服务转型，从原子化知识库起步

编辑：夕照寺 | 2016年12月28日 | 文库, 行业要闻 | 评论已关闭 | 3911

在“互联网+”的大环境下，产业融合、产品创新和模式升级已经是各行业的共同诉求。在客户服务行业，“服务转型”也是大家热议的探索实践。可以看到，多个行业的客服中心都已经拥有了更贴合时代需求的互联网渠道，如微信、APP等在线服务模式；也可以看到，智能机器人作为移动互联网转型的标志性武器在在线服务模式中大行其道。归纳起来，目前主流的客户互动模式有三种，传统的电话沟通、智能机器人以及在线的文字服务。

因种种原因，对于三种服务模式的建立，大多数客服中心都选择了各起炉灶，新互动模式上线的解决方案，即新成立一个团队、新建设一套知识库。那么问题来了，三种服务模式的独立知识库非常可能会带来自说自话的问题，如何保证各个服务界面的服务一致性呢？笔者认为，应整合重构，打造“底层统一、一点维护、多点发布”的原子化知识库，供热线服务、智能机器人、在线服务等多种互动模式灵活调用，助力互联网化转型发展。

一、打造原子化知识库势在必行

工具好不好用，劳动者说了算！笔者所在的客服中心，会定期开展知识库的满意度调研，在原子化知识库上线之前，对知识支撑的满意度分数基本上稳定在86%，变化幅度很微小，究其原因，除了一般常规问题以外，我们关注到一线反馈越来越集中在两大主要问题：

（1）各服务渠道的信息不一致：占比11%以上的一线同事反馈，存在各个渠道服务信息不一致的问题，导致了不必要的客户投诉。传统热线、在线服务及智能机器人均各自采用独立的知识支撑，造成信息不同步、口径不一致，产生了不必要的客户投诉，且由于各自维护，也产生了维护成本高的问题。

（2）知识库的搜索功能不好用：互联网搜索引擎的不断进步和我们传统的知识库文档式的存储调用形成了鲜明对比，约25%的一线同事认为传统知识库的搜索调用存在定位差、搜索时间长等问题。

可以发现，传统的知识库因为底层的文档式结构存储，无法同时满足目前在线服务、机器人服务和热线服务等多种服务模式，同时因为颗粒度太大，搜索调用基本只能采取关键字匹配，精准度不高，搜索定位方式落后，所以目前大家普遍采取的建设多套知识库的解决方案也是无奈之举，而信息不同步、口径不一致、维护成本高则是其带来的必然问题。

图1：服务一线反馈的知识库问题统计数据

而笔者认为，最终的解决之道是重构互联网化的知识支撑系统，改变文档式的传统知识库，将知识文档“肢解”，碎片化处理，统一知识底层为颗粒度更小的原子化的知识点，组合形成原子化知识库（Atomic Knowledge Management System，以下简称AKMS），实现对全渠道服务的知识集中支撑系统。

二、建设原子化知识库底层逻辑

建设AKMS其实就是解决两个问题，第一，将知识点打碎，形成一个一个F&Q(Frequently Asked Questions，频繁出现的问题)以便于知识点的存储和更智能的搜索调用，这种调用是在机器人服务和在线服务中使用模式；第二，又要将知识点重组，形成更具逻辑可以查看的文档式结构，以便于一线同事的查阅，AKMS整体的实现逻辑如下图所示：

图2：原子化知识库（AKMS）的实现逻辑示意图

（一）如何实现底层知识点的原子化？

我们在建设过程中，第一面临的问题是如何将一篇知识文档肢解打碎，形成原子化知识点？我们的解决方案分为两步：

第一步，设定分类模板。我们定义一个原子化知识点就是一个标准问题（typical question，简称TQ）和一个标准答案（typical answer，简称TA）的组合，那么一个模板就是N个TQ和TA的组合，以笔者所在的行业为例，根据不同业务特点，我们分别制定了优惠、产品、资费、服务、更新五大类业务模板。

第二步，按模板拆分填入。有了模板，事情就好办很多，同类业务的基本逻辑结构是一致的，采编人员可以按照模板已经设定的标准格式，将文档按照N个TQ和TA方式填入进去则可，也可以用关键字抓取工具来减少手工操作。

这一步中，“分类业务模板”是核心工具，为什么需要模板？了解智能机器人底层的人都知道，机器人的底层就是模板化的，采取分级的目录结构存储；所以我们需要一种统一的、标准化的格式来拆分知识点，便于机器人的智能调用。，而为什么模板要分类，因为不同的业务类型从概念上拆分的结构就不同，而不分类的话，后续将无法归类形成知识页面。，所以，分类业务模板让我们可以实现不同同类业务以一种知识模板编辑和存储，并可“一对一”转换为原子化知识点。

