智慧互動是一個容易長期被忽略的產業，消費者需求場景的多樣化，對高質量的客服獲取和精準的服務匹配需求，推動客服產業向智慧化方向發展。
無論是淘寶、京東還是微信平臺，巨大流量背後是使用者對精準決策的期待，客服如何為使用者提供專業、迅速、有質量的解答，同時維持使用者留存和高活躍度，這對後期交易的達成或者社群維護至關重要。
如今，許多企業都隱藏了人工客服的渠道，以全智慧的客服代替人工客服。然而，大多數的智慧反饋並沒有知識圖譜的依託，僅停留在簡單地根據關鍵字對請求進行回覆的階段。對於一些需要人工解決的問題，這些產品不能及時判斷是否應轉接人工客服，這給消費者帶來了較差的消費體驗。
管理者同樣頭痛不已，網際網路時代的每一個人都知道資料的價值，但如此龐大且缺乏結構化的資料，往往令管理者望而卻步，他們難以尋找一種合適的方式去對資訊進行歸類處理。
智慧互動可以解決這一問題，未來 “人機協同”無疑將成為主流生產和服務方式。因此，許多科技企業投身其中，嘗試提升人機互動效率、使計算機具有認知能力。
在諸多智慧互動企業中，標杆企業北京來也網路科技有限公司（以下簡稱來也）正嘗試藉助人工智慧技術提出的智慧對話式運營解決方案，以人機協同的方式嘗試解決電商中的客服問題。同時，來也也嘗試運用知識圖譜對相關資料進行整理，為客戶挖掘其中的潛在價值。
客服企業如何構建壁壘？智慧互動時代，人機協同又將迎來怎樣的發展？帶著問題，動脈網對來也進行了專訪。
人機協作定製化解決客服問題
來也創辦於2015年，由常春藤盟校歸國博士和麻省理工學院MBA等傑出人士共同發起，致力於成為人機共生時代具備全球影響力的智慧機器人公司。如今的來也擁有深度學習、強化學習、自然語言處理（NLP）、個性化推薦和多輪多模互動等核心技術，並嘗試用最前沿的科技切入商業領域與大眾領域。
來也聯合創始人兼CEO汪冠春曾擔任百度智慧互動團隊、小度機器人、百度筷搜等專案負責人，這些專案經歷讓汪冠春對智慧互動技術有了獨特的見解。離開百度後，他開始思考如何將互動技術與線化程度越來越高的服務行業結合在一起，打造一款人機協同的機器人平臺。
在研發過程中，汪冠春發現純粹的知識圖譜並不能完全解決問答環節，相比之下，AI與HI（Human Intelligence）的結合是一種更為貼合實際的方式。
因此，來也運用資料庫打造細分領域的對話資料，建立知識點。當使用者向來也的機器人提問時，來也會根據知識點將問題進行拆分，對使用者問題進行預處理。
來也CEO汪冠春告訴動脈網記者：“收到問題後，來也的機器人將把使用者問題的可行答案傳送給客戶服務代表，由客戶服務代表來確認回覆結果。通過這種方式，過去客戶服務代表需要花費超過一分鐘來思考、編輯回覆的內容，如今只需十餘秒就能進行回覆——客戶服務代表過去的填空題變成了如今的選擇題。這帶來的將是整個服務體系的質量提升。”
談到智慧互動產業需要解決的難題，無非就是拉新、留存、促活和轉化，這需要強大的資料探勘和處理能力來完成的，來也在這些方面技術壁壘很強，能夠將商業和技術完美結合。
如今，來也開發的吾來對話機器人平臺覆蓋母嬰、消費零售、通訊等行業，包括中國移動、美團等近百家大型企業客戶，而在健康領域，來也為惠氏搭建了一流的客服平臺，解決其面臨的微信端客戶管理問題。
