物业智能客服落地:从人工智障到人工智能
文章以物业客服的人工智能为例,从业务流程、语音收集、知识库、设计四个方面分析了产品的需求,简述了智能客服落地的全部过程。
写完题目感觉起大了,其实感觉现在也还是个人工智障:)
一、前提
随着人工智能的兴起,机器人客服也开始成为互联网公司在线服务的标配前置。我所在公司当前的业务范围涵盖物业和业态(电商、到家、广告、保险等)多维的服务,原来APP端只接入了业态相关的在线,每天的会话量级只有几百左右。
物业服务在公司呼叫中心的占比大约是业态服务量的几十倍,因此业务方希望在APP端开通物业在线的功能,同时前置智能客服机器人,实现对呼叫中心话务量的分流,同时也满足部分习惯使用在线进行交流的用户的需求。
1.1 价值预估
通过下面的电话和在线的漏斗图可以看到期望的拦截路径。通过对工单频次进行分析,已经在电话端上线了高频分类的IVR功能,日均可以实现30-40%左右的人工拦截量。
其中门禁、代收包裹电话自助功能用户的使用黏性和评价都较高。对于在线服务,期望初期能分流20%的电话量,并逐步提升到50%。同时机器人能够实现40%左右的在线拦截率。
电话漏斗图
在线漏斗图
1.2 实现路径
先开通APP端物业在线服务积累用户语料,从电话端引流到在线端,培养用户通过在线进行物业咨询和报事习惯。后续通过灰度发布,逐步开通各个社区的智能客服,实现机器人的7*24小时服务。
1.3 场景选择
智能客服应该优先解决哪些问题,支持哪些交互方式,用户有哪些高频的问题和场景,这些需要通过对历史的工单数据进行分析来提取。
从呼叫中心工单分类报表和APP端服务访问频次,我们提取出来四个高频操作场景:访问通行、园区报事、房屋急修(户内报事)、生活缴费。
物业咨询相关的问题通过QA和FAQ来实现:
二、语料收集
物业相关的语料较为垂直,同时和自身的业务耦合较高,放弃了从公开语料库获取的思路,打算从积累的电话录音和在线的语料中进行提取。
2.1 在线语料
获取历史的在线会话记录,抽样进行语料标注,作为测试集。
2.2 语音标注
呼叫中心记积累了百万级别的通话录音,通过语音转写和人工标注,作为语料喂养给NLP训练使用。
(这部分成本较高,使用了科大讯飞电话专用版进行预转写,平均转写成本0.1元/条,人工标注成本3元/条。每次购买服务的时候都感觉心在滴血)
2.3 业务&AI产品编造
根据业务场景,编造部分语料进行机器人训练。
三、 知识库
前面已经根据业务场景,梳理出机器人一期支持的场景为操作类和问答类,这两种分类的区别度较大,分类设计知识库维护后台。
3.1 知识库维护后台
1) QA类型知识库:
查询
新建
2) 操作类知识库:
查询
新建
3.2 维护方式
业务可以通过Excel按照模板收集后,批量导入。也可以通过编辑后台对单个知识进行新增和维护。
3.3 寒暄
由于用户问法的发散性,机器人无法命中所有问题,如果出现无法识别的情况就反馈无法理解,对于用户来说就像和智障(大误)在交流,很快就回失去耐心。
通过寒暄库可以提升机器人聊天的体验,设置部分有意思的对话内容,也能让用户感受到机器的幽默和温暖。
毕竟,我们的slogon是:做有温度的机器人。
寒暄库这块使用了图灵机器人,可以方便的定义问法和回答,还支持天气等查询的功能。
四、设计
4.1 交互方式
针对当前的业务场景,一期做了简化,不支持富文本,样式只支持文本,链接和操作类。后期规划增加地址卡片等视图。
- 文本
- 链接
- 操作
- 反馈
反馈的功能很必要,相当于在线客服中的评价,因为AI后台只能识别出用户问题是否命中了具体的回答,但不知道回答有没有解决用户的诉求。
加入反馈的功能,可以让用户进行自主的反馈。
反馈占用一定的页面空间,理论上所有的回答全部加上反馈最好,但是这样对于用户的交互体验上就会大大降低。
因此需要业务人员分析哪些问题不确定需要反馈,一次会话中不超过3次的反馈为宜。
4.2 页面设计
确定基准色:
视觉给出两版色彩稿,冰蓝色和橙色。冰蓝代表机器和智能的冷酷感,橙色是APP主色调,温暖。
经过调研后大家最后选取橙色进行UI设计,保持和主APP色调一致,同时体现出温度感(Slogan默默的招手)。
根据原型和UED的同事沟通机器人的目的和期望的形象。在定义上我们希望用户能直接意识到是和机器人在交互,而不是误导用户在和人工客服对话。
所以在顶部展示了机器人的头像,点击可以进入到介绍页。
Q:是否展示头像?
