CTI论坛(ctiforum.com)（编译/老秦）:聊天机器人很热。它们已经成为您的营销工具，随着机器学习使它们能够处理越来越广泛的问题，以及公司正在考虑采用新的部署方法，聊天机器人的使用有望增长。根据《研究与市场》报告，聊天机器人市场预计将在2018年至2022年之间实现24.3％的复合年增长率（CAGR）。但是，像其他任何工具一样，聊天机器人在发布之前需要经过深思熟虑。
请记住，聊天机器人不仅是转移呼叫和增强客户服务的一种方式；专家说，它也将反映您的品牌。例如，您的近期目标可能是使客户采用自助服务并减少通话量。您的聊天机器人将成为您品牌的代表，这意味着它需要忠实地反映品牌信息，产品营销策略以及客户所期望的体验质量。但是，根据PitneyBowes白皮书，聊天机器人的失败率可能高达70％。这里的失败被定义为聊天机器人无法完成其工作并将问题发送给人工处理。
考虑到所有这些因素，我们与几位专家进行了交谈，希望得到他们对过程中每个阶段聊天机器人开发关键要素的想法。
定义您的聊天机器人策略
为了确保成功部署聊天机器人，企业需要首先定义其理想的业务目标。Verint Intelligent Self-Service产品营销副总裁Jen Snell说：这听起来似乎很明显，但是在急于部署对话式AI解决方案的过程中，这是必不可少的第一步，而这一步骤却常常被人们忽略。任何成功的技术实施都应支持您的底线。聊天机器人也不例外。您的KPIs必须直接反映您的总体目标和更广泛的业务策略。
Verint总裁Elan Moriah，Verint首席执行官Dan Bodner以及在5月举行的Verint Engage19会议上的其他几位发言人说，对于大多数人而言，更广泛的业务策略将意味着聊天机器人和在线客服人员的某种结合。他们一致认为，聊天机器人的最佳回报是使用它们来处理平凡的例行交互（例如，我的余额是多少？），以便人工座席可以处理投诉和其他更复杂的问题。由于来自社交媒体和其他渠道的互动越来越多（一些人估计与客户的互动量增加了350％），公司不能只依靠人工，而是需要聊天机器人来处理始终在线时代中越来越多的交互。
了解客户如何与您互动以及如何最有效地部署聊天机器人来满足他们的需求至关重要。不要以为您知道客户想要什么，或者他们可能会如何获取它，Snell建议。查看数据，然后设计和部署聊天机器人以解决现实问题（而不是您的假设）和满足客户的需求。
专心快速部署
Alegion工程部高级主管Brent Schneeman认为，另一个考虑因素是公司是否要使用多种聊天机器人，每种聊天机器人都是为特定服务（例如付款）而开发的，还是使用更少，更通用的聊天机器人来处理更广泛的问题。
Snell建议确定自动化将为哪些领域提供最快的回报，并首先为那些领域开发聊天机器人。定义主要用户以及要提供给每个用户的不同类型的体验。然后整理内容。上下文是关键。您开发的上下文越好，您创建的聊天机器人就越有价值，人们将能够更好地使用它。
为了确定哪种部署将产生最佳的回报，Snell建议公司在设计聊天机器人策略和实施时咨询市场，通讯，IT，业务开发和客户服务方面的人员，以确保解决方案能够满足整个企业的需求并与之匹配您的愿景和目标。
Snell说，至关重要的是要清楚地识别公司想要的定量和定性结果。在设计和部署聊天机器人之前，通过常见搜索词或网页流量收集的定量数据可用于生成有关客户行为和期望的系统分析。通过将[以上]原则放在部署策略的最前沿，组织可以确保他们部署的解决方案将产生理想的和可盈利的结果，Snell说。
