智能客服到底是什么？這個問題如果幾年前提出來，很多客服員工都會比較模糊，那個時候智能機器人剛剛以阿爾法狗的強勢形象出鏡，大家在驚嘆之余，也開始感到了AI的沖擊，還有幾分慌亂，各個行業(yè)都開始進行智能機器人的研究和試用，客服機器人也是其中之一。我記得當時小i客服機器人在招商銀行的應用案例成為我當年引用最多的培訓案例之一，當時對它的實用效果還是抱著幾分質(zhì)疑，但是毋庸置疑的是，技術進步帶來的結果就是客服機器人的使用范圍和功能一直在不斷提升，不管是語音識別還是語義理解，都在不斷提升準確度，也出現(xiàn)更多的客服機器人的系統(tǒng)廠商，而很多客服部門的管理層，對于客服機器人的理解也越來越深入，對運用場景的要求也漸趨理性，這是我特別樂于見到的現(xiàn)象，畢竟客服機器人的價格都不菲，如果無法帶來價值就是一種巨大的浪費。

　　客服機器人不同于簡單的聊天機器人，所以除了通用的語義理解之外，還要理解客人所描述的問題，因此在智能知識庫中除了通用詞匯部分，還要增加大量的行業(yè)知識和業(yè)務知識的語匯，并且訓練機器能夠“聽懂”或“讀懂”客人不同的表述方式，而這一切并不是真的有一個聰明智慧的“人”在后臺不停工作，那不過是一些挖掘算法（語義理解與呈現(xiàn)）和一大堆的知識素材（答案索引）堆積起來的系統(tǒng)幫我們實現(xiàn)的，理解了這個就不難理解客服機器人一定不是一開始就強大的，TA需要你訓練，需要你給TA設計一系列規(guī)則和流程。

　　客服機器人最初大都部署在在線端，也就是WEBCHAT，可以理解為傳統(tǒng)互聯(lián)網(wǎng)模式的應用場景，因為那時電商的Pageview也大多來自于PC端，但是移動互聯(lián)網(wǎng)的增量非常猛烈，很快就超過了PC端，這個時候的部署就快速地切換到了移動端，實現(xiàn)的方式就是通過IM、微信和APP等，這其中微信的增速是最快的，這給服務提供者的設計帶來了比較大的挑戰(zhàn)，因為從客戶細分的角度，其實這些客戶既有重疊又有所區(qū)隔，客戶體驗控制點與人工服務有所差異，此外還有節(jié)點打通的問題（即來自于不同入口的客戶服務信息都可見并可操作），而這對于很多傳統(tǒng)型的客服中心可能都是先天不具備的。所以從個人經(jīng)驗上來說，進行客服機器人的部署必須先考慮目的和基礎，先從可行性比較高的實施方案入手，比如需要分析如果目前在線服務的流量都不是很高，那么哪一種入口可引導的可能性比較大，大部分的傳統(tǒng)行業(yè)會先從微信入手，因為都有企業(yè)公眾號，但是微信號是統(tǒng)一運營還是分別運營（既有營銷號又有服務號）一般是企業(yè)戰(zhàn)略部門的事情，服務部門無法掌控，所以至少是服務部分的運營權可以掌握在客服部門的手里，否則在系統(tǒng)上線后要做調(diào)整就會相當困難。另外可以考慮的一個入口是在電商平臺上（特別是制造業(yè)的客服），因為現(xiàn)在很多傳統(tǒng)行業(yè)的電商平臺銷售占比都越來越高，客戶的咨詢售后會直接產(chǎn)生，很容易引導，而銀行業(yè)、電信行業(yè)和航空業(yè)在APP上的流量會非常高，那么APP上的智能服務設計就會成為一個必要選擇。

　　語音端的入口也成為很多客服中心的選擇之一，但是我個人比較反對首先從語音端進行部署，因為對于現(xiàn)今的客戶，除非是比較緊急的問題才會打電話，如果這個時候面對的是一個機器人，客戶的體驗會相當差，當然這樣說不包含智能IVR和智能外呼，這個是另外的應用，不算在客服機器人的范疇。

