网站安全软件,非常酷的wordpress主题,大气企业网站源码php,wordpress lms插件温馨提示#xff1a;篇幅较长#xff0c;可点击目录查看对应节点。
1.机器人搭建期
搭建机器人包含#xff1a;素材整理、问题提炼、相似问题补充、答案编辑、问题分配引擎等等步骤#xff0c;不同厂商可能有所区别#xff0c;但关键功能的实现离不开以下步骤。
1.1素材…温馨提示篇幅较长可点击目录查看对应节点。
1.机器人搭建期
搭建机器人包含素材整理、问题提炼、相似问题补充、答案编辑、问题分配引擎等等步骤不同厂商可能有所区别但关键功能的实现离不开以下步骤。
1.1素材整理
语料源来自于哪里
如果我们计划构建一个知识库首先需要明确它的目的和用途。
例如在电商领域我们希望机器人能够回答一些频繁出现的问题例如发货时间、退货流程和换货政策等。为了实现这一目标我们需要将这些问题整理并存储在知识库中。
再比如在职工医保咨询场景下我们希望机器人能够解答一些关于医保报销和刷卡等方面的问题。为了使机器人能够准确地回答这些问题我们需要将相关的知识点整理并存储在知识库中。
放什么知识取决于我们的业务场景以及我们的需求。
常见的素材整理的方式有以下四个
1、客服已有的知识库基于客服与用户直接接触的经验他们能够明确了解用户关注的问题和常见的高频问题。因此通过整理这些问题并构建知识库可以提供更加有价值的信息。
2、历史对话日志。可以尝试用最近三个月的历史会话去做意图聚类然后提炼出一些高频问题放到知识库中。无论是与机器人还是人工进行的对话这种聚类方式的会话数据都是来自真实访客的具体聊天记录。因此通过这种方式提炼出高频问题能够真实反映用户关注的问题。此外问题聚类的方式包含了各种真实的问法有助于提高机器人匹配率使我们在编写相似问法时更加得心应手。
3、历史工单。客服在日常处理客户问题时积累了大量工单可以帮助企业完善知识库。
4、文章政策相关行业的文章政策也可以作为信息源提取知识。
确定以后在根据问题编写答案时建议采取问候语问题名称问题答案的方式进行编写这样可以更清晰地回答问题并提高回答的准确性。
例如
问题名称如何查询订单状态
问题答案您好查询订单状态您可以登录我们的网站或APP在订单页面查看您的订单状态。如果您需要更详细的帮助可以联系我们的客服团队。 1.2确定知识类型与对应问答引擎
在确定标准问题以后就需要判断标准问法的知识形态。
现在很多的知识库里基本上有 80% 左右的知识形态都可以通过一问一答 FAQ 的形式去处理。而那些多轮的会话也就是用户进线后他说的话我们是没办法去判断他的精准意图的。
基础课16——FAQ 问答引擎-CSDN博客
举个银行智能客服例子比如修改密码密码有登录密码有支付密码那么机器人就需要去进行意图确认。比如“您现在想要修改登录密码还是要修改支付密码”然后根据访客的回答我们推出对应的答案。这种情况就属于多轮会话因为他不是一问一答就结束话题了而是需要我们用一触即达的方式去处理。
基础课17——任务问答引擎-CSDN博客
除了这种方式以外还有二维表格结构这样的知识形态。举个例子比如二维可以把它理解为 X 轴和 Y 轴两个轴交汇就是具体的一个答案了。拿具体例子来看比如售前咨询比如针对不同型号的产品属性信息如果它的型号有非常的多那么答案也就很具体。那么我们就可以用二维的方式用表格知识图谱的方式把它做出来。
产品名称所属类别价格元iPhone手机6499iPad平板电脑3299MacBook笔记本电脑9999Apple Watch智能手表3199
基础课18——表格问答引擎-CSDN博客
如果有的问题它本身就超级复杂可能机器人没办法处理必须要人工客服去处理针对这部分的问题我们就需要剔除或者提炼出关键词可以让机器人识别的时候直接转到人工客服那边。如果有专门处理的方式比如投诉方面我们可以指定一个专门的客服组或者具体到某个客服让他去解决这个问题接待访客的投诉。
所以知识形态不同处理方式也是不一样的。
1.3答案编写规范
智能客服旨在通过QA问答给予客户想要的答案解决客户的问题。我们可以通过以下方法规范化答案格式减少我们与客户之间的“噪声”。
答案格式
建议答案用问候语问题名称问题答案的方式去展示。例如
QPLUS会员运费规则
A您好感谢您对PLUS会员的关注PLUS运费券权益已于23年8月23日0点起升级为PLUS无限免邮如是购买的PLUS月卡会员效期免邮额度为60元PLUS试用会员效期免邮额度为6元您账户中运费券及取消退回运费券均会同步取消下单结算时自动抵扣订单中的运费。
尽量保证答案的简洁性
举个例子我咨询了一个问题睡眠面膜是多少钱机器人回答了一个答案还写了面膜的使用方法。大家觉得有没有问题呢
