隨著人工智能技術的進步和人力成本的增漲，客服機器人正逐步進入各企業呼叫中心運營者的視野。蘋果公司2011年10月推出的Siri，曾經讓不少呼叫中心運營的圈內人緊張，某大型運營商甚至有針對性的開展了智能機器人對人工客服替代的可行性研究。

在日益復雜的企業業務環境中間，客服機器人相對人工客服代表而言，有著不容質疑的優勢：
1、學習效率高：一次學習即具備業務能力，學習容量巨大且不會遺忘；
2、服務效率高：可以同時應對成百甚至上千的服務請求，遠高于6用戶/席左右的在線客服人工服務效率；
3、服務質量穩定：業務學習之后，每一次服務都是標準化的，不會出現質量波動，更不會出現差錯；
4、保留成本低：不需支付日趨高漲的工資，不會請假，更不會因人員流動給企業服務帶來負面影響。

正因為如此，各種客服機器人應運而生。這，也推動著客服機器人的關鍵技術，如語義理解技術、大規模知識庫技術、機器學習技術……的飛速發展。當年初代Siri亮相時更多的像是一個娛樂功能，發展到今天已經具備用戶私人助理的基本功能，也不過只用了短短的3年多時間。在技術的快速進步和客服機器人運營管理經驗的積累成熟這兩個引擎的助力下，客服機器人的智能化程度將迅速提高。技術的發展，不在本文的討論范圍；客服
機器人的運營管理經驗分享，才是本文的主旨。
1、有效的知識管理，是客服機器人更智能的基礎
客服機器人的語義理解技術、大規模知識庫搜索技術再完善，沒有整理有序管理得法的知識庫也是無源之水。
要使客服機器人能更好地響應客戶的服務請求，更精確地向客戶提供問詢服務答案，首先應對知識進行結構化采編。知識管理員應系統地將整篇整篇的規定、業務說明、操作指引等材料進行拆分，以單個知識點為單位重構并錄入知識。

1)設計適合行業特點和業務實際的知識采編模板，將零散、無規律的知識按照模板定義的形式和邏輯進行整理，以便于客服機器人理解和檢索。

2)定義知識的類別層次和目錄結構，分門別類的按照采編模板對知識進行拆分歸類，最大程度的結構化，提高客服機器人檢索效率和正確率。

3)從客戶的角度，而非業務的角度，重新編輯業務知識，對客戶真正關心的、提問頻次高的問題進行仔細分析并給定正確的答案。在采編過程中，重點關注客戶可能的通俗、寬泛、不確定提問背后的意圖的挖掘，而非具體的業務規范的專業定義。

4)將客戶問題進行提煉和精簡，去除與問題本身無關的冗余語匯；同時應保持問題描述完整、精確，避免出現歧義。這樣可以減少客服機器人在匹配過程中可能受到的干擾。

5)將每一個客戶問題與簡短的回答對應起來，并只包括一個明確的知識點，方便客戶將注意力集中在回答上，避免長篇大論造成客戶關注點失焦的問題。每一個回答都精準的針對每一個問題，言簡意賅的切中問題要義。

6)回答應以客戶的角度，從易于理解、易于操作為出發點重新編輯，同時保證信息完整、準確、指導性強。
通過這樣對傳統知識的改造”，使知識更容易被客服機器人檢索并命中。由于將問題進行了拆分，引導客戶提問時盡量簡單明確，也有效避免了客戶輸入復雜問題客服機器人無法回答的情況。

2、大量的相似問題擴展，是客服機器人更智能的關鍵

人類自然語言的博大精深，使得對于其準確理解成為非常復雜的過程。而不斷發展的語言習慣，更是加大了客服機器人理解自然語言的難度。在自然語言中，往往同樣意思可以有多種截然不同的表達。例如：中國大勝日本”和中國大敗日本”，就是同樣的意思。
如同人類對于語言的學習，客服機器人也需要通過不斷學習”，使自己更智能。而這個學習的過程，就是從實際業務出發，在知識庫問題中間擴展相似問題，使客服機器人能夠更加精確的理解客戶的意思，并給出最合適的答案。

1)不同于Siri這類面向不特定問題的虛擬助手，客服機器人總是面向企業的客戶提供關于企業產品和/或服務的問題解答。因此，客服機器人的問題，相對更具有特定性，這為客服機器人知識庫中每個問題的相似問題擴展提供了可能。

2)客服代表在人工處理客戶業務記錄工單時，即已包含客戶問題描述和解答內容，從而為客服機器人的相似問題擴展積累了豐富的素材。

3)通過在業務規范中將工單里客戶問題描述和客服機器人知識庫里客戶問題的填寫要求統一起來，同時以工單中解答內容（知識答案）作為標準問題和擴展問題的關聯，就可以非常方便的實現相似問題擴展。這樣，客服機器人就可以直接對這類相似問題直接給出答案，而不再需要客服代表人工解答。
例如：知識庫中問題為辦理深圳落戶的步驟”，對應知識答案A0003；在工單記錄中問題描述為戶口如何遷入深圳”，對應知識答案也是A0003。則說明，戶口如何遷入深圳”可以作為辦理深圳落戶的步驟”的相似問題進行擴展。

