客服場(chǎng)景是AI技術(shù)落地的最主要場(chǎng)景之一，也是企業(yè)對外服務(wù)客戶(hù)的窗口。智能客服機器人替代人工通過(guò)文本（在線(xiàn)客服）或者語(yǔ)音（電話(huà)熱線(xiàn)）1對1溝通的方式，解決到訪(fǎng)用戶(hù)的訴求。竹間智能通過(guò)以往豐富的落地服務(wù)經(jīng)驗洞察客服業(yè)務(wù)本質(zhì)，圍繞客服日常工作的核心要素人、知識、服務(wù)進(jìn)行重塑，加入主動(dòng)式問(wèn)詢(xún)、機器人話(huà)術(shù)自學(xué)習優(yōu)化等AI技術(shù)，顛覆客服場(chǎng)景服務(wù)。

　　現在市面上傳統的云智能客服產(chǎn)品非常多，落地方式主要是標準化SaaS產(chǎn)品；云智能客服產(chǎn)品AI技術(shù)和功能都相對比較同質(zhì)化，注重標準功能交付而非定制化服務(wù)，無(wú)法真正有效解決業(yè)務(wù)痛點(diǎn)。

　　1.客戶(hù)一般會(huì )要求在理解業(yè)務(wù)的前提下做定制化服務(wù)，除了要求產(chǎn)品具備強大的功能及扎實(shí)的實(shí)施能力之外，還需要能更加深入耦合企業(yè)的業(yè)務(wù)系統及客服知識庫；

　　2.服務(wù)的客服團隊一般較為龐大且企業(yè)業(yè)務(wù)較為復雜，除了關(guān)注對外服務(wù)質(zhì)量之外，也很關(guān)心對內的知識庫有效管理（知識版本、審核流程管理等）、風(fēng)險控制（對外答案輸出準確性、話(huà)術(shù)及咨詢(xún)范圍合規性、以及宏觀(guān)環(huán)境的敏感詞風(fēng)險等）、人員流動(dòng)帶來(lái)的培訓及上崗的需求；同時(shí)對于機器人知識庫，需要具有可知性（可解釋且可發(fā)現問(wèn)題產(chǎn)生的因果關(guān)系）及可控性（能干預且容易干預）；

　　3.項目上線(xiàn)后，為了使機器人客服服務(wù)質(zhì)量不斷優(yōu)化且未來(lái)可持續發(fā)展，企業(yè)需要引入新的角色，即人工智能訓練師團隊。因此需要為其提供一定的產(chǎn)品系統操作、機器人對話(huà)控制及知識庫運營(yíng)方法論培訓，甚至對有較強自研開(kāi)發(fā)能力的企業(yè)提供二次開(kāi)發(fā)培訓；

　　4.廣義的智能客服產(chǎn)品具有AI平臺屬性，除了解決客服部門(mén)的核心訴求外，還要求能應用到其他業(yè)務(wù)場(chǎng)景及賦能其他部門(mén)，例如在對話(huà)服務(wù)過(guò)程中自動(dòng)生成業(yè)務(wù)工單、在制造行業(yè)中為售后上門(mén)維修師傅提供App虛擬助手等等。

　　5.企業(yè)對智能客服產(chǎn)品價(jià)值期望更多元，一般有如下幾個(gè)：

　　智能客服定制化服務(wù)價(jià)值差異化：

　　根據竹間的服務(wù)經(jīng)驗，針對私有化部署定制化模式，我們將產(chǎn)品化分解為如下三個(gè)要素：

　　知識、對話(huà)交互和工具方面的產(chǎn)品化才體現業(yè)務(wù)深度定制化的智能客服產(chǎn)品優(yōu)勢

　　知識：這里主要指應用在A(yíng)I機器人上的知識，產(chǎn)品化過(guò)程中需要考慮知識結構形式差異、獲取方式、知識輸出確定性、使用頻率等方面的要素；目標是盡可能滿(mǎn)足客服對知識的靈活使用需求；

　　工具：主要包括兩個(gè)核心工具的產(chǎn)品化，一是從知識生產(chǎn)和管理角度出發(fā)的知識轉化工作流產(chǎn)品化；二是深度學(xué)習算法為核心的數據工作流產(chǎn)品化閉環(huán)；工具產(chǎn)品化目標是在保證機器人服務(wù)質(zhì)量的情況下降低AI訓練師團隊學(xué)習和使用成本；

　　對話(huà)交互：主要針對人機對話(huà)交互過(guò)程的產(chǎn)品化，通過(guò)機器人形象化設置、引入對話(huà)交互的基本準則（寒暄識別、澄清能力、表達準確、信息索取等）、賦予機器人智能性（上下文理解）等產(chǎn)品化來(lái)提高機器人服務(wù)的自然流暢度和類(lèi)人程度；對話(huà)交互產(chǎn)品化的目標是將人機對話(huà)交互的體驗提升甚至接近人與人之間的對話(huà)流暢度；