首先问题的意图是客户想知道面膜是多少钱那这个答案是包含的。其次还说了一下使用方法。像这种情况我建议我们可以针对反馈意图去做回答尽量保证答案的简洁性。
添加关联问
如果在价格的基础上你觉得用户还可能会问面膜是怎么使用的以及适用哪些肤质等等这类的问题我们可以把这些问题做成单纯的 FAQ 然后通过关联问的形式在答案的下方一条一条地展示出来如果访客他感兴趣就会点击答案下面的标准问题就可以直接获得答案了。
插入链接或按钮跳转
假设问题是如何退货机器人是有很多功能比如你可以在回答里插入链接插入短视频配置图片或者做一个跳转的按钮等等像这样的答案其实就是一个操作的步骤本身是没有问题的但是如果实际用户真的问到了如何退货的这种问题需要用户按照机器人的回答一步一步去操作他可能会反复来回查看答案然后再一步一步跟着走这对用户而言其实是很麻烦的一件事情。
那我们怎么优化呢比如我们可以做一个按钮让访客一键点选就可以直接退货了也就是我们相应的推出他的订单信息点一下就可以直接退货了。这种方式是非常快捷方便的这是它的一个易读性。
目前市面上很多智能客服尤其是语音客服回复的答案未能解决客户问题机器人播报答案客户没听清、没理解等情况是比较突出的痛点。怎么解决提供以下思路
控制答案字数、请同事试听、支持答案追问...欢迎私信讨论
1.4相似问题的编写规范
相似问题我们编写的时候要注意哪些点呢
第一意图要明确。
比如标准问题的意图是”优惠券如何使用“下图中相似问法则写的五花八门和标准问题的意图不相干就是一个错误案例演示。 图片来源于网易 我们写相似问题的时候它的意图一定要和优惠券如何使用是一个意图。其次意图是必须一致的不要去维护各种五花八门的和意图本身没有关系的问题。如果这样维护我们推出去的答案也解决不了问题。
第二相似问法的维护要尽量清晰简洁。
第三思考一下这个问法有没有必要。
第四问法有一定丰富性。
问法丰富了以后它覆盖的面也就越广机器人的理解识别能力自然也会越强。在我们知识都准备好之后就可以去做知识的配置了。
1.5基础功能配置
这边有很多的基础功能比如欢迎语、导航菜单以及它的转人工按钮或者访客询问多次以后我们就可以让机器人转到人工客服那边去接待或者访客连续问了两个问题或者三个问题机器人都没有能够理解这种情况下我们可以判断出用户的问题可能是在库里没有对应的知识点需要人工客服去接待。我们就可以无感知地将用户转到人工客服那边。
1.6词库配置
词库是自然语言理解的基础丰富的词库有利于提高机器人的识别能力。
相似词就是用来提升机器人的理解能力的比如在某些业务场景下苹果是指iPhone手机两种说法是一个意思。如果我们把它去作为一个相似词做一下关联写相似问法的时候就可以少写很多。当访客去咨询的时候不管他说的是 iPhone 还是苹果机器人都能直接 get 到他说的意思。
词库可以分为通用词库和行业专属词库两部分通用词库就行中华字典包含常见的词语行业专属词库则是对通用词库的补充。例如金融行业、电商行业各有自己的一些专用词在面对不同客户时需要应用到不同的行业专属词库。
停用词是用来提升机器人的抗干扰的能力比如客户咨询的时候说了很长一串话其实他里面有一些文字和意图本身是没有关系的。
比如说“您好我想问一下什么什么”像前面这几个字“您好我想问一下”本身是没有意图的那我们就可以把这部分内容放到我们的停止词库里当访客咨询的时候机器人就会把这些过滤掉再去看看剩余的内容里具体问的是什么意思。
1.7知识库测试调优
当我们的知识库都搭建好了以后就可以看测试效果了。我们以数据指标为抓手控制智能客服的质量。数据指标详见基础课23
比如它的意图识别率不高我们就看具体是哪个问题没有匹配或者哪个问题的答案不合适等等然后去做对应的调优这就是对应的处理方式。
或者比如输入一个问句然后这个机器人回答了这个问题的答案但我们希望它给出的是另一个答案但是这个答案好像也行。那我们就要考虑一下是不是这两个知识点之间是存在覆盖的。如果存在我们建议把它整合成一个知识点。
2.机器人运营期
当机器人上线以后就进入到了机器人运营的阶段。运营期主要做知识库的增删改、输出数据指标、客户反馈优化的工作。
2.1知识库的增删改
知识库搭建后并不是一劳永逸需要根据政策、市场、客户要求不断更新答案新增知识点等等。
2.2输出数据指标
运营主要是围绕两个指标和三个元素。
两个指标一是匹配率也就是用户问的问题机器人能不能够正确理解二是解决率也就是当访客咨询的时候机器人给出的答案有解决访客的问题吗是否有访客看完答案还是解决不了问题面对这种情况我们就需要针对具体的案例分析是为什么没有解决要怎么去提升。
