溫馨提示：篇幅較長，可點擊目錄查看對應節點。

1.機器人搭建期

搭建機器人包含：素材整理、問題提煉、相似問題補充、答案編輯、問題分配引擎等等步驟，不同廠商可能有所區別，但關鍵功能的實現離不開以下步驟。

1.1素材整理

語料源來自于哪里？

如果我們計劃構建一個知識庫，首先需要明確它的目的和用途。

例如，在電商領域，我們希望機器人能夠回答一些頻繁出現的問題，例如發貨時間、退貨流程和換貨政策等。為了實現這一目標，我們需要將這些問題整理并存儲在知識庫中。

再比如，在職工醫保咨詢場景下，我們希望機器人能夠解答一些關于醫保報銷和刷卡等方面的問題。為了使機器人能夠準確地回答這些問題，我們需要將相關的知識點整理并存儲在知識庫中。

放什么知識取決于我們的業務場景以及我們的需求。

常見的素材整理的方式有以下四個：

1、客服已有的知識庫：基于客服與用戶直接接觸的經驗，他們能夠明確了解用戶關注的問題和常見的高頻問題。因此，通過整理這些問題并構建知識庫，可以提供更加有價值的信息。

2、歷史對話日志。可以嘗試用最近三個月的歷史會話去做意圖聚類，然后提煉出一些高頻問題放到知識庫中。無論是與機器人還是人工進行的對話，這種聚類方式的會話數據都是來自真實訪客的具體聊天記錄。因此，通過這種方式提煉出高頻問題能夠真實反映用戶關注的問題。此外，問題聚類的方式包含了各種真實的問法，有助于提高機器人匹配率，使我們在編寫相似問法時更加得心應手。

3、歷史工單。客服在日常處理客戶問題時積累了大量工單，可以幫助企業完善知識庫。

4、文章政策：相關行業的文章政策也可以作為信息源提取知識。

確定以后，在根據問題編寫答案時，建議采取問候語+問題名稱+問題答案的方式進行編寫，這樣可以更清晰地回答問題并提高回答的準確性。

例如：

問題名稱：如何查詢訂單狀態？

問題答案：您好，查詢訂單狀態，您可以登錄我們的網站或APP，在訂單頁面查看您的訂單狀態。如果您需要更詳細的幫助，可以聯系我們的客服團隊。

1.2確定知識類型與對應問答引擎

在確定標準問題以后就需要判斷標準問法的知識形態。

現在很多的知識庫里基本上有 80% 左右的知識形態都可以通過一問一答， FAQ 的形式去處理。而那些多輪的會話，也就是用戶進線后他說的話，我們是沒辦法去判斷他的精準意圖的。

基礎課16——FAQ 問答引擎-CSDN博客

舉個銀行智能客服例子，比如修改密碼，密碼有登錄密碼，有支付密碼，那么機器人就需要去進行意圖確認。比如“您現在想要修改登錄密碼還是要修改支付密碼？”然后根據訪客的回答，我們推出對應的答案。這種情況就屬于多輪會話，因為他不是一問一答就結束話題了，而是需要我們用一觸即達的方式去處理。

基礎課17——任務問答引擎-CSDN博客

除了這種方式以外，還有二維表格結構這樣的知識形態。舉個例子，比如二維可以把它理解為 X 軸和 Y 軸，兩個軸交匯就是具體的一個答案了。拿具體例子來看，比如售前咨詢，比如針對不同型號的產品屬性信息，如果它的型號有非常的多，那么答案也就很具體。那么，我們就可以用二維的方式，用表格知識圖譜的方式把它做出來。

產品名稱	所屬類別	價格（元）
iPhone	手機	6499
iPad	平板電腦	3299
MacBook	筆記本電腦	9999
Apple Watch	智能手表	3199

基礎課18——表格問答引擎-CSDN博客

如果有的問題它本身就超級復雜，可能機器人沒辦法處理必須要人工客服去處理，針對這部分的問題我們就需要剔除或者提煉出關鍵詞可以讓機器人識別的時候直接轉到人工客服那邊。如果有專門處理的方式，比如投訴方面，我們可以指定一個專門的客服組或者具體到某個客服，讓他去解決這個問題，接待訪客的投訴。

