智能服务上线前的准备——需求挖掘篇(上)

    |     2021年7月8日   |   2021年, 客世原创   |     评论已关闭   |    1609

上一篇章中和各位训练师们一起探讨了人工智能训练师的时代全面到来、人工智能训练师的术与道的重要性、在各个训练环节中容易出现的纰漏和问题、人工智能训练师运营体系迭代与升级的一些要素,还探讨了在新时代下智能服务与人工智能训练师的辩证关系,最后抛出了一些企业在实施智能服务项目以及训练师在训练运营智能服务产品过程中容易遇到的误区和容易踩到的坑。针对这些我们项目中和训练、运营过程中常见的坑,可以说各家遇到的“坑”因为自己企业的实际情况在细节上都略有不同,但放在整个智能服务训练运营体系来看却又是殊途同归。所以在接下来的专栏中,我将与各位训练师们一同走进我们的全体系智能化训练运营的“寻坑”之旅,以及填坑的“术”与“道”。整个专栏将会从之智能服务产品的全生命周期的历程上面将内容分为四个大的篇章,分别是:准备的坑、实施的坑、提升和进阶的坑等。

接下来让我们一同寻坑之旅。

古语有云:“有备无患”,针对智能服产品这一新鲜事物,在其产品的上线前会是一个非常大的工程量,尤其是对于训练师团队的负责人,准备得是否充足将会直接影响智能服务产品的落地与应用成效,但准备的环节因训练师们缺少对于智能服务产品的全生命周期的了解和熟悉,往往准备工作不充分,只能遇到问题解决问题:头痛治头、脚痛医脚。甚至发现很多东西明明是坑,但因为产品的不可逆性、可逆成本等外部条件限制继续只能硬着头皮踩到坑里。对于准备工作,一般包括但不限于:智能服务产品的需求与挖掘、定位与目标、产品选择与ROI的核算、人员与组织。在接下的几篇专栏中,我将会和各位训练师们一起对智能服务上线前的准备工作进行梳理和探讨,尝试着与大家一起拨开训练迷雾,推开训练的大门。

智能服务产品与传统软件产品的区别

很多企业的训练师往往是从传统服务岗位或者传统软件开发模块转岗至智能服务产品端,沿用的训练思维也都是传统软件开发思维。但智能服务软件与传统软件开发存在非常大差异,差异的体现可以用龟兔赛跑中的乌龟和兔子进行描述。

传统软件更像是一只兔子,在规定的路线上面设置好终点和起点,朝着目标奔跑就行,至于过程中兔子是前3公里冲刺,中间2公里走走停停这都是无所谓的。

智能服务软件更像是一只乌龟,无论是采购成熟的智能服务产品还是自己企业开发专属的服务产品,当开发周期完成的那一刻,才是工作的新开始。因为智能服务产品需要不断的进行训练,不断的投入语料、编写相似问、管理对话流、设计对话方案、编写应答答案,收集监控服务数据,更要随着企业服务业务的变化及时调整知识内容的更新,一刻都不能停歇,小步迭代,持续奔跑。没有正确理解这一区别的话,就会导致训练师负责人对于整个训练师预期的失控,没有充足的人力、更没有事先设计的预案,最终智能服务产品的能效随着使用时间的增加反而效果大打折扣。

智能服务产品阶段式的提升逻辑

智能服务产品阶段式的提升逻辑应该是一个连续并且相互依赖和迭代的过程,我们都期望智能服务产品最终能够完全替代人(虽然还需要有很长的路要走),也就说智能服务产品的终点其实就是人工客服。人工客服从普通一线座席成长到高级服务专员他的技能提升也都是阶段性的升级,每一个阶段的技能画像都不相同,智能服务既然作为人工客服的替代品,那么他也应该如此。

