客服机器人参差不齐的主要四个原因

　　日常生活中，人工智能已经随处可见，客服机器人活跃在各商场和营业厅，提供信息咨询和业务办理；外呼机器人辅助完成通知、营销、调研等任务。但同样是机器人，在与人的交互中，有的聪明伶俐，有的却呆板木讷，造成如此“参差不齐”的原因主要在四个方面。

　　01

　　能说会听

　　客服机器人通俗来讲就是借助语音识别、语音合成、语义理解等人工智能技术，以电话、网页、微信、APP以及实体机器人的形式，主动或被动与客户进行交流，完成解答咨询、办理业务、营销推广、用户调查等任务。

　　在整个过程中，客服机器人首先需要“能听会说”，能够将客户语音精准地转为文本，再将系统反馈以流畅、自然、清晰的声音传递给客户。

　　我们在与客服机器人交互过程中，会听到“对不起，xx没有听明白，请换个问法试试，比如。..。..”，很可能就是在语音识别过程中出了问题，遇到方言口音偏重的情况，更是如此。

　　语音合成的效果则会直接影响能否将系统反馈准确传递给客户，特别是涉及到多音字和断句的情况。

　　这就需要在选择客服机器人的过程中，重点关注语音识别的准确率，语音合成的流畅性，行业语料的积累，以及是否能够支持所服务地区的方言语种需求。

　　以捷通华声为四川某银行部署的智能语音导航机器人为例，能够准确识别四川方言，并定制了区别于传统播音腔的素人音库，在自然的交互过程中辅助客户快速完成了业务办理。

　　02

　　能思考会判断

　　能听清楚会表达，还要能思考会判断。

　　为了能够顺利上岗，客服机器人不仅要“认识”每一个字，还要“理解”这些字放在一起是什么意思。

　　以在金融领域广泛使用的灵云智能客服机器人为例，采用捷通华声自主研发的语义理解技术，是基于行业最先进的ELMo算法，由词向量、句向量升级到支持篇章级语义抽取，对上下文的语义理解和多轮对话有了更进一步的提升。

　　自学习功能是客服机器人是否“智能”的关键指标，灵云智能客服能够在基础知识库建成后，生成专属语义模型，不断从用户对话记录中挖掘新的问法及知识点，拓展知识库，越用越聪明，像极了求知欲旺盛的“好学生”。

　　03

　　懂业务会话术

　　技术过硬，但真正让客服机器人拥有“智能”评语的，还是对业务本身的掌握能力。

　　为了让客服机器人能够通过特定的上下文交互流程，引导客户提供必要信息、捕获用户真实意图或完成某项任务。人工智能训练工程师会对客服机器人进行专业的业务培训。业务培训的过程就是知识加工的过程。

　　简单的一问一答即为一条知识，比如：“Q：你吃了吗？A：吃了”，未经加工的知识只能准确回答用户较少的问题，知识加工的意义在于让机器人能够更加灵活的识别更为丰富的用户问题，并给出准确答案，更好的服务用户。

　　以在疫情防控期间助力社区完成人群筛查和宣教工作任务的灵云智能外呼机器人为例。

　　人工智能训练工程师首先会将疫情防控相关的知识通过领域划分、知识提娶知识标准化、知识审核、类别划分等步骤，整理为机器人可消化的知识。之后根据业务情况，进行扩展问加工、实体属性加工、模式加工等知识深加工。最后通过批量测试，验证知识的有效性及准确性，完成知识调优。

　　

　　客服机器人能够以严谨的逻辑和灵活的话术快速完成人群筛查和宣教工作任务，离不开前期的场景制作。

　　捷通华声人工智能训练工程师通过流程话术设计、意图变量整理、可视化流程编辑、节点加工等步骤，让客服机器人学会多轮对话和意图解析。

　　这套逻辑同样适用于精准营销、客户回访、金融催收、客户关怀、问卷调查等场景。

　　04

　　测试再优化

　　一切准备就绪，通过多轮考核（测试）后，客服机器人即可正式上岗。但这仅仅是开始，客服机器人需要在后续服务过程中，不断统计每日交互情况、标注结果及问卷情况，对对话记录、高频问题、交互次数等分析标注，进一步进行知识优化，提高问答准确率，以实现为客户提供“智能化”服务的目的。
责任编辑：YYX