（二）如何实现智能化问题检索匹配？

知识点按照统一的逻辑拆分以后，在知识底层按照层级目录存储，就是一个一个原子化的知识点了。而智能机器人的调用知识点过程，其实就是在底层库表中进行搜索和匹配答案的过程，这个过程已经在业内有成熟技术模式。

而我们的问题是，客户的问法和问题是海量的，我们知识库的采编团队不可能所有的问题都匹配一个答案录入系统，这种模式是落后的，对于业务种类繁多的公司也是不现实的，那么前文的分类业务底层可以灵活地智能化检索吗？

答案是肯定的，我们的解决方案也是分两步走：第一步漏斗式收窄问题，客户通过机器人咨询业务问题，基于客户问题，机器人通过语义识别和多次交互来“漏斗式”的收窄问题范围，定位到一个标准问题，也就是TQ；第二步，刚刚提到，我们的知识底层列表就是TQ和TA的库表，所以有了TQ就可以从AKMS调用推送一个相应的标准答案（TA）给客户就完成了这一步。

智能化检索是AKMS的核心能力，不仅仅是用在机器人服务，在线人工服务中，一个典型的工具就是实现能够自动匹配客户问题，调用一个推荐答案给客服人员，而热线人工服务中，也需要精准的搜索匹配，所以这个能力好用与否直接决定了这个知识库的成败。

（三）如何自动形成页面式知识文档？

大家都熟悉，我们从事传统语音座席的一线同事，无论是培训学习还是在接线过程中查阅知识库，都习惯于按照业务点来查阅文档，因为信息可以充分展示，所以此时智能搜索匹配的原子化知识点又颗粒度太小了，不符合大家习惯。所以我们又面临第三个核心问题，原子化知识点如何组合成为页面式文档结构？而这个过程必须要是自动形成的，而不是手工编辑的。

我们探索的解决方案依然是两个重点：第一是分类业务模板使用，我们的业务模板有三层的属性，第一层是业务大类，第二是业务模块，第三是原子化知识点，系统可以按照这三层大类自动抽取形成业务文档；第二是二维结构的UI设计和知识点组合模式。不同类别的业务，有不同的业务模块，我们以不同的业务模块作为一个维度，以不同的FQ作为第二个维度，就形成了二维结构文档页面，同时也便于根据预先定义好的业务逻辑重新自动组合为业务页面。

图3：热线座席的二维知识库界面

这样，一线客服人员在接触原子化知识库的时候，因为操作习惯的延续其抵触性也降低了很多，他们依然可以通过业务树点选的方式查询所需的知识页面，进行整体性知识点的总览；同时也可通过搜索的方式来进行提问匹配，而原子化的知识底层带来的是大幅度的搜索提速和精准度的提升。

二、初探原子化知识库几点优势

我们已经建设完成原子化知识库，并在智能机器人、在线人工服务和热线热工服务中全面使用上线，从实际的使用者和后台管理者的调研和访谈中，我们初步总结了它的几点优势：

1、支撑多种服务模式，保证了知识的一致性：AKMS最大的突破性在于，它提供了一个基础的知识底层，并同时支撑多个服务模式，实现了“一点维护，多点发布”的知识管理，因为统一同一的底层知识点，维护人协同一致，变更是统一的，保证了知识点输出的唯一性，也保证了客户获得信息的一致性。

2、基于唯一底层维护，节约了维护成本：不同于多个知识库的支撑模式的是，AKMS只有一个底层和一个团队，对于知识点的维护也是一次完成，并没有因为服务模式拓展而增加维护人员和成本，也不存在页面式、F&Q等多种知识点模式的不同考虑和重复劳动。

3、强大的智能搜索，支持多种匹配定位：因为底层的原子化，AKMS实现了多种智能搜索模式，一是机器人可以通过客户问题搜索匹配答案；二是客服人员以客户问题为索引，具备联想匹配功能，快速定位知识点；三是搜索结果可根据原子化知识点的点击热度进行动态排序，四是业务树也支持搜索，可快速定位业务页面，搜索的效率至少提升了40%以上。

4、更友好的知识界面，有效降低费力度：AKMS按照统一格式，可以自动生成更符合互联网阅读习惯的二维页签页面，客服一线学习和定位知识点的速度提升很多，并且同一页面篇幅相对传统知识库缩短了80%，降低了费力度。

工欲善其身，必先利其器，好用的工具是我们服务转型的起点， AKMS是从知识结构、知识管理、知识应用三方面都有了行业突破性的新型知识库，但面对不断变化的服务模式，如何前向设计打造更智能的客户化知识库还有很多问题值得研究，也期待更多的同业者一起来共同探讨。

本文刊载于《客户世界》2016年1-2月合刊；作者任亚龙，工作单位为广东移动客服中心；