关于三个元素标准问题相似问题和答案。相似问题和标准问题是强相关的相似问题是用来提升机器人的理解能力也就是它的匹配率。答案和解决率是强相关的答案本身是否有效是否能够解决用户的问题直接决定了机器人的解决率。
2.3客户反馈优化
解决率低的常见原因
1、知识缺失。知识库里是没有知识点所以机器人是没办法回答用户的问题。
2、匹配错误。 知识库里有知识点但是我们没有类似的用户问法导致机器人没能理解也就没办法回答用户的问题。 库里的知识点很庞杂相互交叠可能一个知识点维护了三条甚至更多。这样就会导致当用户问问题的时候机器人推荐的精准匹配性会比较弱
3、答案设置的不合理。
4、人工入口策略设置不合理。
解决率提升策略大致分为四种情况
1、正确匹配了但是访客就是给了一个差评。
我们可以有三点分析一是答案本身能否解决问题 二是如果我们开启了差评支持用户做备注那我们可以看一下用户备注的情况是为什么差评了分析他差评的原因然后根据客户的意见完善我们的答案内容。第三是去提升一下答案的展示效果比如有一些单个问题的答案可能一下子放了 2000 甚至更多的字用户在看到这样的一个答案的时候第一眼肯定感觉压力是有点大的这可能会让用户有一个很暴躁的情绪。我们可以通过分段、字体加粗、添加颜色等方式改善答案的展示效果。
2、针对问法未匹配但是知识库里存在这个知识点的答案。
我们需要去提升匹配准确率也就是把这个问法添加到我们的库里。
3、新知识
需要判断一下这个问题属于高频问题吗有没有维护的价值如果说这个问题它本身很少见可能两三个月都没有人能会问一次那我们可以考虑放弃就忽略掉这个问题。如果这个问题它确实被问到的次数很多那它就是很具有价值的问题我们就可以把它作为一个标准问题添加到我们的知识库里。
4、匹配上了但是这个知识点是错的。
那我们就可以看它为什么会匹配错是不是被匹配错的这个标准问题里面它的问法和它的相似问法是不是有什么不对的地方。
其次可以考虑一下如果知识库里已经存在这个问题了那我们把这个问法加到对应的标准问题的下方作为相似问法维护进去这样是不是访客下次咨询的时候我们的机器人就能够正确回答了如果库里匹配错了是因为库里没有这个知识点我们就要考虑这个知识点我们要不要提炼出来做一个标准问题维护进去这就是解决率提升的大概思路。
3.突破期
通过持续的运营我们会产生大量的线上数据如果我们放任这些数据不管不顾就会与客户脱离。因此通话质检显得极为必要。
目前很多智能客服都配套有通话质检功能通过人工质检输出语音转写准确率、意图识别准确率、整通解决率等等指标。
通过质检过程与指标对比我们可以更清晰的定位问题解决问题。 3.1 评价指标的范围
性能指标:用于衡量人工智能客服语音识别及语义理解能力主要包括语音识别准确率、问题识别率、意图理解准确率等。运营效果指标:用于衡量人工智能客服在客户体验提升、服务分流等方面的能力主要包括交互准确率、问题解决率、智能分流率等。
3.2 评价指标的方法
3.2.1 抽样法
根据交互样本标注数据推算人工智能客服评价指标的方法。按照GB/T 21664-2008规定假设事项发生率为50%、绝对误差为1%时所需的必要样本量为1万。完成样本抽取后与标注人员对本单位业务流程判定的结果进行对比一致即为正确。 3.2.2 报表法 根据系统运营数据计算人工智能客服评价指标的方法。典型的系统运营数据包括进线量、交互数、客户评价数、转人工进线量。 3.3 评价指标的内容 3.4针对性优化
突破期需要根据客户重点关注的指标如转人工率不断地优化以达到客户满意的效果。
最佳实践分享
例如在智能客服中有一个很常见的指标叫做转人工率转人工率越低说明机器人解决率越高。
假设当前的转人工率为70%客户要求转人工率降低到35%。
那么我们首先需要拆分用户转人工的原因
例如来电直接转人工对答案不满意-要求转人工多轮不按提示回-要求转人工新知识拒识超时三次转人工等等通过分析各种情况的权重得到优化的优先级进而分解成项目阶段与项目任务落实到团队或个人。通过持续的跟进复盘相信你也会取得不错的效果。基础课21——搭建运营SOP-CSDN博客文章浏览阅读493次点赞15次收藏13次。SOPStandard Operating Procedure三个单词中首字母的大写即标准作业程序就是将某一事件的标准操作步骤和要求以统一的格式描述出来用来指导和规范日常的工作。SOP不是单个的是一个体系虽然我们可以单独地定义每一个SOP但真正从企业管理来看SOP不可能只是单个的必然是一个整体和体系也是企业不可或缺的。构建SOP旨在将业务推向标准化、流程化、自动化。https://blog.csdn.net/2202_75469062/article/details/134765085
