在腾讯,全链路的智能客服强大服务能力是怎样锻造而出的?面临海量客户压力,智能客服如何通过多重设计越来越聪明?腾讯云智服的机器人是如何构思的?本文是智能客服产品负责人马鸣在才博客服峰会上的演讲提炼。截止目前,腾讯客服的智能服务占比已达到83%,AI的服务解决率达到70%-90%,大量人力得以释放。好钢用在刀刃上,人工客服可以集中处理重大用户投诉,并参与到公司风控生态优化和增值服务中。而背后的大数据能力、人工智能,是腾讯客服得以转型的两大基石。用户通过热线电话,微信公众号、小程序找到腾讯客服。最开始,通过智能预判进行第一轮判断,预测用户问题。若未命中,则由智能语音机器人引导用户提问,随后根据机器人的意图识别,为用户推荐解决方案或介入人工,这是前台。后台方面,我们建立了智能运营后台、智能监控平台和智能质检平台。不管是在服务的哪个环节,智能客服都已成为最重要的角色,是整个服务的核心驱动力。
现在智能服务在整个行业的应用已经非常普遍了,对于腾讯客服来说,智能服务,应该是一个立体的,应用在服务全链路的新模式,具体表现为三个维度:智能交互、智能协同(人机协同)、智能路由。
第一维即智能交互:通过对话体验设计和对话流设计,打造真正“能对话“的智能机器人;
第二维即智能协同:智能机器人目前缺乏同理心和共情感的塑造,这方面,人有优势。这里不是单纯的指人工兜底,而是一种智能高效的人机协作方式;
第三维是智能路由:指的是在客服全环节深度应用智能能力,打通服务链路的各个环节。
这样一套完整的体系,构成了整个腾讯智能客服的全景。
最早,纯粹通过运营机器人知识,我们承接了基本的问答场景。但深入运营后发现,单纯依靠算法、知识语料的调优,效果提升越来越不明显。有时,新增几万或几百万的数据带来的收益,也仅提升了一两个点。如果说算法+基础语料运营是一维的,在这个方向上,提升效果将越来越困难。毫无疑问,我们需要开辟新的维度——对话体验。
要塑造机器人的共情感,同理心,主要体现在答案运营上。比如我们的“帮到底”原则:举个例子,每天都会有很多用户来咨询微信支付绑定银行卡失败的问题。之前,机器人只会简单引导用户去找银行解决。现在,机器人不仅为用户查询该银行电话,还会展示地图中附近的银行网点,并教用户联系银行后怎么办。
另外,给机器人赋予人设,拉近和用户之间的距离也是一种方式。我们在游戏客服中,让角色声优为答案进行配音,这样不仅保证了服务效果,还能提升用户好感度。
当然最核心的体验环节在于对话本身,在腾讯智能客服的设计中,一个复杂对话由三个要素构成:即意图、状态、语境。意图是指用户请求客服时的核心诉求,在客服领域,这个诉求在一通会话中往往是唯一的,这意味着我们可以对意图进行锁定。除了锁定意图,我们还要锁定用户的当前状态,比如电商场景,用户意图是“退货”,我们还需要了解当前状态是未发货,还是发货中或已收货,状态决定了回答的角度,从而得以针对性作答。
锁定了意图和状态,这轮对话就从一个大的对话域,迁移到一个小的领域,我们称之为语境。在一个确定语境下,机器人可以实现记忆,避免出现传统机器人答非所问、前后文不符的情况。语境的引入,营造了多轮且连贯的对答效果。 在对话能力外,我们还加入了超预期的体验。比如引入智能预判,通过问题预测,缩短用户命中问题的路径。若预判准确,超过用户的心理预期,用户对机器人的信任度也会大大提升。之前提到,算法+语料知识运营是一维的,而对话体验设计为优化机器人增加了一个新维度。但这还不够,我们复盘下来,发现对话仍有不可控的因素,badcase非常多。因此我们选择再引入“人”的维度,来突破对话体验的新边界。传统人工兜底模式是在用户要求人工、或者机器人识别会话需要人工处理时才触发人工介入。随着运营的深入,我们发现这种单一的形式人力成本损耗高、反哺智能效果差,已经不满足日益增加的咨询量。
