2.8 智能客户服务

随着人工智能技术的发展，以语音识别、自然语言处理、深度学习为核心技术的人机交互模式正在逐渐改变着传统的客服行业——智能客户服务，正在悄悄地渗透进我们的生活。

智能客服（又称智能客服机器人）是在大规模知识处理基础上发展起来的一项面向行业的应用，它涉及大规模知识处理技术、自然语言理解技术、知识管理技术、自动问答系统、推理技术等，具有行业通用性。智能客服不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；同时还能够为企业提供精细化管理所需的统计分析信息。

智能客服的发展大致有四个阶段：第一阶段是基于关键词匹配的“检索式机器人”；第二阶段是运用一定的模板，支持多个词匹配，并具有模糊查询能力；第三阶段是在关键词匹配的基础上引入了搜索技术，根据文本相关性进行排序；第四阶段是以神经网络为基础，应用深度学习理解意图的智能客服技术。

2.8.1 企业布局智能客服

设置客服的目的是方便企业与用户进行有效的沟通，或者辅助用户在企业所提供的服务中有一个良好的消费体验。但是当用户量过大时，有限的客服能力又会成为用户满意度下降的一个原因，而采用非人工客服方式就能帮助企业解决这一问题。但目前人工智能技术水平还不能做到由智能客服取代人工客服。所以，目前智能客服还是更多地用于对用户意图的理解和预测上。智能客服首先能够解决“即时客服”的问题；再通过对用户意图的理解并将用户意图分类，普通、常见问题直接通过智能客服解决，而复杂问题再由智能客服转到人工客服（见图2-25）。

此外，智能客服能够做到的还会更多。例如当用户联系客服进行退换货时，算法可以根据该用户的历史行为判断出这一用户更容易接受退部分差价还是退货、换货，从而让智能客服为用户提供更令人满意的方案。

智能客服还可针对不同企业，聚焦详细场景。一方面，智能客服机器人系统可以把企业业务详细问题快速导入知识库，另一方面，又可以在某个特定行业中积累语料，通过云平台的方式扩充企业的知识库。

对于智能客服，各个行业、各个公司都有不同的需求。对于客服量大，服务种类繁多的大企业来说，自研智能客服或许更合适一些。大企业用户会覆盖多个渠道平台，拥有自己统一的CRM（客户关系管理）系统甚至定制化智能客服系统（见图2-26）。

对于中小企业，其客服量较小，选择第三方智能客服服务是明智的。例如，京东将其智能客服能力开放给了一些企业卖家，接替人工客服在工作时间以外的服务。此外，像微信近期针对小程序推出了一个新功能“服务直达区”。假如用户在微信顶部的搜索框输入“从北京到大连”，在搜索结果中就会出现从北京到大连的机票服务；从某种意义上说这也算是智能客服可以做到的事情——大平台的智能客服为小微企业分发流量。

而平台的智能客服在产品的巨大流量之下，可以承担更多工作，而不仅仅是回答客户的咨询。比如现在的电商平台都在内容端发力，打造更多买家和卖家间的沟通途径。这时智能客服就可以承担群聊机器人、回复商品评价、回复内容评论等工作。例如在微博上@小冰，她就会回复相关微博评论；其理论都是相同的——更好地和用户沟通。

2.8.2 智能客服的人机分工

尽管机器人的智能程度在不断提升，答非所问的现象仍然很常见。在客户服务数字化的进程中，人和机器究竟该如何分工协作？企业在智能客服的应用上又该如何权衡？

1．用机器守住第一触点

当前，语义识别技术在智能客服领域已经较为成熟。机器能够顺利识别并完成语义指令型语义理解和多轮任务型问答对话，为用户提供不间断的贴心服务，高效完成标准化的详细解答。因此，企业大可放心地将智能客服安排在官网、微信、App、微博等多个触及客户的一线渠道，让智能客服充当售前服务的主力，而将人工客服分配到更高附加值的任务中，进一步提升前端业务的处理效率（见图2-27）。

2．让机器分发个性内容

在电商领域，不少用户都会发现自己拥有“专属智能客服”。根据用户的浏览路径和历史消费记录，专属智能客服不仅能够自主判断用户的喜好，为其推荐相似的商品，帮助用户扩大选择范围，还能通过大数据建立完整的用户画像，不定时地推送符合用户期待的商品，以及其他个性化的服务信息，以较低的成本不断激活“沉睡”用户（即对用户的精准二次触达）。

3．借机器获取消费洞察

海量对话信息的沉淀和再利用是智能客服得以不断进步的基础。通过自动采集不同渠道中用户与企业的互动数据（包括将语音对话转换成为结构化的文字数据），加之多维度的辅助分析模型，机器能够帮助企业挖掘不同业务场景下的高频话题，及时获取某类产品/服务的市场反馈，为下一步的运营决策提供有效参考意见。

4．以机器优化人工服务

除了承担烦琐复杂的数据处理和机械应答工作之外，介入机器的意义更在于提升人工客服中心的运作质量。例如，不少企业已经开始用智能质检管理系统代替传统人工抽检。通过灵活的关键词匹配、情感/语速识别和智能业务模型规则，机器能够深入多个业务场景，对人工客服的服务态度、话术规范及处理业务的流程做出自动化的批量检测，将质检覆盖率提升到100%（传统人工抽检的比例不足3%，抽检样本也缺乏代表性）。

此外，传统的人工抽检受质检员的主观意志影响较大，个体的检验标准存在差异，而机器质检则采用统一规范的评分标准，并由机器统一打分、实时输出分析报告，最大程度地消除了评分的主观性，为座席人员提升自己的服务专业度提供了一套行业内标准化的指导方向。

如果说人工智能技术是企业数字化转型路上的助推器，那么不同渠道的数据及精密的算法处理规则便是其中的燃料之一，而智能客服的兴起正是人们对技术及数据应用的积极突破。

未来，依赖智能AI交互、智能数据分析等技术，人们还将借助机器实现全业务和服务流程的智能化。在此过程中，人机的高效协作也将逐渐重构品牌与消费者之间的互动法则。