数倍客服效率提升,精准用户画像绘制,AI对话机器人在健康领域数字化转型的应用

智能交互是一个容易长期被忽略的产业,消费者需求场景的多样化,对高质量的客服获取和精准的服务匹配需求,推动客服产业向智能化方向发展。

无论是淘宝、京东还是微信平台,巨大流量背后是用户对精准决策的期待,客服如何为用户提供专业、迅速、有质量的解答,同时维持用户留存和高活跃度,这对后期交易的达成或者社区维护至关重要。

如今,许多企业都隐藏了人工客服的渠道,以全智能的客服代替人工客服。然而,大多数的智能反馈并没有知识图谱的依托,仅停留在简单地根据关键字对请求进行回复的阶段。对于一些需要人工解决的问题,这些产品不能及时判断是否应转接人工客服,这给消费者带来了较差的消费体验。

管理者同样头痛不已,互联网时代的每一个人都知道数据的价值,但如此庞大且缺乏结构化的数据,往往令管理者望而却步,他们难以寻找一种合适的方式去对信息进行归类处理。

智能交互可以解决这一问题,未来 “人机协同”无疑将成为主流生产和服务方式。因此,许多科技企业投身其中,尝试提升人机交互效率、使计算机具有认知能力。

在诸多智能交互企业中,标杆企业北京来也网络科技有限公司(以下简称来也)正尝试借助人工智能技术提出的智能对话式运营解决方案,以人机协同的方式尝试解决电商中的客服问题。同时,来也也尝试运用知识图谱对相关数据进行整理,为客户挖掘其中的潜在价值。

客服企业如何构建壁垒?智能交互时代,人机协同又将迎来怎样的发展?带着问题,动脉网对来也进行了专访。

人机协作定制化解决客服问题

来也创办于2015年,由常春藤盟校归国博士和麻省理工学院MBA等杰出人士共同发起,致力于成为人机共生时代具备全球影响力的智能机器人公司。如今的来也拥有深度学习强化学习自然语言处理(NLP)、个性化推荐和多轮多模交互等核心技术,并尝试用最前沿的科技切入商业领域与大众领域。

来也联合创始人兼CEO汪冠春曾担任百度智能交互团队、小度机器人、百度筷搜等项目负责人,这些项目经历让汪冠春对智能交互技术有了独特的见解。离开百度后,他开始思考如何将交互技术与线化程度越来越高的服务行业结合在一起,打造一款人机协同的机器人平台。

在研发过程中,汪冠春发现纯粹的知识图谱并不能完全解决问答环节,相比之下,AI与HI(Human Intelligence)的结合是一种更为贴合实际的方式。

因此,来也运用数据库打造细分领域的对话数据,建立知识点。当用户向来也的机器人提问时,来也会根据知识点将问题进行拆分,对用户问题进行预处理。

来也CEO汪冠春告诉动脉网记者:“收到问题后,来也的机器人将把用户问题的可行答案发送给客户服务代表,由客户服务代表来确认回复结果。通过这种方式,过去客户服务代表需要花费超过一分钟来思考、编辑回复的内容,如今只需十余秒就能进行回复——客户服务代表过去的填空题变成了如今的选择题。这带来的将是整个服务体系的质量提升。”

谈到智能交互产业需要解决的难题,无非就是拉新、留存、促活和转化,这需要强大的数据挖掘和处理能力来完成的,来也在这些方面技术壁垒很强,能够将商业和技术完美结合。

如今,来也开发的吾来对话机器人平台覆盖母婴、消费零售、通讯等行业,包括中国移动、美团等近百家大型企业客户,而在健康领域,来也惠氏搭建了一流的客服平台,解决其面临的微信端客户管理问题。

母婴行业案例:用AI管理千万级粉丝惠氏妈妈俱乐部

母婴领域是来也切入的第一个泛健康领域,惠氏项目也是针对B端市场的第一个项目,该案例荣获2018机器之心“全球三十大AI应用案例”。一年有余,来也已经在同惠氏的合作中获取了丰富的经验与数据,知识图谱在不断的实践中已经更加成熟。 

母婴群体在医疗健康领域决策周期长,非常慎重,母婴场景也相对复杂,不同场景又会产生不同的问题。相比于其他行业更聚焦简单的判断类问题,母婴场景中的对话一般都为复杂的多轮对话,需要客服人员对消费者进行引导,层层获取相关信息后才能得出结论。

相对于此,来也惠氏提出了人机协同的解决方案。即由人工智能率先对母亲提出的问题进行语意解析与分类,再将其推送到相应的客服代表处。同时,人工智能会为客服代表根据知识图谱罗列出答案组。客服代表无须自行输入,只需点击其认可的答案,即可快速回复消费者。