　　下面我們對前面三點(diǎn)產(chǎn)品化進(jìn)行更詳細的闡述：

　　機器人知識來(lái)源主要是客服經(jīng)驗沉淀、業(yè)務(wù)知識梳理、線(xiàn)上日志挖掘。常見(jiàn)客服領(lǐng)域的結構化知識主要是QA問(wèn)答對和以“實(shí)體-屬性-值”或者“實(shí)體-關(guān)系-實(shí)體”為顆粒度的知識圖譜，而非結構化知識則是政策文件、各式文檔、及H5網(wǎng)頁(yè)等；相對于目前應用在基于深度學(xué)習算法的機器閱讀領(lǐng)域的非結構化知識庫，結構化知識庫的可控性（系統容易被干預）和可解釋性（系統白盒且內部透明）更強，更有利于客服部門(mén)有效規避風(fēng)險和及時(shí)作出機器人回答的調整。基于此，竹間機器人知識庫存的產(chǎn)品化側重點(diǎn)主要放在結構化知識上

　　私有化部署定制化的智能客服場(chǎng)景在知識獲取上，除了支持靜態(tài)獲取知識問(wèn)答外，還需要提供從業(yè)務(wù)系統中獲取動(dòng)態(tài)知識進(jìn)行問(wèn)答的產(chǎn)品化能力；如下圖一個(gè)業(yè)務(wù)點(diǎn)流程：

　　由于訪(fǎng)客用戶(hù)接入渠道、知識服務(wù)群體的多樣性，要支持針對不同服務(wù)群體和渠道，靈活配置對應的答案；例如電商客服場(chǎng)景，會(huì )針對不同渠道來(lái)源的客戶(hù)，有不同的優(yōu)惠力度和回答話(huà)術(shù)，這需要產(chǎn)品能支持靈活配置；除此之外，知識庫除了用于機器人模型訓練和問(wèn)答之外，可以同時(shí)服務(wù)于坐席，例如坐席上線(xiàn)時(shí)，機器人知識庫協(xié)助甚至是托管坐席應答，這里竹間產(chǎn)品化支持靈活配置哪些知識對外面向客戶(hù)服務(wù)，哪些知識對內面向坐席服務(wù)；

　　客服場(chǎng)景對一部分知識往往有時(shí)效性要求，需要應對臨時(shí)活動(dòng)或者突發(fā)性事件；針對對突發(fā)事件的知識回答（如臨時(shí)促銷(xiāo)活動(dòng)內容、企業(yè)下達的臨時(shí)文件等），由于結構化知識采集提取的成本比較高，周期較長(cháng)，客服往往無(wú)法在短時(shí)間內上線(xiàn)所有新的知識點(diǎn)和解決與業(yè)務(wù)核心知識點(diǎn)的沖突，傳統機器人知識庫無(wú)法較好應對這種情況；這時(shí)竹間通過(guò)在核心知識庫上搭建一層臨時(shí)知識庫的產(chǎn)品化方式，同時(shí)借助機器閱讀技術(shù)和知識庫優(yōu)先級劃分架構，解決這種時(shí)效性高、響應速度要求高的業(yè)務(wù)知識回答；

　　客服場(chǎng)景用戶(hù)的咨詢(xún)分布也符合二八原則，用戶(hù)80%的咨詢(xún)問(wèn)題主要是集中在20%的知識點(diǎn)中；針對用戶(hù)20%長(cháng)尾知識咨詢(xún)，竹間智能客服提供在線(xiàn)日志聚類(lèi)挖掘新知識、機器人自學(xué)習的產(chǎn)品化手段解決；

　　工具產(chǎn)品化的目標是提高效率，那么如何提高AI訓練師的工作效率呢？

　　第一個(gè)提供的產(chǎn)品化工具應用在知識生產(chǎn)和管理過(guò)程，目的是提高知識轉化效率。一般在項目啟動(dòng)時(shí)，會(huì )通過(guò)在線(xiàn)日志、業(yè)務(wù)文檔文件、已有客服知識點(diǎn)來(lái)梳理統籌項目整體知識庫框架；針對大多數情況，即線(xiàn)上對話(huà)日志和已有客服知識點(diǎn)，知識生產(chǎn)的流程基本可以分為下面幾個(gè)步驟：

　　數據清理：通過(guò)無(wú)用對話(huà)信息過(guò)濾、標點(diǎn)符號去除等技術(shù)手段將數據初步轉化為可用且易讀的信息；

　　信息挖掘：通過(guò)聚類(lèi)算法、口語(yǔ)寒暄等冗余內容刪除技術(shù)手段，提煉出知識主干框架及知識分支節點(diǎn)，實(shí)現有效信息挖掘；

　　知識分類(lèi)：運營(yíng)和產(chǎn)品實(shí)施人員根據業(yè)務(wù)場(chǎng)景需求，將根據知識結構特點(diǎn)選擇相應工具和算法模型，這里要依據奧卡姆剃刀原則，充分權衡落地的成本和收益；

　　知識生產(chǎn)：對于大多數智能客服產(chǎn)品使用的監督式學(xué)習算法模型，對知識進(jìn)行相應語(yǔ)料和數據標注，同時(shí)通過(guò)智能語(yǔ)料推薦，提高標注過(guò)程的效率，縮短標注時(shí)間，同時(shí)解決不同知識類(lèi)型之間沖突問(wèn)題；

