物业智能客服落地:从人工智障到人工智能

5 评论 10383 浏览 92 收藏 12 分钟

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。

  1. 文本
  2. 链接
  3. 操作
  4. 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

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 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

    来自四川 回复
  2. 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

    来自北京 回复
  3. 备注来源即可

    来自北京 回复
  4. 请问您这边这个项目的NLP相关的模型是怎样训练的呢?

    来自北京 回复
    1. 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

      来自北京 回复