所以知識形態不同，處理方式也是不一樣的。

1.3答案編寫規范

智能客服旨在通過QA問答給予客戶想要的答案，解決客戶的問題。我們可以通過以下方法，規范化答案格式，減少我們與客戶之間的“噪聲”。

• 答案格式

建議答案用問候語+問題名稱+問題答案的方式去展示。例如：

Q：PLUS會員運費規則

A：您好，感謝您對PLUS會員的關注，PLUS運費券權益已于23年8月23日0點起升級為PLUS無限免郵（如是購買的PLUS月卡會員效期免郵額度為60元，PLUS試用會員效期免郵額度為6元），您賬戶中運費券及取消退回運費券均會同步取消，下單結算時自動抵扣訂單中的運費。

• 盡量保證答案的簡潔性

舉個例子，我咨詢了一個問題：睡眠面膜是多少錢？機器人回答了一個答案，還寫了面膜的使用方法。大家覺得有沒有問題呢？

首先，問題的意圖是，客戶想知道面膜是多少錢，那這個答案是包含的。其次，還說了一下使用方法。像這種情況，我建議我們可以針對反饋意圖去做回答，盡量保證答案的簡潔性。

• 添加關聯問

如果在價格的基礎上，你覺得用戶還可能會問面膜是怎么使用的以及適用哪些膚質等等這類的問題，我們可以把這些問題做成單純的 FAQ 然后通過關聯問的形式，在答案的下方一條一條地展示出來，如果訪客他感興趣就會點擊答案下面的標準問題，就可以直接獲得答案了。

• 插入鏈接或按鈕跳轉

假設問題是如何退貨？機器人是有很多功能，比如你可以在回答里插入鏈接，插入短視頻，配置圖片或者做一個跳轉的按鈕等等，像這樣的答案其實就是一個操作的步驟，本身是沒有問題的，但是如果實際用戶真的問到了如何退貨的這種問題，需要用戶按照機器人的回答一步一步去操作，他可能會反復來回查看答案，然后再一步一步跟著走，這對用戶而言其實是很麻煩的一件事情。

那我們怎么優化呢？比如我們可以做一個按鈕，讓訪客一鍵點選就可以直接退貨了，也就是我們相應的推出他的訂單信息，點一下就可以直接退貨了。這種方式是非常快捷方便的，這是它的一個易讀性。

目前市面上很多智能客服，尤其是語音客服回復的答案未能解決客戶問題，機器人播報答案客戶沒聽清、沒理解等情況是比較突出的痛點。怎么解決？提供以下思路：

控制答案字數、請同事試聽、支持答案追問...（歡迎私信討論）

1.4相似問題的編寫規范

相似問題我們編寫的時候要注意哪些點呢？

第一，意圖要明確。

比如標準問題的意圖是”優惠券如何使用？“下圖中，相似問法則寫的五花八門，和標準問題的意圖不相干，就是一個錯誤案例演示。

我們寫相似問題的時候，它的意圖一定要和優惠券如何使用是一個意圖。其次意圖是必須一致的，不要去維護各種五花八門的和意圖本身沒有關系的問題。如果這樣維護，我們推出去的答案也解決不了問題。

第二，相似問法的維護，要盡量清晰簡潔。

第三，思考一下這個問法有沒有必要。

第四，問法有一定豐富性。

問法豐富了以后，它覆蓋的面也就越廣，機器人的理解識別能力自然也會越強。在我們知識都準備好之后，就可以去做知識的配置了。

1.5基礎功能配置

這邊有很多的基礎功能，比如歡迎語、導航菜單，以及它的轉人工按鈕，或者訪客詢問多次以后，我們就可以讓機器人轉到人工客服那邊去接待，或者訪客連續問了兩個問題或者三個問題，機器人都沒有能夠理解，這種情況下，我們可以判斷出用戶的問題可能是在庫里沒有對應的知識點，需要人工客服去接待。我們就可以無感知地將用戶轉到人工客服那邊。

