目录
- 竹间私有化部署智能客服产品与传统云客服的差异价值解析
- 竹间如何通过对人、知识、服务三要素的产品化来重新定义智能客服
- 结语与展望
01 企业客服部门业务洞察及业务定制智能客服的特点
一、竹间私有化部署智能客服产品与传统云客服差异价值解析
客服场景是AI技术落地的最主要场景之一，也是企业对外服务客户的窗口。智能客服机器人替代人工通过文本（在线客服）或者语音（电话热线）1对1沟通的方式，解决到访用户的诉求。竹间智能通过以往丰富的落地服务经验洞察客服业务本质，围绕客服日常工作的核心要素人、知识、服务进行重塑，加入主动式问询、机器人话术自学习优化等AI技术，颠覆客服场景服务。
现在市面上传统的云智能客服产品非常多，落地方式主要是标准化SaaS产品；云智能客服产品AI技术和功能都相对比较同质化，注重标准功能交付而非定制化服务，无法真正有效解决业务痛点。
Q 那比起SaaS轻模式，私有化部署定制化的智能客服在客户需求上有哪些差异化特点呢？
1.客户一般会要求在理解业务的前提下做定制化服务，除了要求产品具备强大的功能及扎实的实施能力之外，还需要能更加深入耦合企业的业务系统及客服知识库；
2.服务的客服团队一般较为庞大且企业业务较为复杂，除了关注对外服务质量之外，也很关心对内的知识库有效管理（知识版本、审核流程管理等）、风险控制（对外答案输出准确性、话术及咨询范围合规性、以及宏观环境的敏感词风险等）、人员流动带来的培训及上岗的需求；同时对于机器人知识库，需要具有可知性（可解释且可发现问题产生的因果关系）及可控性（能干预且容易干预）；
3.项目上线后，为了使机器人客服服务质量不断优化且未来可持续发展，企业需要引入新的角色，即人工智能训练师团队。因此需要为其提供一定的产品系统操作、机器人对话控制及知识库运营方法论培训，甚至对有较强自研开发能力的企业提供二次开发培训；
4.广义的智能客服产品具有AI平台属性，除了解决客服部门的核心诉求外，还要求能应用到其他业务场景及赋能其他部门，例如在对话服务过程中自动生成业务工单、在制造行业中为售后上门维修师傅提供App虚拟助手等等。
5.企业对智能客服产品价值期望更多元，一般有如下几个：
- 提高服务体验（量化指标：服务满意度、好评率等）
- 降低客服人力成本（量化指标：人力工资成本预算）
- 提高客服工作效率（量化指标：AHT即平均处理时间）
- 赋能业务其他场景（暂无量化指标）
智能客服定制化服务价值差异化：
02 产品化核心要素介绍
二、竹间如何通过对人、知识、服务三要素的产品化来重新定义智能客服
根据竹间的服务经验，针对私有化部署定制化模式，我们将产品化分解为如下三个要素：
知识、对话交互和工具方面的产品化才体现业务深度定制化的智能客服产品优势
知识：这里主要指应用在AI机器人上的知识，产品化过程中需要考虑知识结构形式差异、获取方式、知识输出确定性、使用频率等方面的要素；目标是尽可能满足客服对知识的灵活使用需求；
工具：主要包括两个核心工具的产品化，一是从知识生产和管理角度出发的知识转化工作流产品化；二是深度学习算法为核心的数据工作流产品化闭环；工具产品化目标是在保证机器人服务质量的情况下降低AI训练师团队学习和使用成本；
对话交互：主要针对人机对话交互过程的产品化，通过机器人形象化设置、引入对话交互的基本准则（寒暄识别、澄清能力、表达准确、信息索取等）、赋予机器人智能性（上下文理解）等产品化来提高机器人服务的自然流畅度和类人程度；对话交互产品化的目标是将人机对话交互的体验提升甚至接近人与人之间的对话流畅度；
下面我们对前面三点产品化进行更详细的阐述：
1.知识
机器人知识来源主要是客服经验沉淀、业务知识梳理、线上日志挖掘。常见客服领域的结构化知识主要是QA问答对和以实体-属性-值或者实体-关系-实体为颗粒度的知识图谱，而非结构化知识则是政策文件、各式文档、及H5网页等；相对于目前应用在基于深度学习算法的机器阅读领域的非结构化知识库，结构化知识库的可控性（系统容易被干预）和可解释性（系统白盒且内部透明）更强，更有利于客服部门有效规避风险和及时作出机器人回答的调整。基于此，竹间机器人知识库存的产品化侧重点主要放在结构化知识上
私有化部署定制化的智能客服场景在知识获取上，除了支持静态获取知识问答外，还需要提供从业务系统中获取动态知识进行问答的产品化能力；如下图一个业务点流程：
由于访客用户接入渠道、知识服务群体的多样性，要支持针对不同服务群体和渠道，灵活配置对应的答案；例如电商客服场景，会针对不同渠道来源的客户，有不同的优惠力度和回答话术，这需要产品能支持灵活配置；除此之外，知识库除了用于机器人模型训练和问答之外，可以同时服务于坐席，例如坐席上线时，机器人知识库协助甚至是托管坐席应答，这里竹间产品化支持灵活配置哪些知识对外面向客户服务，哪些知识对内面向坐席服务；