人工智能的辅助之下,客服代表的工作由“填空题”变成了“选择题”,处理消费者咨询的速度得到了数倍的提升。

消费者也因此受益。过去冗长的等待时间给予了消费者糟糕的咨询体验。如今更快的客服回复速度让消费者与企业的交流更加迅速,消费者满意度由此提升。

同时,当消费者需要比较不同类别的产品时,过去客服需要自行调取相关产品信息,而在人工智能的辅助下,调取信息与产品比较在转瞬间即可完成。过去人工客服不能回答的问题,人工智能可以协助回答。

同时,惠氏还面临客户管理方面的问题。营销及获客成本越来越高,注册率低,用户迁移频繁,留存和销售转化率并不十分理想。如何吸引到有粘性的母婴用户,并提供精准服务,成为惠氏的头号难题。

对于这一问题,来也在与惠氏的合作中逐渐找到了解决方案。

在客户对话中,对话机器人将不断的收集消费者的消费习惯、消费能力及各类诉求。随着数据的不断积累,惠氏消费者的画像也逐渐清晰。由此,机器人将对不同的消费者进行标注,为其定制推送符合其消费能力、消费习惯、消费需求的产品。

通过这种方式,惠氏的新客获取手段由传统的粗放式宣传转化为高效率的定向推送。这一转变意味着惠氏能以更低的新客转化成本,收获更忠诚的客户。

仅需6步,对话机器人赋能惠氏微信客服

相较于电子病历、病种汇集的知识图谱,母婴客服打造的知识图谱内容更为精准地契合用户与消费者的生活需求。且整个个性化产品的搭建仅需数月即可交付。具体而言,整个搭建过程包含一下几个步骤。

一、挖掘历史预料,分析用户主要需求:在与惠氏的沟通过程中,来也先后共拿到3份对话数据,共清理出近60万个对话。这些对话数据大部分为典型的多轮对话,平均会话长度11轮,长度少于6轮的会话约占总量的17%。远高于其他行业客服复杂程度。

二:归纳需求,找到人工客服痛点:通过分析对话语料,来也发现,客户服务代表回复的事实类消息普遍较长,此外,客户服务代表还会经常用到一些模板消息(如会话开始打招呼话术、会话结束话术、教育话术)。

这些话术的特点是内容固定,如果客户服务代表每次使用都手动输入,会对回复效率造成瓶颈。这是客户服务代表使用惠氏多客服系统时的典型痛点,因此,来也问答系统的具体目标是优先覆盖这些高频回复话术。

三、建立知识库完成上述分析,来也开始有目的性地打造知识库。通过综合使用层次聚类、分类、领域关键词挖掘等算处理数据,并结合AI训练师人工复查,多次迭代后,最终产出的知识库包含1500余个知识点,20000余条问题。

四、搭建问答机器人:根据清洗后的对话语料和训练师复查过的知识库来也搭建了基于“检索+排序”的问答机器人方案。

具体而言,对话语料和知识点被导入ElasticSearch检索系统,系统接收到用户消息后,从检索系统中搜索相关的知识点或历史会话片段,然后借助rerank算法对搜索结果做精排,使得最相关的知识点或历史会话片段尽量被排到前面,最终取top6结果显示到多客服界面,供客户服务代表选择。

五、根据业务场景,提供输入提示功能:结合来也内部系统的使用经验和客户服务代表的使用场景,来也认为如果客户服务代表能借助关键词召回完整话术,或者系统根据客户服务代表当前输入能自动召回完整话术,会对回复效率有明显提升,用户使用体验也会有更好的保证。因此,来也开发了输入提示功能供客户服务代表使用。 

六:开发BI系统:来也提供的BI系统支持自定义关键词,系统会自动监控包含这些关键词的消息,统计它们被提及的会话个数及近期变化趋势,从中可以发现一些有意义的特征。如“感冒”在冬季被提及的次数,用户对不同的奶粉系列的关注热度等等。

整个知识图谱的搭建过程视项目大小而定,长度在1-6月不等。快速的交付速度意味着企业可以迅速从传统的管理模式转化为人工智能赋能后的数字化模式。对于来也而言,迅速的项目推进速度则凸显了其将人工智能产品化的能力。

从母婴到大健康

母婴领域的成功为来也在健康领域的布局塑造了一个良好的开端。而类似于惠氏这样的企业广泛分布于医疗消费、医疗健康领域。

由于医疗知识的专业性,C端用户对于医疗产品的消费将伴随着更繁琐、更广泛、更专业的人工智能交互问答,不少医疗领域的项目更需要人机协作提升效率。

这对于来也而言既是机会也是挑战。在2019年的实践中,来也已经达成了与阿斯利康等大型药企的合作,帮助阿斯利康搭建合规机器人,通过人工智能产品降低运营成本,挖掘数据价值。

