一、客服机器人的功能
智能客服到底是什么？这个问题如果几年前提出来，很多客服员工都会比较模糊，那个时候智能机器人刚刚以阿尔法狗的强势形象出镜，大家在惊叹之余，也开始感到了AI的冲击，还有几分慌乱，各个行业都开始进行智能机器人的研究和试用，客服机器人也是其中之一。我记得当时小i客服机器人在招商银行的应用案例成为我当年引用最多的培训案例之一，当时对它的实用效果还是抱着几分质疑，但是毋庸置疑的是，技术进步带来的结果就是客服机器人的使用范围和功能一直在不断提升，不管是语音识别还是语义理解，都在不断提升准确度，也出现更多的客服机器人的系统厂商，而很多客服部门的管理层，对于客服机器人的理解也越来越深入，对运用场景的要求也渐趋理性，这是我特别乐于见到的现象，毕竟客服机器人的价格都不菲，如果无法带来价值就是一种巨大的浪费。
客服机器人不同于简单的聊天机器人，所以除了通用的语义理解之外，还要理解客人所描述的问题，因此在智能知识库中除了通用词汇部分，还要增加大量的行业知识和业务知识的语汇，并且训练机器能够听懂或读懂客人不同的表述方式，而这一切并不是真的有一个聪明智慧的人在后台不停工作，那不过是一些挖掘算法（语义理解与呈现）和一大堆的知识素材（答案索引）堆积起来的系统帮我们实现的，理解了这个就不难理解客服机器人一定不是一开始就强大的，TA需要你训练，需要你给TA设计一系列规则和流程。
二、客服机器人的入口
客服机器人最初大都部署在在线端，也就是WEBCHAT，可以理解为传统互联网模式的应用场景，因为那时电商的Pageview也大多来自于PC端，但是移动互联网的增量非常猛烈，很快就超过了PC端，这个时候的部署就快速地切换到了移动端，实现的方式就是通过IM、微信和APP等，这其中微信的增速是最快的，这给服务提供者的设计带来了比较大的挑战，因为从客户细分的角度，其实这些客户既有重叠又有所区隔，客户体验控制点与人工服务有所差异，此外还有节点打通的问题（即来自于不同入口的客户服务信息都可见并可操作），而这对于很多传统型的客服中心可能都是先天不具备的。所以从个人经验上来说，进行客服机器人的部署必须先考虑目的和基础，先从可行性比较高的实施方案入手，比如需要分析如果目前在线服务的流量都不是很高，那么哪一种入口可引导的可能性比较大，大部分的传统行业会先从微信入手，因为都有企业公众号，但是微信号是统一运营还是分别运营（既有营销号又有服务号）一般是企业战略部门的事情，服务部门无法掌控，所以至少是服务部分的运营权可以掌握在客服部门的手里，否则在系统上线后要做调整就会相当困难。另外可以考虑的一个入口是在电商平台上（特别是制造业的客服），因为现在很多传统行业的电商平台销售占比都越来越高，客户的咨询售后会直接产生，很容易引导，而银行业、电信行业和航空业在APP上的流量会非常高，那么APP上的智能服务设计就会成为一个必要选择。
语音端的入口也成为很多客服中心的选择之一，但是我个人比较反对首先从语音端进行部署，因为对于现今的客户，除非是比较紧急的问题才会打电话，如果这个时候面对的是一个机器人，客户的体验会相当差，当然这样说不包含智能IVR和智能外呼，这个是另外的应用，不算在客服机器人的范畴。
三、客服机器人的系统实现
一个客服机器人的最终表现由几个基本因素构成——语义理解（能不能识别出客户意图）、答案索引（是不是答非所问）和答案呈现（是不是说的人话，能不能让客户理解）。先说语义理解，这需要通过算法（神经网络、决策树、贝叶斯）来实现，不同的算法在面对不同的训练集的时候会有效果的差异，深度神经网络是目前智能机器人最先进的一种算法，但是这种算法需要大量的训练集（比如阿尔法狗的例子）才能有好的产出，这对于客服训练样本来说就是不具备的，所以算法并非越先进越好，而要结合现状和效果来看；而答案索引和呈现可以通过分词的智能效果、SEO（搜索引擎优化）、知识网格的构建和知识组织的人性化几个维度来评价，我们可以通过通用问题的输入，看智能机器人的回答效果，或者直接了解系统的应用案例。
但是不管多么完美的系统都不可能跳过机器人训练的步骤，而训练集从哪儿来呢？当然是我们日常的聊天记录或通话记录，聊天记录因为是文本，所以可以直接导入训练集，但是通话记录还需要先转文本，当然现在很多做语音识别的公司可以帮企业完成这一步工作，也就是把录音给到这些公司，可以直接转成文本（不仅仅有文字，还可以打标签）还回来，我们再用这些文本作为训练集导入，这是一个耗时的过程，需要不断调整系统设置，所以通常需要系统厂商一起完成。
四、智能服务的流程设计
智能服务的流程需要顶层设计，之前提到的打通节点非常关键，因为智能服务的绝大部分数据来自于客户的点击和输入，只有流程闭环，才能看清客户体验路径，才有优化的基础。最佳的实践是可以将人工服务中的语音、文字聊天和从不同平台来的智能服务交互都统合起来，在后台系统中通过客户信息索引可以查看到客户在一段时间内的所有服务过程，这样的数据链路是最优的，即便不能达到这种实现，也可以在智能服务的不同入口实现通路。所以在部署规划的初期，要把智能服务的系统画入整个系统实现图中，完成必要的系统对接。
智能服务的另一个流程设计是实现机器人与人工服务的对接，记忆中两年前去体验一些企业的在线客服机器人，发现要么完全找不到人工服务的入口，要么放到一个非常隐蔽的地方，当然可以理解那个时候是希望通过强制使用去获取更多的自助服务量，但是当客户体验不佳的声音反馈回来后，大都做了调整，把人工服务的入口放到更显眼的位置，但是这带来的后果就是很多客户会直接点击人工服务进入，而完全不理会机器人的卖萌寒暄，人工服务的压力几乎没有减轻。智能服务的目的是为了减少进入人工的量，从这个目标出发，可以有两种优化的手段，一种是可以尽量隐藏人工服务的入口显示，强制让客户接受机器人服务，但是必须辅以客户知识库，也就是客户可以选择与机器人交互，也可以根据树状知识库自己定位答案，只需在交互栏提醒客户知识查找的关键字或搜索方式。而另一种手段是不必让客户察觉到是与机器人交互，完全是人工服务界面，对于智能机器人可以索引出的问题，直接给出答案，而机器人没有答案的问题会即时推送人工，由人工编辑回答，而这个答案也会直接作为机器人的训练集，这种设计方式我称为交叉服务，因为客户不再有先入为主的观念，更容易接受。
因此想让客服机器人变聪明是需要很多后天的努力的，不过机器人的进步速度会比我们想象的快很多，只要方向正确，TA就一定会给企业带来价值。