1.6詞庫配置

詞庫是自然語言理解的基礎，豐富的詞庫有利于提高機器人的識別能力。

• 相似詞就是用來提升機器人的理解能力的，比如在某些業務場景下，蘋果是指iPhone手機，兩種說法是一個意思。如果我們把它去作為一個相似詞做一下關聯，寫相似問法的時候就可以少寫很多。當訪客去咨詢的時候，不管他說的是 iPhone 還是蘋果，機器人都能直接 get 到他說的意思。

詞庫可以分為通用詞庫和行業專屬詞庫兩部分，通用詞庫就行中華字典（包含常見的詞語），行業專屬詞庫則是對通用詞庫的補充。例如金融行業、電商行業各有自己的一些專用詞，在面對不同客戶時，需要應用到不同的行業專屬詞庫。

• 停用詞是用來提升機器人的抗干擾的能力，比如客戶咨詢的時候說了很長一串話，其實他里面有一些文字和意圖本身是沒有關系的。

比如說“您好，我想問一下什么什么”，像前面這幾個字，“您好，我想問一下”本身是沒有意圖的，那我們就可以把這部分內容放到我們的停止詞庫里，當訪客咨詢的時候，機器人就會把這些過濾掉，再去看看剩余的內容里具體問的是什么意思。

1.7知識庫測試調優

當我們的知識庫都搭建好了以后，就可以看測試效果了。我們以數據指標為抓手，控制智能客服的質量。（數據指標詳見基礎課23）

比如它的意圖識別率不高，我們就看具體是哪個問題沒有匹配或者哪個問題的答案不合適等等，然后去做對應的調優，這就是對應的處理方式。

或者比如輸入一個問句，然后這個機器人回答了這個問題的答案，但我們希望它給出的是另一個答案，但是這個答案好像也行。那我們就要考慮一下是不是這兩個知識點之間是存在覆蓋的。如果存在，我們建議把它整合成一個知識點。

2.機器人運營期

當機器人上線以后，就進入到了機器人運營的階段。運營期主要做知識庫的增刪改、輸出數據指標、客戶反饋優化的工作。

2.1知識庫的增刪改

知識庫搭建后并不是一勞永逸，需要根據政策、市場、客戶要求不斷更新答案，新增知識點等等。

2.2輸出數據指標

運營主要是圍繞兩個指標和三個元素。

兩個指標，一是匹配率，也就是用戶問的問題，機器人能不能夠正確理解？二是解決率，也就是當訪客咨詢的時候，機器人給出的答案有解決訪客的問題嗎？是否有訪客看完答案還是解決不了問題？面對這種情況，我們就需要針對具體的案例分析是為什么沒有解決，要怎么去提升。

關于三個元素，標準問題，相似問題和答案。相似問題和標準問題是強相關的，相似問題是用來提升機器人的理解能力，也就是它的匹配率。答案和解決率是強相關的，答案本身是否有效，是否能夠解決用戶的問題，直接決定了機器人的解決率。

2.3客戶反饋優化

解決率低的常見原因

1、知識缺失。知識庫里是沒有知識點，所以機器人是沒辦法回答用戶的問題。

2、匹配錯誤。

• 知識庫里有知識點，但是我們沒有類似的用戶問法，導致機器人沒能理解，也就沒辦法回答用戶的問題。

• 庫里的知識點很龐雜，相互交疊，可能一個知識點，維護了三條甚至更多。這樣就會導致當用戶問問題的時候，機器人推薦的精準匹配性會比較弱

3、答案設置的不合理。

4、人工入口策略設置不合理。

解決率提升策略大致分為四種情況：

1、正確匹配了，但是訪客就是給了一個差評。

我們可以有三點分析：一是答案本身能否解決問題 ，二是如果我們開啟了差評，支持用戶做備注，那我們可以看一下用戶備注的情況，是為什么差評了？分析他差評的原因，然后根據客戶的意見完善我們的答案內容。第三是去提升一下答案的展示效果，比如有一些單個問題的答案，可能一下子放了 2000 甚至更多的字，用戶在看到這樣的一個答案的時候，第一眼肯定感覺壓力是有點大的，這可能會讓用戶有一個很暴躁的情緒。我們可以通過分段、字體加粗、添加顏色等方式改善答案的展示效果。

