智能客服案例解析：以知識(shí)圖譜、NLP、機(jī)器學(xué)習(xí)構(gòu)建高精度對(duì)話(huà)機(jī)器人

樂(lè)言科技基于高精準(zhǔn)的語(yǔ)義理解技術(shù)所打造的客服機(jī)器人，能在海量數(shù)據(jù)中挖掘優(yōu)質(zhì)話(huà)術(shù)，模擬優(yōu)秀人工客服回復(fù)邏輯，對(duì)用戶(hù)多輪對(duì)話(huà)溝通內(nèi)容、訂單信息、店鋪優(yōu)惠活動(dòng)、商品信息等各維度進(jìn)行全方位感知，從中提取出有效信息，從而精準(zhǔn)且擬人化地回復(fù)用戶(hù)咨詢(xún)信息。

中國(guó)電商行業(yè)： 營(yíng)銷(xiāo)售后能力亟待智能客服予以提升

移動(dòng)社交時(shí)代的到來(lái)為品牌商家提供了更加直接有效服務(wù)消費(fèi)者的能力和銷(xiāo)售渠道。隨著電子商務(wù)行業(yè)交易規(guī)模持續(xù)擴(kuò)大，售前和售后服務(wù)作為電商平臺(tái)的重要組成部分，傳統(tǒng)的客服方式已無(wú)法滿(mǎn)足大量的市場(chǎng)營(yíng)銷(xiāo)需求。某服裝公司是國(guó)內(nèi)規(guī)模領(lǐng)先的服務(wù)商家，其在電商平臺(tái)的銷(xiāo)量在同行業(yè)中排名前列，日常的客服咨詢(xún)量巨大，也因此為其客服團(tuán)隊(duì)帶來(lái)挑戰(zhàn)：

1. 客服系統(tǒng)功能局限：傳統(tǒng)客服系統(tǒng)往往只作為接待訪客咨詢(xún)的工具使用，無(wú)法跟網(wǎng)站商品、訂單查詢(xún)、店鋪信息等業(yè)務(wù)模式做完美整合，而需要人工客服去進(jìn)行二次查詢(xún)。當(dāng)訪客數(shù)量較多時(shí)，常常會(huì)造成問(wèn)題回復(fù)不及時(shí)，或回復(fù)不準(zhǔn)確，造成用戶(hù)體驗(yàn)下降。

2. 高峰期人力依賴(lài)：節(jié)假日及促銷(xiāo)打折期間，電商公司往往需要臨時(shí)安排上百人的客服來(lái)進(jìn)行接待和答疑以應(yīng)對(duì)客服需求量的激增，不僅導(dǎo)致了人力成本消耗大，還因客服專(zhuān)業(yè)知識(shí)及信息水平參差不齊而無(wú)法做到快速且準(zhǔn)確地滿(mǎn)足用戶(hù)咨詢(xún)的訴求。

智能客服案例解析：以樂(lè)言科技為某服裝廠部署智能客服機(jī)器人為例

樂(lè)言科技研發(fā)的“樂(lè)語(yǔ)助人”客服機(jī)器人以全棧式電商知識(shí)圖譜為底層，專(zhuān)注于自然語(yǔ)言處理和機(jī)器學(xué)習(xí)的行業(yè)應(yīng)用。樂(lè)語(yǔ)助人樂(lè)語(yǔ)助人具備高精準(zhǔn)的語(yǔ)言理解能力，可以進(jìn)行買(mǎi)家咨詢(xún)接待、業(yè)務(wù)問(wèn)題處理、智能推薦、客情維系等工作。

一、核心技術(shù)

知識(shí)圖譜 - 對(duì)非結(jié)構(gòu)化文本、半結(jié)構(gòu)化網(wǎng)頁(yè)和結(jié)構(gòu)化數(shù)據(jù)庫(kù)進(jìn)行統(tǒng)一建模、抽取、融合和存儲(chǔ)，積極面對(duì)多源異構(gòu)數(shù)據(jù)融合的挑戰(zhàn)，為上層面向特定領(lǐng)域的語(yǔ)言理解、認(rèn)知計(jì)算和對(duì)話(huà)機(jī)器人提供行業(yè)知識(shí)庫(kù)。