客服场景对一部分知识往往有时效性要求，需要应对临时活动或者突发性事件；针对对突发事件的知识回答（如临时促销活动内容、企业下达的临时文件等），由于结构化知识采集提取的成本比较高，周期较长，客服往往无法在短时间内上线所有新的知识点和解决与业务核心知识点的冲突，传统机器人知识库无法较好应对这种情况；这时竹间通过在核心知识库上搭建一层临时知识库的产品化方式，同时借助机器阅读技术和知识库优先级划分架构，解决这种时效性高、响应速度要求高的业务知识回答；
客服场景用户的咨询分布也符合二八原则，用户80%的咨询问题主要是集中在20%的知识点中；针对用户20%长尾知识咨询，竹间智能客服提供在线日志聚类挖掘新知识、机器人自学习的产品化手段解决；
2.工具
工具产品化的目标是提高效率，那么如何提高AI训练师的工作效率呢？
第一个提供的产品化工具应用在知识生产和管理过程，目的是提高知识转化效率。一般在项目启动时，会通过在线日志、业务文档文件、已有客服知识点来梳理统筹项目整体知识库框架；针对大多数情况，即线上对话日志和已有客服知识点，知识生产的流程基本可以分为下面几个步骤：
数据清理：通过无用对话信息过滤、标点符号去除等技术手段将数据初步转化为可用且易读的信息；
信息挖掘：通过聚类算法、口语寒暄等冗余内容删除技术手段，提炼出知识主干框架及知识分支节点，实现有效信息挖掘；
知识分类：运营和产品实施人员根据业务场景需求，将根据知识结构特点选择相应工具和算法模型，这里要依据奥卡姆剃刀原则，充分权衡落地的成本和收益；
知识生产：对于大多数智能客服产品使用的监督式学习算法模型，对知识进行相应语料和数据标注，同时通过智能语料推荐，提高标注过程的效率，缩短标注时间，同时解决不同知识类型之间冲突问题；
以上流程是零散的工具，竹间智能客服以产品化的方式将工作流的工具串联，提供一套整体解决方案。同时可以结合已有的行业通用知识资产，做到快速构建不同行业领域的知识库。
在知识管理上，提供审核-测试-发布的流程化机制，控制降低将错误知识上线的风险；
第二个提供的产品化工具落地在深度学习算法为核心系统的工作流闭环，目的是降低AI训练师的系统学习和使用成本。竹间智能客服构造NLP领域中深度学习算法的分类-标注-训练-测试-上线-再学习闭环，将所有工具串联提供训练师使用。
其次，竹间提供标准化封装接口，开放NLP底层语义理解能力及实体提取能力，满足有研发能力企业的二次开发需求，将整个系统AI能力输出；
3.对话交互
对话交互产品化的本质，是主动通过标准化产品手段让机器人达到对话交互智能。对于用户来说，核心体验集中在与客服机器人的对话交互上；根据我们经验，我们将交互智能列为如下三个感性要素：
自然：通过不同人设话术（例如可爱调皮、职业沉稳等）及形象（年龄、性别等）的选择，日常寒暄能力及闲聊能力的定制，可以达到自然的对话效果。在客服业务场景，由于需要风险规避，寒暄和闲聊都经过竹间内部严格审核方可提供。同时通过情绪识别产品化，将文本中表达的情绪分类，针对不同的分类给予个性化的安慰或者鼓励，显得人性化。
简洁：简洁的对话体感，主要体现在机器人回答准确简短、不添加不相关信息且以目标为导向上。准确简短是通过精简话术、前端卡片化交互来降低对话中的信息负载来达到。在机器人答案中，支持添加链接、添加图片图文结合的方式，补充主信息的内容，做到答案足够简短，但关键信息又不缺失。
以目标为导向的对话设计也很重要；在客服场景，用户带着明确的目的而来，客服的服务目标是快速帮助用户解决问题。我们提供通过设定最少信息数据收集来推动目标快速达成的产品化功能；
友好：对话的友好性在竹间产品团队看来，主要体现在不指责用户，鼓励用户给出准确的回复，同时能上下文联想直接回答用户的诉求而不必做多余追问，还能通过必要的引导和澄清，帮助用户获得其最终想要的答案。
知识引导及意图澄清的产品化设计：
客服场景下通过遵守以上三个要素（自然、简洁、友好）进行设计，可以输出优秀的对话交互体验，有效帮助用户获得最终答案，降低转人工接入率的同时达到提高服务满意度的双重企业目标。竹间智能客服产品提供以上交互产品化能力。
03 结束语与展望
私有化部署定制的新智能客服相比于传统SaaS云部署模式，与企业客服业务的日常工作核心结合更紧密。竹间产品团队通过核心要素（服务、人、知识）的洞察和产品化，在各个环节提高生产效率，最终帮助企业达成多元的价值目标。未来竹间新智能客服依然是一个面向行业头部的客户AI落地主场景，同时我们也积极寻找合作伙伴与我们一起拓展和颠覆销售营销场景的产品化流程。