Schneeman认为，另一个考虑因素是该公司将使用几个为特定服务开发的聊天机器人，还是使用更少，更通用的聊天机器人来处理更多主题。尽管自然语言理解使这些聊天机器人能够以不同方式回答这些问题的不同表达（例如，我的余额是什么？，我的余额是多少？，等等）。Snell同意，自然语言理解对于聊天机器人的成功至关重要。聊天机器人需要能够理解提出问题的各种方式，并在必要时澄清问题。澄清问题的答案可用于进一步训练聊天机器人识别将来类似查询的初始问题。
Alegion首席数据科学家Cheryl Martin说，特定主题的聊天机器人的优势在于，与处理各种问题的聊天机器人相比，它们可以得到训练并可以更快上线。但是，这些点式聊天机器人还必须能够识别客户何时询问非核心（针对该聊天机器人）主题，然后快速无缝地将问题转移给与客户新查询相匹配的正确聊天机器人。
对于每个聊天机器人来说，问题应该是：'您知道交互的当前状态吗？'如果推断交互问题应该由另一个聊天机器人处理，那么它将被路由到该聊天机器人，Schneeman说。
但请记住，如果聊天机器人的功能定义太狭窄，管理多个聊天机器人的复杂性可能会阻碍自动化的效率。
通过建立长期的业务和IT愿景，组织可以克服这一问题，Snell说。这个愿景应该考虑聊天机器人和相关技术如何支持远远超出首次部署的业务目标。此外，企业应优先考虑其员工之间协作文化的管理。归根结底，只有在组织没有分裂为孤立的部门的情况下，才能将技术带出孤岛。
PubNub首席产品经理Jeremy Pollock说，在设计聊天机器人时，公司必须确定消息流的逻辑--消息如何从一个步骤转移到下一步骤。将逻辑层与聊天机器人层分开是很重要的。当您转向对话方式时，您就可以在聊天机器人和所有数据之间建立桥梁。
APIs为数据提供了必要的桥梁，Pollock解释说。您需要查看如何路由消息--您要与之交互的不同主题和不同渠道。拓扑非常重要。您需要了解用法。您需要确定最活跃的聊天客户。
Pollock解释说，了解谁将成为聊天机器人的最活跃用户并开发最适合他们的拓扑结构也很重要。
整合您的聊天机器人
许多聊天机器人项目之所以失败，是因为它们与ERP，CRM或其他基础数据所在的系统缺乏适当的集成，因此它们无法提供所需的数据，或者只能处理非常有限的无需人工干预的请求，Ushur的创始人兼首席执行官Simha Sadasiva说。大多数目的都是为了减少人工处理的电话交互量。每当您需要人工干预时，这都是昂贵的。
当聊天机器人无法完成工作或找不到可以做到的人时，也会影响客户满意度。Sadasiva说：您需要智能的自动化，这样聊天机器人才能完成不仅仅是简单的任务。它不仅需要了解问题所在，还需要了解工作流程以及客户感兴趣的内容。
Sadasiva说，一个好的聊天机器人可以在没有大量IT基础架构的情况下协调对话。您需要在聊天机器人中嵌入智能。
还要考虑一下，一个出色的会话式自助服务解决方案需要与多个记录系统集成，以便在整个站点中进行自助服务。通过让整个组织的利益相关者参与进来，您可以更好地确保整个客户体验中每个部门角色的完整性。
上线，收集数据
专家们同意，一旦公司将聊天机器人上线，下一步就是继续从交互中收集数据，以尝试改善聊天机器人。
现代公司一直在监视和衡量，Schneeman说。他们希望优化，优化，优化和测试，测试，测试。他们永不停止尝试改进。他们一直在监视和扩展自己的聊天机器人的功能。
Snell说，定性信息将来自部署后的聊天记录，并且可以提供有关客户如何询问其需求的宝贵见解。这将帮助您更好地了解客户的意图，并适应您的系统，以便随着时间的推移更好地为他们服务。这可能意味着寻找新的回答问题的方法。
Sadasiva补充说，例如，您的聊天机器人应连接到组织内的可用多媒体。您不仅可以提供语音或文本回复，而且还可以包括视频，相关文章，博客以及公司自有知识库中的其他信息。
