詢服務。

人工熱線電話的出現讓企業與客戶有了更直接的交流方式，在提高企業工作效率、提高服務質量、降低企業成本方面也同樣功不可沒。

2.基於檢索技術的客戶服務

這一階段的客服系統在計算機信息系統的輔助下採用CTI技術實現了語音和數據同步，用戶呼入後即可被CTI系統的IVR接管，可以通過電話機上的按鍵來選擇自助服務，通過語音提示進行操作。若用戶的問題不能通過自助語音解決，用戶便可以進一步諮詢客服人員，客服人員通過客戶服務運營支撐系統的管理界面有效地對客戶的資料即時調出和存儲，及時地為客戶提供個性化服務。

客戶服務運營支撐系統分為客服工單系統、知識庫、內部協同三大系統。

工單是工作單據的簡稱，是第三階段客服系統的一個基本功能。工單的主要功能是通過網頁表單、電話、郵件、API等工單渠道和APP、微信、網頁等在線渠道建立、處理和統計客戶信息和任務。客服工單系統除了統一的工單外，還有工單增值功能，包括自定義欄位工單、工單介面開發支持等，讓工單系統更加完善。

客戶服務運營支撐的第二部分為知識庫，分為多級分類知識庫、常用語（快捷回復）、素材支持三個部分。在用戶進入客服平台時以及問題得以解決後，客服人員均可以根據系統推薦的常用語（歡迎詞、結束語等）與用戶進行交流。用戶提出問題後，客服人員通過內部搜索引擎在多級分類知識庫中對問題中的關鍵詞進行搜索，在結果中選擇最合適的答案作為回應，並將問題歸類到已有的問題分類中便於統計。

例如，客戶提問：「今天的房退了，昨天住了，定錯日期了」，在知識庫中搜索關鍵詞「取消訂單」，得到「如何取消訂單」、「如何修改訂單」、「結束語」三條推薦答案。

首先客服人員選擇「如何取消訂單」作為答案回應："親~很無奈地告訴您，您的訂單已過最晚取消修改時間，取消或者修改都是需要扣除全部房費的哦，建議您按訂單預定入住~"

隨即用戶回答：「好的，謝謝。」客服人員便根據推薦問題3的快捷回復作為結束語結束對話：「不客氣，非常感謝您對我們的支持，期待再次為您服務，再見！」

最後，現有的問題分類有「爭取取消修改」、「返現/優惠券」、「投訴」、「解凍/退款」、「發票」等，客服人員將問題歸檔於「爭取取消修改」中，便完成了一次客戶服務。

客戶服務運營支撐的第三部分為內部協同，分為客服內部IM和基於工單信息的內部消息。客服內部IM即客服內部的即時通信應用，方便客服間溝通。工單串聯企業所有部門，客服部解決客戶的使用問題，研發/生產部解決產品缺陷問題，產品/設計部發現並滿足新的業務需求。基於工單的內部消息可以同時整合上下游合作友商的服務力量，全員在同一平台上為用戶提供優質的服務。

3.基於機器翻譯技術的客戶服務

漸漸的，客服人員敏感地發現，用戶問的問題有很多是重複的，幾乎每個辦理業務的用戶都會問套餐標準、價格，這符合帕累托法則（80/20法則）。運用關鍵詞匹配技術，智能客服較好地解決了這些重複的問題。

關鍵詞匹配原則是，先在後台設置好經常回答問題的答案，以及答案所對應的關鍵詞。用戶輸入問題後，從問題中篩選出所包含的關鍵詞，並與後台提前設置好的答案的關鍵詞進行基於字元串匹配，匹配合適就返回該答案。

其中基於字元串匹配是基於機器翻譯技術客服的一種常用匹配方法，基於字元串匹配即掃描字元串，如果發現字元串的子串和詞相同，就算匹配。這類分詞通常會加入一些啟發式規則，比如「正向/反向最大匹配」、「長詞優先」 等策略。基於字元串匹配的客服工作流程如下：

智能客服可以自動智能解答常見的業務問題，當問題實在無法解決或用戶明確說明「我想聯繫人工客服」、「轉人工」等情況出現時，才會轉入人工服務。

智能客服的24小時無間斷服務不僅為企業解決了人工客服成本過高、客服管理困難、客服培訓耗費大量物力財力、內部協同常見問題諮詢量大且耗時耗力的問題，也讓用戶免受排隊進行人工客服諮詢等待時間過長、人工客服業務水平參差不齊、客服人員無法24小時答疑等問題的困擾，智能客服和人工服務相結合的模式讓客戶服務有了前所未有的優質用戶體驗。

但是基於關鍵詞匹配的搜索技術有較大的局限性。它不能區分同形異義,也不能聯想到關鍵詞的同義詞。

4.基於深度學習的客戶服務

隨著人工智慧狂潮的掀起、深度學習技術的不斷演進，客服系統的變革也接踵而至。

搜索相關的NLP技術靈活地將以往慣用的精準匹配、關鍵詞匹配和語義相似度匹配等演算法相結合，以不同的策略在知識庫中搜集、發現、提取、處理信息，為用戶提供諮詢等服務。