A:使用用户头像,用户感知上更加友好,但是聊天框会较短。APP端产品给出用户自定义账户头像的比例比较低。通过和设计同学沟通,对比有无头像两版设计稿,最终选取不使用用户头像的设计方案。
Q:输入方式是先语音还是先文本?
A:希望引导用户使用语音作为第一交互方式,同时普通话短句的文字识别率达到90%以上,采用先语音的方式。用户可以切换键盘输入。
Q:用户语音输入之后,是展示转写结果等待确认还是直接发送?
A:直接发送,减少交互步骤数。缺点是转写错误无法修改,对于后台自动纠错能力要求比较高。为什么不保留语音,因为机器人交互的后台最终还是通过文字进行识别,语音对于AI是没有意义。
Q:人工客服入口如何设置?
A:人工客服的入口过于明显,会导致用户跳过机器人直接使用人工客服,无法起到机器人分流作用。人工客服入口过深,用户无法找到人工入口,机器人无法解决用户问题时导致用户体验急剧下降。采用方式:右上角常驻转人工入口图标,但是不使用文字说明,减少直接曝光度。用户交谈过程出现3次无法识别,会话内容提示转人工。
下面的问题留个大家思考,最后的实现方式上,我们也因为资源等问题做了不同程度的取舍,有机会在细谈这部分:
- Q:如何定义会话?
- Q:如何展示聊天会话的时间?
- Q:语音输入的长度限制?
- Q:历史会话如何加载?
4.3 异常情况处理
- 弱网环境提示
- 服务器长时间无返回提示
- 无录音和麦克风权限提示
五、埋点和效果回收
智能客服需要不断的迭代优化,知识库也需要不断的补充和修改,因此需要对命中效果和用户反馈做统计,支撑后续业务部门和机器人产品对于智能客服的不断优化。
这部分展示通过后台的数据库进行分析统计,没有前端页面,不做过多介绍。
通过关键词正则匹配-NLP模型匹配两层命中,上线前在训练集达到了100%的准确率和召回率,测试集综合能有70%以上的准确率。
六、成果
这篇主要讲了整个智能客服落地的全部过程,其中有对业务和竞品的思考,也有受限于资源的妥协。后面有时间再拆分详细讲其中的某些点。
本文由 @还酹江月 原创发布于人人都是产品经理。未经许可,禁止转载
题图来自 Unsplash ,基于 CC0 协议
请问,如果物业管家的业务流程里面存在多个定制化·非常规的需求,是否还能通过AI解决? 以及您认为目前技术边界下,AIGC可以替代多少百分比的人工工作?
也希望和您联系,不知道怎么加上wx比较方便
对智能客服这个方向很感兴趣,有哪些入门的书籍或资料可以推荐下不
备注来源即可
请问您这边这个项目的NLP相关的模型是怎样训练的呢?
具体的技术实现细节我不太了解,是用的MLP,然后前置一层关键词正则匹配。关键词的效果是准确率高,但是召回率不高,神经网络识别是准确率低,但是召回率相对高一些