在新的人机协同模式下,我们把对话分为了会话前、对话中、对话后。
会话前,进行用户轨迹和风险识别。会话中,我们制定了对话健康度的评判体系,相当于听诊器,一旦AI监测到这段会话可能存在走偏、答错、用户情绪异常等情况,便会由人工实时介入处理。通过人工介入,可以快速分析对话的问题所在,从而通过运营平台提供的小药箱,进行意图纠正、语境锁定、反问引导等操作,将对话纠偏后,再交还机器人继续问答。 当然,这个过程增加了人力的损耗。所以,修正数据的再训练尤为重要。通过人工的介入操作,我们将数据反哺机器人进行强化学习,达到治标更治本的效果。长期以往,机器人对话能力持续得到提高,人力成本逐渐降低。若用户表示要人工,或者机器人识别该业务需要人工处理,便会将用户转接给人工客服处理。在对话的前中后期,智能监控平台会把控机器人实时对话情况,并及时对异常情况进行报警,推送给AI训练师,保证整个智能对话稳步进行。从算法调优、到对话体验设计,再到人机协同,智能客服能力不断提高。而我们对智能的应用,已经不止限于智能对话环节。在服务的接入,智能已经开始充当调度员的角色,通过智能预判、智能识别,AI成为服务总管,所有服务统一由AI接待、分发,实现服务资源的合理分配。在服务过程中,AI成为服务总代,基础类问题由机器人处理,需人工处理的分发到人工,机器协助人工处理。服务后,AI成为服务总检,对付效果进行智能复盘和全量监控。通过多年智能客服生态的运营,内部希望我们开放智能客服能力的呼声也越来越大,“腾讯云智服“应运而生。作为一款专业轻量级的客服平台解决方案,将腾讯智能客服多年的技术积累和运营经验高度产品化,搭建了一整套智能客服saas系统,提供人工客服工作台、智能机器人、工单系统、客户管理系统,数据报表等功能,支持多种渠道接入,助力公司产品快速方便地搭建专属客服平台。 我们也与腾讯广告、微信广告、微信支付商户、腾讯游戏合作,向腾讯生态中的团队/企业推广使用云智服。相比腾讯客服,公司其他业务部门或者外部中小企业,面临的问题是:缺乏专门的AI运营团队,也缺乏AI知识、语料运营经验,这是我们建设云智服时首要考虑的一点。因此我们一开始的定位就是搭建轻量化的SaaS平台,通过精简配置,优化后台体验,达到降低机器人运营成本的目的。在智能客服上,主要从三个方面降低运营成本:一是支持导入外部知识库,实时进行自动化训练,这一方式就免去了客户理解复杂AI原理的过程;另外一方面,我们关注到普通客户在尝试机器人后,心理上是有落差的,因为很多没接触过AI的人会想:机器人不就是配置了知识就能用的吗?如果要花费人力标注这么多语料,编辑这编辑那的,哪叫智能机器人呀?应对这样的情况,初期的概念普及和培训是一方面;另一方面,我们提供了智能学习的解决方案,让机器人自己学习新的语料,而人工只用在平台一键审核就行了。
第三,在和广告部门合作过程中,我们发现很多广告主收集信息的需求,在信息流广告中,收集用户购买意向和销售线索。传统的客资收集是由人工完成的,接待人员不是销售,他们只简单收集用户资料,后续交由销售人员联系跟进。这一块也可以交给机器人完成,设计上,我们降低运营难度,提供了一套图形化、拖曳式的多轮对话流配置界面,帮助企业快速设计自己的获客机器人,从而免去了人工收集客资的成本。在人力资源成本不断攀升的现今,节省成本就是帮助企业增加利润。以高效率、低成本的方式,帮助企业打造优质的客户服务,促进企业发展良性循环。