某應用技術架構圖

以下分別對搜索相關的NLP技術在語義相似度匹配中的三種應用進行分析：

首先是搜索相關的NLP技術在口語化問題中的應用。在知識庫查找用戶輸入的query，若用戶的問題中包含了口語化的內容，系統把用戶輸入的query按照詞語的重要度來排序，將口語化的字去掉，把重要的詞保留下來再進行檢索。比如，用戶輸入「我想買一點化妝品之類的東西」，其中「之類的東西」就是口語化的字，系統在檢索中先去掉「之類的東西」再到知識庫去找匹配「我想買一點化妝品」的答案。

其次是搜索相關的NLP技術在同義詞問題中的應用。知識庫的內容相對比較少，用戶輸入的query沒有與之匹配的答案，系統將會擴充問題的同義詞，再把同義詞作為問句在知識庫中檢索返回更多答案。比如，用戶輸入「退款金額不對」，系統將問題泛化為「退款金額錯誤」再在知識庫中進行檢索。

最後是搜索相關的NLP技術在錯別字問題中的應用。系統將錯別字進行糾錯，再對結果進行檢索。例如用戶這樣問道：「怎麼辦理退或」，系統將「或」糾正為「貨」，再在知識庫中對新的問句進行檢索。

當完成了對結果的檢索，便對結果進行排序，系統允許用戶輸入檢索關鍵詞，而後對檢索到的內容進行分類、聚類等處理，並輸出各個不同類別的簡要描述，從而可以縮小檢索的範圍，用戶只需關注比較關注的主題。

不僅如此，人們發現，客服系統若只是像基於機器翻譯技術階段根據精準匹配、關鍵詞匹配對用戶的問題進行檢索，得到的答案不僅少之又少而且很不全面。然而深度學習技術與客服系統的結合改變了這一局面。

傳統方法會用很精細的方法去標註，深度學習會用向量表示單詞、短語、邏輯表達式和句子，然後搭建多層神經網路去自主學習。本文以深度學習的潛在語義分類模型和敏感詞分類識別模型為例展開討論。

首先深度學習技術的引入大大提高了客服系統回答的準確度。用戶輸入一個問句，系統需要對這一行文本進行語義提取（因為機器學習演算法的輸入一般都要求是數值型的向量，沒法直接處理文本），將這一行文本轉成一個數值型的向量，在用一些分類、聚類等機器學習演算法做後續的分析並把答案返回給用戶。下圖為深度學習深度語義相似模型（DSSM）的原理示意圖：

其次深度學習技術幫助客服系統建立了敏感詞檢測模型，在如果用戶輸入一個問句（集合A），系統需要檢測這個問句中是否存在一些關鍵字是屬於集合B，B就是違禁詞列表。若存在問句存在違禁詞，即提示用戶提問失敗需重新提問；若問句不存在違禁詞，即按正常情況檢索、對文本聚類並返回答案。

5.未來發展趨勢

未來的客服系統將會成為「智商」、「情商」雙商都超高的智能助手，為人們帶來更貼心的服務。

它的高「智商」體現在五個方面：

• 首先是其極高的短期記憶力，能準確地理解用戶問句中的潛在意思，具有極強的推理能力，能進行多輪次的多輪對話。如用戶提問「你們的衣服有色差嗎」，在得到否定回答後，接著進一步確認「黃色的亮嗎」，未來的客服理解用戶的意思是「黃色衣服是否有色差，顏色是否鮮艷」並給出回答。

• 未來客服系統的長期記憶能力也是其高「智商」的體現之一。未來的客服能根據用戶的行為軌跡對其進行用戶畫像，判斷用戶的年齡、性別、喜好等，並對其進行個性化推薦。

• 客服的視覺理解能力的提升也會讓客服顯得更加「智能」，在諮詢客服的過程中，未來的客服不再拘泥於單調的交互方式，也能像人工客服一樣，接收圖片、視頻等並迅速識別其中的信息並給予反饋，讓用戶與客服系統的交互更加多元化也更方便。例如，用戶收到的商品存在破損，便聯繫客服反饋商品破損問題要求退款，只需拍攝商品破損的圖片並上傳，客服系統自動對其進行識別確認便可進行退款。

• 未來的客服也會扮演「百科全書」的角色，用戶不只可以向它諮詢與業務相關的信息，甚至任何五花八門天馬行空的問題它都能應付自如。

• 最後，未來客服系統的極高商務能力也彰顯著它的高「智商」，像一個出色的銷售一樣它能與用戶進行主動的攀談，拉進彼此的關係，了解用戶的喜好，利用極強的溝通能力和銷售能力完成商務關係的建立等。

除了令人咋舌的高「智商」外，未來的客服的超高「情商」也不容小覷：

• 未來的客服能夠更加遊刃有餘地對用戶輸入的文字進行情感識別，精準判斷用戶的喜惡，並具有情緒應對能力，根據程度的不同進行不同的回應。

• 同時，未來的客服善於察言觀色，不管是對人臉識別中的表情識別、語音中的語音情感識別都不在話下。它會捕捉用戶的一顰一笑、記錄語言溝通中的情緒變化並準確地給出回應。

歡迎關注我們的微信公眾號：zhuiyikeji