还可以部署聊天机器人，以提供答案，知识库文章以及其他信息，以供座席自己接受教育或让座席转发给客户。例如，可以对聊天机器人进行编程，以在对话开始朝该方向发展时，发送座席规格表或产品修补程序上的操作视频。座席可以与客户讨论详细信息，并在有担保的情况下转发信息。
PubNub的Pollock表示，另一个使聊天机器人对组织更有价值的要素是入站--出站消息操纵。公司通常通过自己的自定义代码运行入站消息。如果改用开放代码，则可以根据询问特定问题的次数来更好地对其进行操作。对于聊天和聊天机器人应用程序，专有的后端代码通常用于内容审核，亵渎过滤和基于机器学习的语言翻译，Pollock解释说。这会增加聊天体验的延迟，因为通常聊天数据流中会涉及更多的网络跃点，但同样重要的是，此方法通常会导致自适应逻辑减少。借助无服务器计算模块（位于网络边缘，消息流入聊天和聊天机器人应用程序中），便可以将低延迟逻辑分离为易于修改的功能。
例如，如果代码在网络上运行，则可以轻松地修改聊天机器人的翻译功能。一家公司可以对其进行修改并合并路由逻辑，以使不同的入站消息可以遵循不同的路径，例如，人们可能会发现，亚马逊的翻译服务更适合西班牙语，微软的翻译服务更适合德语，因此，基于消息属性，可以使不同语言的消息被路由到不同的翻译服务。
潜在的陷阱
尽管聊天机器人已在许多实现中证明是成功的，但仍有陷阱可能导致失败，或者至少会导致收益远低于预期。
根据Snell的说法，当初次部署聊天机器人时，组织经常犯错误的想法，即忽略项目而不是将技术视为功能广泛的业务解决方案。结果，当聊天机器人具有在整个组织中积极支持团队及其目标的能力时，它们将对聊天机器人的理解仅限于纯技术资产。这就是在初始开发阶段让整个组织的利益相关者参与进来是很重要的原因。
但是专家们认为，任何聊天机器人的部署都应从小做起，以便可以快速识别和纠正逻辑层中的任何漏洞，应用程序之间的集成等。
您需要一个灵活的集成框架；您需要确定与哪些服务交互才能进行客户业务报告和访问客户数据。Pollock说。您还需要拥有正确的分析跟踪技术。您可以利用在其平台中具有跟踪功能的云提供商。
部署后继续优化
Snell说，组织需要不断地监控聊天机器人所进行的用户交互，以确定它是否按预期运行，还需要确定是否有增强或扩展性能的方法。评估聊天机器人的性能可能很困难，因为许多聊天机器人每天要进行200，000次独特的客户互动。显然，在数据集如此之大的情况下评估成功所需的工作是任何人都无法合理地进行的。这就是为什么在任何聊天机器人部署中，将人机分析结合在一起至关重要的原因。
Snell解释说，将机器和人工分析相结合，使企业能够为他们创建准确的（可行的）基准，甚至具有巨大的数据目标。以一个聊天机器人协助客户购买机票的例子为例。机器分析可以确定用户在与聊天机器人对话结束之前是否成功购买了机票。人工分析可以为未来对话增强寻找机会，包括服务的提升。
尽管每个公司的成功指标会有所不同，因为每个公司的聊天机器人部署都有不同的目标，但是对于大多数实施而言，还是有一些很重要基本要素的。这个聊天机器人会增加收入吗？它会促进跨团队合作吗？最后，此部署是否可以简化现有流程？如果您可以回答这些问题，则说明您已成功进入了聊天机器人的发展快行道。
声明:版权所有 非合作媒体谢绝转载
作者：家菲利普·布里特（Phillip Britt）
原文网址：https://www.speechtechmag.com/Articles/Editorial/Features/Chatbot-Development-Your-Guide-to-Getting-It-Right--133484.aspx