2、針對問法未匹配，但是知識庫里存在這個知識點的答案。

我們需要去提升匹配準確率，也就是把這個問法添加到我們的庫里。

3、新知識

需要判斷一下，這個問題屬于高頻問題嗎？有沒有維護的價值？如果說這個問題它本身很少見，可能兩三個月都沒有人能會問一次，那我們可以考慮放棄就忽略掉這個問題。如果這個問題它確實被問到的次數很多，那它就是很具有價值的問題，我們就可以把它作為一個標準問題添加到我們的知識庫里。

4、匹配上了，但是這個知識點是錯的。

那我們就可以看它為什么會匹配錯，是不是被匹配錯的這個標準問題里面，它的問法和它的相似問法是不是有什么不對的地方。

其次可以考慮一下，如果知識庫里已經存在這個問題了，那我們把這個問法加到對應的標準問題的下方作為相似問法維護進去，這樣是不是訪客下次咨詢的時候，我們的機器人就能夠正確回答了？如果庫里匹配錯了，是因為庫里沒有這個知識點，我們就要考慮這個知識點我們要不要提煉出來做一個標準問題維護進去，這就是解決率提升的大概思路。

3.突破期

通過持續的運營，我們會產生大量的線上數據，如果我們放任這些數據不管不顧，就會與客戶脫離。因此通話質檢顯得極為必要。

目前很多智能客服都配套有通話質檢功能，通過人工質檢，輸出語音轉寫準確率、意圖識別準確率、整通解決率等等指標。

通過質檢過程與指標對比，我們可以更清晰的定位問題，解決問題。

?3.1 評價指標的范圍

• 性能指標:用于衡量人工智能客服語音識別及語義理解能力，主要包括語音識別準確率、問題識別率、意圖理解準確率等。
• 運營效果指標:用于衡量人工智能客服在客戶體驗提升、服務分流等方面的能力，主要包括交互準確率、問題解決率、智能分流率等。

3.2 評價指標的方法

3.2.1 抽樣法

根據交互樣本標注數據推算人工智能客服評價指標的方法。按照GB/T 21664-2008規定，假設事項發生率為50%、絕對誤差為1%時，所需的必要樣本量為1萬。完成樣本抽取后，與標注人員對本單位業務流程判定的結果進行對比，一致即為正確。

3.2.2 報表法

根據系統運營數據計算人工智能客服評價指標的方法。典型的系統運營數據包括進線量、交互數、客戶評價數、轉人工進線量。

3.3 評價指標的內容

?

3.4針對性優化

突破期需要根據客戶重點關注的指標，如轉人工率，不斷地優化以達到客戶滿意的效果。

最佳實踐分享：

例如，在智能客服中，有一個很常見的指標叫做轉人工率，轉人工率越低，說明機器人解決率越高。

假設當前的轉人工率為70%，客戶要求轉人工率降低到35%。

那么我們首先需要拆分用戶轉人工的原因：

例如：來電直接轉人工，對答案不滿意-要求轉人工，多輪不按提示回-要求轉人工，新知識，拒識超時三次轉人工等等，通過分析各種情況的權重，得到優化的優先級，進而分解成項目階段與項目任務落實到團隊或個人。通過持續的跟進復盤，相信你也會取得不錯的效果。
基礎課21——搭建運營SOP-CSDN博客文章瀏覽閱讀493次，點贊15次，收藏13次。SOP（Standard Operating Procedure三個單詞中首字母的大寫）即標準作業程序，就是將某一事件的標準操作步驟和要求以統一的格式描述出來，用來指導和規范日常的工作。SOP不是單個的，是一個體系，雖然我們可以單獨地定義每一個SOP，但真正從企業管理來看，SOP不可能只是單個的，必然是一個整體和體系，也是企業不可或缺的。構建SOP旨在將業務推向標準化、流程化、自動化。https://blog.csdn.net/2202_75469062/article/details/134765085