动脉网
动脉网

专注医疗产业服务平台

产业知识图谱人机交互对话机器人医疗健康来也
1
相关数据
来也机构

「来也」是国内领先的人工智能交互平台,由常春藤盟校(Ivy League)归国博士和MBA团队发起,核心技术涵盖自然语言处理(NLP)、多轮对话控制和个性化推荐系统等。公司已获得数十项专利和国家高新技术企业认证。 来也的愿景是通过AI赋能,让每个人拥有助理。C 端产品小来是智能化的在线助理,通过业内创新的AI+Hi模式,提供日程、打车、咖啡、差旅和个性化查询等三十余项技能(覆盖400w用户和数十万服务者),让用户用自然语言发起需求并得到高效的满足。B端品牌吾来输出知识型的交互机器人和智能客户沟通系统,帮助各领域企业客户打造行业助理。目前已经在母婴,商旅,金融和汽车等行业的标杆企业实现商业化落地。

https://www.laiye.com/
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

知识库技术

知识库是用于知识管理的一种特殊的数据库,以便于有关领域知识的采集、整理以及提取。知识库中的知识源于领域专家,它是求解问题所需领域知识的集合,包括基本事实、规则和其它有关信息。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

层次聚类技术

层次聚类通过对数据集在不同层次进行划分,从而形成树形的聚类结构。数据集的划分可采用“自底向上”的聚合(agglomerative)策略,也可采用“自顶向下”的分拆(divisive)策略。“自底而上”的算法开始时把每一个原始数据看作一个单一的聚类簇,然后不断聚合小的聚类簇成为大的聚类。“自顶向下”的算法开始把所有数据看作一个聚类,通过不断分割大的聚类直到每一个单一的数据都被划分。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

问答系统技术

问答系统是未来自然语言处理的明日之星。问答系统外部的行为上来看,其与目前主流资讯检索技术有两点不同:首先是查询方式为完整而口语化的问句,再来则是其回传的为高精准度网页结果或明确的答案字串。以Ask Jeeves为例,使用者不需要思考该使用什么样的问法才能够得到理想的答案,只需要用口语化的方式直接提问如“请问谁是美国总统?”即可。而系统在了解使用者问句后,会非常清楚地回答“奥巴马是美国总统”。面对这种系统,使用者不需要费心去一一检视搜索引擎回传的网页,对于资讯检索的效率与资讯的普及都有很大帮助。从系统内部来看,问答系统使用了大量有别于传统资讯检索系统自然语言处理技术,如自然语言剖析(Natural Language Parsing)、问题分类(Question Classification)、专名辨识(Named Entity Recognition)等等。少数系统甚至会使用复杂的逻辑推理机制,来区隔出需要推理机制才能够区隔出来的答案。在系统所使用的资料上,除了传统资讯检索会使用到的资料外(如字典),问答系统还会使用本体论等语义资料,或者利用网页来增加资料的丰富性。

百度机构

百度(纳斯达克:BIDU),全球最大的中文搜索引擎、最大的中文网站。1999年底,身在美国硅谷的李彦宏看到了中国互联网及中文搜索引擎服务的巨大发展潜力,抱着技术改变世界的梦想,他毅然辞掉硅谷的高薪工作,携搜索引擎专利技术,于 2000年1月1日在中关村创建了百度公司。 “百度”二字,来自于八百年前南宋词人辛弃疾的一句词:众里寻他千百度。这句话描述了词人对理想的执着追求。 百度拥有数万名研发工程师,这是中国乃至全球最为优秀的技术团队。这支队伍掌握着世界上最为先进的搜索引擎技术,使百度成为中国掌握世界尖端科学核心技术的中国高科技企业,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

http://home.baidu.com/
京东机构

京东(股票代码:JD),中国自营式电商企业,创始人刘强东担任京东集团董事局主席兼首席执行官。旗下设有京东商城、京东金融、拍拍网、京东智能、O2O及海外事业部等。2013年正式获得虚拟运营商牌照。2014年5月在美国纳斯达克证券交易所正式挂牌上市。 2016年6月与沃尔玛达成深度战略合作,1号店并入京东。

惠氏机构

惠氏隶属于世界500强企业。始终秉承“百年卓越,惠泽新生”的品牌信仰。近百年来,在婴幼儿营养品领域取得一系列重大的科学创新,以全球统一的卓越品质,为80多个国家和地区的婴幼儿提供安全、值得信赖的营养品,深受医务人员、营养专家和消费者青睐。主要产品有金装系列(健儿乐、幼儿乐、学儿乐)、爱儿乐妈妈孕产妇奶粉,膳儿加偏食宝宝奶粉。

推荐文章
暂无评论
暂无评论~