比如:针对在线服务机器人,我们定位其技能提升应该是答得上、答得准、答得好三个阶段,那么答得上阶段我们首要的训练重心就应该是想尽一切办法提升在线机器人应答能力,增加机器人的知识场景覆盖,那么我们考核的首要指标就应该是“场景/服务覆盖率”;

第二个阶段是答得准,我们就应该将第一个阶段漏出来的那些机器人没有应答上的问题,思考更加精准的应答方案和策略,包括使用新的知识结构方案,如:引入多轮对话、知识图谱等,除此以外更多的是解决业务知识缠绕的问题,如:同一个客户问题,触发出各个不同答案(不同答案被触发对应的是机器人知识缠绕的问题),针对缠绕的业务场景如果缠绕情况较少可采用逻辑树、对话流的方案,但如果缠绕度较多,就需要回溯业务梳理,是否因为业务梳理的方案导致多个场景下面,最细颗粒度场景相互缠绕,还需要结合着企业特点进行思考是否因为本身企业知识维度的复杂性所导致。

当进入到第三个阶段,就应该开始思考如何才能应答的好,应答的好不仅仅是考虑答案本身而是要更多考虑用户的交互、服务成本、服务目标等多个问题。如:同样的一个业务场景采用对话式方案,机器人可能需要跟客户进行8-10轮交互才能够完成任务,但采用GUI或者表单等交互方案则能将轮次缩短到2-3轮;答案是否容易让客户理解和明白;客户寻找服务端口上面是否存在断点:即用户出现服务问题,需要反复操作退出才能进入到服务界面;应答话术是否能够完成用户问题解决、分流、营销尝试的目标;这些都是答得好的体现,同样的数据监测也将发现变化:交互轮次、任务完成率、营销节点触发率、服务端口活跃量。

不同类型智能服务产品训练技法的不同

人工智能的核心是什么?被大众广泛接受的说法是人工智能是算法、数据、知识三者的有机结合,从人工智能的底层算法技术出发,我们会发现绝大多数人工智能项目几乎能够归档为三大类:文字类、语音类、图像类(视频类的人工智能其实是图像数据的几何倍增的结果呈现)。同样在数据和知识上也是以这三大类进行呈现:文字数据、语音数据、图像数据;文字业务知识、语音知识、图像知识;所以可以将人工智能训练师划分为:文字类人工智能训练师、语音类人工智能训练师、图像类人工智能训练师三大类。

同一类型的人工智能训练师会因为产品的不同,其训练技法及运营逻辑有所区别,例如:在线服务机器人的训练师与智能质检产品的训练师在工作中内容上可能会存在差异。而针对在线服务机器人的训练也会因为训练过程中的业务需求的主要矛盾而承担不同的训练任务和内容,例如在线客服机器人的运营迭代优化过程中发现了客户情绪变化的痛点,就引入情绪识别系统作为在线服务机器人的插件[1]之一进行产品的迭代训练。

如何开始准备?

既然智能服务产品那么多,不同的服务产品、同一个服务产品在训练任务和内容存在些许差异,对于我们大多数的人工智能训练师来说,又该如何从0到1构建出一条清晰明了、通畅且能够上升到通用层面启发其他小型智能服务产品运营的体系思路呢?想要回答这个问题,需要先聚焦于客服域智能服务产品的定位。如果让我用一个词语来形容现在的智能客服产品市场,没有一个词语比“星月辉映”更为准确。月亮代表的是在线服务机器人,这是智能服务产品最开始的起源,剩余的智能预判、情绪识别、智能质检、语音系统好比一颗一颗的星星,根据其影响大小决定亮度的明暗。所以接下来我们以在线机器人为蓝本进行探讨:

在线机器人,是一种能够使用客户理解的语言(文字、图片、视频)与客户进行交流的人工智能信息系统,它采用包括自然语言理解、机器学习技术在内的多项智能人机交互技术,能够识别并理解用户以文字或语音形式提出的问题,通过语义分析理解用户意图,并以人性化的方式与用户沟通,向用户提供信息咨询等相关服务。在线机器人针对定位和解决问题类型的不同可以大致分为以下几种类型:

类型一:业务型机器人,包括问答型机器人和任务型机器人。其主要的功能就是快速定位客户问题,为客户推送精准的答案或者精准的解决方案。在这一类机器人当中,用户往往希望能够得到特定问题的答案,或者能够完成特定的任务,业务型机器人需要结合行业和企业特点,例如:金融类型的在线机器人,针对金融行业常见的产品咨询、服务内容解答、账户信息查询、业务办理等业务需要能够提供精准度更多的知识解答,大多以准确率、意图识别率或任务完成率为评价指标。目前市场对于机器人的刚需基本聚焦于业务型机器人。

类型二:闲聊型机器人,和客户聊家常、讲笑话、查天气,主要和客户交流感情,不以解决实际问题为目的,当某类客户在等待人工座席服务的时候,打发客户时间,以轻松幽默愉快的方式为人工客服打造一个良好的服务环境。所以闲聊机器人其实也能作为在线机器人与人工客服甚至其他类型服务平台之间的润滑剂,在切换过程中提供自如舒适的服务体验。这一类的机器人一般主要以客户问题的相关性、趣味性为评估指标。市面上常见的苹果siri、微软小冰、小爱同学都具备着很强的闲聊型机器人属性,但并非完全的闲聊型机器人。

类型三:助理机器人,用机器人帮助客户在某一场景下实现高效快速的任务达成,例如针对企业端则有销售型机器人,或者我们称之为人工辅助座席机器人,针对于客户端往往聚焦于个人助理服务。这类机器人是业务型机器人和闲聊型机器人的一个交集,它们不仅具备业务性机器人高效快速的业务处理能力,同时具备着闲聊型机器人轻松幽默的聊天功能。最大的特点是具有很强的场景化属性,例如小米的小爱同学,作为家居助理它可以帮助你打开电视,让智能家电自动运转。又如海底捞的送餐机器人,能够高效地将厨房菜品送达客户。其评价指标也是需要根据具体的场景来制定。针对助理型机器人还会因为助理对象的多寡有所不同:私人助理、多人助理(微信群、钉钉群等);多人助理机器人的训练技法上也会区别于私人助理型,包括开场白话术,私人助理往往是服务型开场白:您好,很高兴为您服务,请问有什么可以帮您的?但多人助理开场还需要在此基础上增加一个功能、使用说明,如:大家好,我是群聊助手小X,很高兴见到大家,我能为大家收集文件、创建提醒任务等,需要像我提问请@我。

类型四:其他型机器人,包含上述类型以外的机器人种类,可能会更加聚焦于实际业务,作为业务型或助理型机器人的组成部分,共同服务客户,例如情绪型机器人,顾名思义它能够理解客户的情绪,根据客户不同的情绪匹配不同的服务策略。但实质上情绪型机器人只是一个辅助型机器人,它没法脱离上述的任何一种机器人而单独存在。其主要考核的指标则是情绪识别的准确率。

写在后面

人工智能训练师是我所热爱的事业,更希望是能够长期坚持下去的事业。我对于整个专栏的期望是与各位人工智能训练的从业者们一同系统地描述出人工智能训练的全景,能够尽可能呈现出一套完整清晰的智能服务训练运营链路,对于正在从事这一工作的高手们能够引起共鸣,大家一同进行探讨,对于处在门外,想要推开智能服务大门一探究竟的朋友,能带给你一些真实、全面的感受。故期望大家读文至此都能够产生一些思考,有一些感触,如果还能汲取到一些养分,这将是我的荣幸。

 

作者:苏钰;客户世界机构首席AIT专家。

本文刊载于《客户世界》2021年5月刊。

转载请注明来源:智能服务上线前的准备——需求挖掘篇(上)

相关文章

噢!评论已关闭。