自然語(yǔ)言處理 - 采用知識(shí)驅(qū)動(dòng)的語(yǔ)言認(rèn)知技術(shù)，包括高精度的領(lǐng)域識(shí)別、領(lǐng)域內(nèi)意圖識(shí)別、情感識(shí)別、分詞、語(yǔ)言模型、領(lǐng)域詞向量和句向量表示及語(yǔ)義相似度計(jì)算等，將非結(jié)構(gòu)化的人類(lèi)語(yǔ)言，變成計(jì)算機(jī)可以理解和操作的結(jié)構(gòu)化表示，形成知識(shí)圖譜形式的知識(shí)，從而實(shí)現(xiàn)人機(jī)互動(dòng)。

結(jié)構(gòu)學(xué)習(xí) – 通過(guò)研發(fā)面向結(jié)構(gòu)的機(jī)器學(xué)習(xí)技術(shù)，提供細(xì)粒度實(shí)體識(shí)別與鏈接，基于領(lǐng)域本體的關(guān)系與事件抽取，及面向知識(shí)問(wèn)答的語(yǔ)義角色標(biāo)注服務(wù)。

深度問(wèn)答 - 面向行業(yè)知識(shí)庫(kù)的深度問(wèn)答引擎，融合了基于模板、語(yǔ)義解析、信息檢索和端到端深度學(xué)習(xí)等主流技術(shù)。針對(duì)行業(yè)復(fù)雜化信息需求，系統(tǒng)可以提供精準(zhǔn)的問(wèn)句解析和完備的答案回復(fù)。

二、核心功能

擬人化智能問(wèn)答 – 客服機(jī)器人采用高精度的自然語(yǔ)言理解技術(shù)，搭建以數(shù)據(jù)驅(qū)動(dòng)為核心的AI算法模型，通過(guò)服務(wù)數(shù)萬(wàn)家客戶(hù)積累海量真實(shí)語(yǔ)料，進(jìn)行高維機(jī)器學(xué)習(xí)與深度訓(xùn)練，反哺算法模型，可以模擬金牌客服的回復(fù)邏輯，提高客服機(jī)器人的語(yǔ)義理解與問(wèn)答回復(fù)能力。

智能跟單 – 包含催下單、催付款、催好評(píng)三催功能，通過(guò)識(shí)別買(mǎi)家對(duì)話(huà)語(yǔ)境、付款及牽手進(jìn)度自動(dòng)進(jìn)行詢(xún)單或推薦，以客戶(hù)訂單及付款轉(zhuǎn)化率。該模塊同時(shí)包含付款推送、發(fā)貨推送及退款挽回功能，可通過(guò)發(fā)送提前設(shè)置好的話(huà)術(shù)全稱(chēng)保證用戶(hù)網(wǎng)購(gòu)體驗(yàn)。

智能推薦 - 可根據(jù)不同用戶(hù)、不同場(chǎng)景，基于數(shù)據(jù)反饋實(shí)時(shí)調(diào)整推薦商品，同時(shí)可自動(dòng)過(guò)濾已下架、不應(yīng)季或轉(zhuǎn)化不好的不合理商品。

智能質(zhì)檢 - 于AI和數(shù)據(jù)挖掘技術(shù)，對(duì)會(huì)話(huà)數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，實(shí)現(xiàn)客服的質(zhì)檢缺陷識(shí)別，幫助商家規(guī)范客服行為，提升客服團(tuán)隊(duì)服務(wù)質(zhì)量和效率、幫助發(fā)掘潛在商機(jī)。

三、應(yīng)用效果

樂(lè)語(yǔ)助人機(jī)器人首次響應(yīng)時(shí)間可以達(dá)到0.5秒以?xún)?nèi)，縮短了客服的平均響應(yīng)時(shí)長(zhǎng)，案例中服裝公司電商事業(yè)部在部署樂(lè)語(yǔ)助人后，其平均客服響應(yīng)速度從2017年的120秒，降低到2018年的40秒，再優(yōu)化到2019年的19秒。大幅提升了客戶(hù)接待效率，緩解了售前咨詢(xún)壓力。此外，客戶(hù)接待效率的提升也優(yōu)化了客服團(tuán)隊(duì)的成員配置。該服裝廠售前基本不需要客服回復(fù)，客服70%的工作重心都是在售中和售后，可以給到用戶(hù)更細(xì)致、更人性化的服務(wù)，從而提升用戶(hù)粘性與店鋪銷(xiāo)售轉(zhuǎn)化。客服數(shù)量也從之前的50人，降低到18人，其中白班12人左右，人均每天接待1700-1800人，取得了很好的降本增效效果。

責(zé)任編輯：PSY