4)通過CRM系統和客服機器人系統之間的IT集成，以知識答案為關聯，并增加重復相似問題剔除功能，還可以進一步實現客服機器人的自學習，進一步提升客服機器人的智能化和自動化水平。

3、持續高效的運營管理，是客服機器人更智能的保障
客服機器人的優勢之一就是不會遺忘不會出錯，于是一些運營管理人員想當然的認為：既然客服機器人不會遺忘不會出錯，那么對于客服機器人的投入就應該是一勞永逸的，只要投產初期設置好了就不再需要持續的運營管理。在現實運營中，就曾出現過同一系統同一業務運營管理細致時解決率”可以達到75.1%，運營管理松散時解決率”立即逐月下降7%的真實案例。產生這種錯誤判斷的原因，其實是混淆了客服機器人在實際運營過程中的匹配率”和解決率”兩個概念。

客服機器人匹配率”是指，客服機器人根據算法認為正確理解”客戶實際提問的比率。而客服機器人解決率”則是指客服機器人成功解決客戶實際問題的比率。例如，客戶提問如何辦理社保卡”，客服機器人如果匹配為如何新辦社保卡”或如何重辦社保卡”，都會有很高的匹配率”。可是顯然，這兩個問題對應的答案是有差別的，且客戶問詢的本意在正常情況下只會是其中的一個。簡而言之，匹配率”是一個客觀的技術指標，而解決率”卻是一個相對主觀的體驗指標。因此，匹配率”可以直接測量，而解決率”更多依靠客戶的反饋。

以上只是一個簡單的舉例，真實的客戶在提問的過程中，還涉及到語言習慣、關注重點、輔助信息分析等各種因素的影響，都會使解決率”出現不穩定的情況。同時，業務也在動態發展，每一個時間段熱點業務也在不斷的變化，客戶的問詢重點也隨之在變化。另外，統計發現當客戶的問題未能成功得到解決時，客戶更愿意去反饋，以表達這樣的不滿情緒。當一個對解決率”影響較大的因素被消除之后，另一個原來未被客戶反饋的影響較大的因素又可能成為吐槽的焦點。這就如同人的健康一樣，要想根除體內所有的致病菌是不可能的。在某一時期，某一個致病菌被激活就表現出某種疾病，治愈之后可能又有另一種疾病顯現出來。要想保持健康，只能堅持運動，保持較高的抵抗力。

要想保持客服機器人較高的解決率”，也需要持續的運營管理投入，不斷訓練客服機器人，不斷優化問題答案，真正解決客戶的問題。主要可以從以下幾個方面著手。

1)定期分析無法匹配出答案的客戶問題。自然語言的復雜性，決定了即使是最優秀的算法也仍然無法保證客服機器人對客戶問題100%的理解。而且如果問題理解正確，但是知識庫中沒有答案，同樣不能給客戶提供準確的答案。所以，需要持續的定期分析無法匹配出答案的客戶問題，根據無法匹配的原因擴展客服機器人的知識庫。
a)客服機器人未理解客戶問題，需要補充問題正確答案對應的擴展問題，使客服機器人建立起問題和答案之間的關聯。

b)客服機器人正確理解客戶問題，需要補充對應問題的答案，使客服機器人能夠提供準確的答案給客戶。

2)定期分析匹配度不高的問題提供的答案是否正確。客服機器人按照算法理解”客戶問題，有些問題雖然給出了答案，但是匹配程度并不高。也就是說，客服機器人并不能確信”給出的答案是針對客戶問題的，存在猜”的成分。在這樣的情況下，通過分析對客服機器人提供的正確答案進行肯定，并對提供的錯誤答案進行糾正。通過這種方式，讓客服機器人不斷積累正確的理解，不斷去除錯誤的理解，從而變得更加智能。

3)定期分析客戶反饋的未解決”的問題。是否解決問題，相對比較主觀，需要綜合理解客戶問題和客戶的意圖，這一點客服機器人是難以勝任的。通過人工分析的方式，找出客戶反饋未解決”的真實原因，并通過知識管理的方法，對客服機器人知識庫中間的問題和答案都進行優化，從客戶的角度進行簡化，提高內容的易讀性和可理解性，以達到解決客戶問題的目標。

由以上不難看出，決定客服機器人智能水平的不僅僅只有技術因素，還有運營管理的因素。在實際運營管理中，同一套客服機器人平臺由2個不同的團隊負責不同業務，運營管理好的團隊客戶問題解決率為75.1%，運營管理幾乎沒做的客戶問題解決率僅為49.6%，效果差別明顯。顯然，通過持續高效的運營管理，可以最大程度的發揮技術優勢。

客服機器人代表著客服行業的趨勢，未來機器人和普通人同時為客戶提供服務的呼叫中心將是普遍形式。而隨著語義理解技術、大規模知識庫搜索技術和機器人運營管理技術等的飛速發展，客服機器人也將變得越來越智能，并能夠為客戶帶來越來越好的體驗。也許有一天，通過網絡和呼叫中心交流的客戶，已經無法區分到底是誰在為他/她服務了。

作者單位為華為技術有限公司；