　　一個客服機器人的最終表現(xiàn)由幾個基本因素構成——語義理解（能不能識別出客戶意圖）、答案索引（是不是答非所問）和答案呈現(xiàn)（是不是說的人話，能不能讓客戶理解）。先說語義理解，這需要通過算法（神經(jīng)網(wǎng)絡、決策樹、貝葉斯）來實現(xiàn)，不同的算法在面對不同的訓練集的時候會有效果的差異，深度神經(jīng)網(wǎng)絡是目前智能機器人最先進的一種算法，但是這種算法需要大量的訓練集（比如阿爾法狗的例子）才能有好的產(chǎn)出，這對于客服訓練樣本來說就是不具備的，所以算法并非越先進越好，而要結合現(xiàn)狀和效果來看；而答案索引和呈現(xiàn)可以通過分詞的智能效果、SEO（搜索引擎優(yōu)化）、知識網(wǎng)格的構建和知識組織的人性化幾個維度來評價，我們可以通過通用問題的輸入，看智能機器人的回答效果，或者直接了解系統(tǒng)的應用案例。

　　但是不管多么完美的系統(tǒng)都不可能跳過機器人訓練的步驟，而訓練集從哪兒來呢？當然是我們?nèi)粘５牧奶煊涗浕蛲ㄔ捰涗�，聊天記錄因為是文本，所以可以直接導入訓練集，但是通話記錄還需要先轉文本，當然現(xiàn)在很多做語音識別的公司可以幫企業(yè)完成這一步工作，也就是把錄音給到這些公司，可以直接轉成文本（不僅僅有文字，還可以打標簽）還回來，我們再用這些文本作為訓練集導入，這是一個耗時的過程，需要不斷調(diào)整系統(tǒng)設置，所以通常需要系統(tǒng)廠商一起完成。

　　智能服務的流程需要頂層設計，之前提到的打通節(jié)點非常關鍵，因為智能服務的絕大部分數(shù)據(jù)來自于客戶的點擊和輸入，只有流程閉環(huán)，才能看清客戶體驗路徑，才有優(yōu)化的基礎。最佳的實踐是可以將人工服務中的語音、文字聊天和從不同平臺來的智能服務交互都統(tǒng)合起來，在后臺系統(tǒng)中通過客戶信息索引可以查看到客戶在一段時間內(nèi)的所有服務過程，這樣的數(shù)據(jù)鏈路是最優(yōu)的，即便不能達到這種實現(xiàn)，也可以在智能服務的不同入口實現(xiàn)通路。所以在部署規(guī)劃的初期，要把智能服務的系統(tǒng)畫入整個系統(tǒng)實現(xiàn)圖中，完成必要的系統(tǒng)對接。

　　智能服務的另一個流程設計是實現(xiàn)機器人與人工服務的對接，記憶中兩年前去體驗一些企業(yè)的在線客服機器人，發(fā)現(xiàn)要么完全找不到人工服務的入口，要么放到一個非常隱蔽的地方，當然可以理解那個時候是希望通過強制使用去獲取更多的自助服務量，但是當客戶體驗不佳的聲音反饋回來后，大都做了調(diào)整，把人工服務的入口放到更顯眼的位置，但是這帶來的后果就是很多客戶會直接點擊人工服務進入，而完全不理會機器人的賣萌寒暄，人工服務的壓力幾乎沒有減輕。智能服務的目的是為了減少進入人工的量，從這個目標出發(fā)，可以有兩種優(yōu)化的手段，一種是可以盡量隱藏人工服務的入口顯示，強制讓客戶接受機器人服務，但是必須輔以客戶知識庫，也就是客戶可以選擇與機器人交互，也可以根據(jù)樹狀知識庫自己定位答案，只需在交互欄提醒客戶知識查找的關鍵字或搜索方式。而另一種手段是不必讓客戶察覺到是與機器人交互，完全是人工服務界面，對于智能機器人可以索引出的問題，直接給出答案，而機器人沒有答案的問題會即時推送人工，由人工編輯回答，而這個答案也會直接作為機器人的訓練集，這種設計方式我稱為交叉服務，因為客戶不再有先入為主的觀念，更容易接受。

　　因此想讓客服機器人變“聰明”是需要很多后天的努力的，不過機器人的進步速度會比我們想象的快很多，只要方向正確，TA就一定會給企業(yè)帶來價值。