　　以上流程是零散的工具，竹間智能客服以產(chǎn)品化的方式將工作流的工具串聯(lián)，提供一套整體解決方案。同時(shí)可以結合已有的行業(yè)通用知識資產(chǎn)，做到快速構建不同行業(yè)領(lǐng)域的知識庫。

　　在知識管理上，提供審核-測試-發(fā)布的流程化機制，控制降低將錯誤知識上線(xiàn)的風(fēng)險；

　　第二個(gè)提供的產(chǎn)品化工具落地在深度學(xué)習算法為核心系統的工作流閉環(huán)，目的是降低AI訓練師的系統學(xué)習和使用成本。竹間智能客服構造NLP領(lǐng)域中深度學(xué)習算法的”分類(lèi)-標注-訓練-測試-上線(xiàn)-再學(xué)習“閉環(huán)，將所有工具串聯(lián)提供訓練師使用。

　　其次，竹間提供標準化封裝接口，開(kāi)放NLP底層語(yǔ)義理解能力及實(shí)體提取能力，滿(mǎn)足有研發(fā)能力企業(yè)的二次開(kāi)發(fā)需求，將整個(gè)系統AI能力輸出；

　　對話(huà)交互產(chǎn)品化的本質(zhì)，是主動(dòng)通過(guò)標準化產(chǎn)品手段讓機器人達到對話(huà)交互智能。對于用戶(hù)來(lái)說(shuō)，核心體驗集中在與客服機器人的對話(huà)交互上；根據我們經(jīng)驗，我們將交互智能列為如下三個(gè)感性要素：

　　自然：通過(guò)不同人設話(huà)術(shù)（例如可愛(ài)調皮、職業(yè)沉穩等）及形象（年齡、性別等）的選擇，日常寒暄能力及閑聊能力的定制，可以達到自然的對話(huà)效果。在客服業(yè)務(wù)場(chǎng)景，由于需要風(fēng)險規避，寒暄和閑聊都經(jīng)過(guò)竹間內部嚴格審核方可提供。同時(shí)通過(guò)情緒識別產(chǎn)品化，將文本中表達的情緒分類(lèi)，針對不同的分類(lèi)給予個(gè)性化的安慰或者鼓勵，顯得人性化。

　　簡(jiǎn)潔：簡(jiǎn)潔的對話(huà)體感，主要體現在機器人回答準確簡(jiǎn)短、不添加不相關(guān)信息且以目標為導向上。準確簡(jiǎn)短是通過(guò)精簡(jiǎn)話(huà)術(shù)、前端卡片化交互來(lái)降低對話(huà)中的信息負載來(lái)達到。在機器人答案中，支持添加鏈接、添加圖片圖文結合的方式，補充主信息的內容，做到答案足夠簡(jiǎn)短，但關(guān)鍵信息又不缺失。

　　以目標為導向的對話(huà)設計也很重要；在客服場(chǎng)景，用戶(hù)帶著(zhù)明確的目的而來(lái)，客服的服務(wù)目標是快速幫助用戶(hù)解決問(wèn)題。我們提供通過(guò)設定最少信息數據收集來(lái)推動(dòng)目標快速達成的產(chǎn)品化功能；

　　友好：對話(huà)的友好性在竹間產(chǎn)品團隊看來(lái)，主要體現在不指責用戶(hù)，鼓勵用戶(hù)給出準確的回復，同時(shí)能上下文聯(lián)想直接回答用戶(hù)的訴求而不必做多余追問(wèn)，還能通過(guò)必要的引導和澄清，幫助用戶(hù)獲得其最終想要的答案。

　　知識引導及意圖澄清的產(chǎn)品化設計：

　　客服場(chǎng)景下通過(guò)遵守以上三個(gè)要素（自然、簡(jiǎn)潔、友好）進(jìn)行設計，可以輸出優(yōu)秀的對話(huà)交互體驗，有效幫助用戶(hù)獲得最終答案，降低轉人工接入率的同時(shí)達到提高服務(wù)滿(mǎn)意度的雙重企業(yè)目標。竹間智能客服產(chǎn)品提供以上交互產(chǎn)品化能力。

　　私有化部署定制的新智能客服相比于傳統SaaS云部署模式，與企業(yè)客服業(yè)務(wù)的日常工作核心結合更緊密。竹間產(chǎn)品團隊通過(guò)核心要素（服務(wù)、人、知識）的洞察和產(chǎn)品化，在各個(gè)環(huán)節提高生產(chǎn)效率，最終幫助企業(yè)達成多元的價(jià)值目標。未來(lái)竹間新智能客服依然是一個(gè)面向行業(yè)頭部的客戶(hù)AI落地主場(chǎng)景，同時(shí)我們也積極尋找合作伙伴與我們一起拓展和顛覆銷(xiāo)售營(yíng)銷(xiāo)場(chǎng)景的產(chǎn)品化流程。