母嬰行業案例：用AI管理千萬級粉絲惠氏媽媽俱樂部
母嬰領域是來也切入的第一個泛健康領域，惠氏專案也是針對B端市場的第一個專案，該案例榮獲2018機器之心“全球三十大AI應用案例”。一年有餘，來也已經在同惠氏的合作中獲取了豐富的經驗與資料，知識圖譜在不斷的實踐中已經更加成熟。
母嬰群體在醫療健康領域決策週期長，非常慎重，母嬰場景也相對複雜，不同場景又會產生不同的問題。相比於其他行業更聚焦簡單的判斷類問題，母嬰場景中的對話一般都為複雜的多輪對話，需要客服人員對消費者進行引導，層層獲取相關資訊後才能得出結論。
相對於此，來也為惠氏提出了人機協同的解決方案。即由人工智慧率先對母親提出的問題進行語意解析與分類，再將其推送到相應的客服代表處。同時，人工智慧會為客服代表根據知識圖譜羅列出答案組。客服代表無須自行輸入，只需點選其認可的答案，即可快速回復消費者。
在人工智慧的輔助之下，客服代表的工作由“填空題”變成了“選擇題”，處理消費者諮詢的速度得到了數倍的提升。
消費者也因此受益。過去冗長的等待時間給予了消費者糟糕的諮詢體驗。如今更快的客服回覆速度讓消費者與企業的交流更加迅速，消費者滿意度由此提升。
同時，當消費者需要比較不同類別的產品時，過去客服需要自行調取相關產品資訊，而在人工智慧的輔助下，調取資訊與產品比較在轉瞬間即可完成。過去人工客服不能回答的問題，人工智慧可以協助回答。
同時，惠氏還面臨客戶管理方面的問題。營銷及獲客成本越來越高，註冊率低，使用者遷移頻繁，留存和銷售轉化率並不十分理想。如何吸引到有粘性的母嬰使用者，並提供精準服務，成為惠氏的頭號難題。
對於這一問題，來也在與惠氏的合作中逐漸找到了解決方案。
在客戶對話中，對話機器人將不斷的收集消費者的消費習慣、消費能力及各類訴求。隨著資料的不斷積累，惠氏消費者的畫像也逐漸清晰。由此，機器人將對不同的消費者進行標註，為其定製推送符合其消費能力、消費習慣、消費需求的產品。
通過這種方式，惠氏的新客獲取手段由傳統的粗放式宣傳轉化為高效率的定向推送。這一轉變意味著惠氏能以更低的新客轉化成本，收穫更忠誠的客戶。
僅需6步，對話機器人賦能惠氏微信客服
相較於電子病歷、病種彙集的知識圖譜，母嬰客服打造的知識圖譜內容更為精準地契合使用者與消費者的生活需求。且整個個性化產品的搭建僅需數月即可交付。具體而言，整個搭建過程包含一下幾個步驟。
一、挖掘歷史預料，分析使用者主要需求：在與惠氏的溝通過程中，來也先後共拿到3份對話資料，共清理出近60萬個對話。這些對話資料大部分為典型的多輪對話，平均會話長度11輪，長度少於6輪的會話約佔總量的17%。遠高於其他行業客服複雜程度。
二：歸納需求，找到人工客服痛點：通過分析對話語料，來也發現，客戶服務代表回覆的事實類訊息普遍較長，此外，客戶服務代表還會經常用到一些模板訊息（如會話開始打招呼話術、會話結束話術、教育話術）。
這些話術的特點是內容固定，如果客戶服務代表每次使用都手動輸入，會對回覆效率造成瓶頸。這是客戶服務代表使用惠氏多客服系統時的典型痛點，因此，來也問答系統的具體目標是優先覆蓋這些高頻回覆話術。
三、建立知識庫：完成上述分析，來也開始有目的性地打造知識庫。通過綜合使用層次聚類、分類、領域關鍵詞挖掘等算處理資料，並結合AI訓練師人工複查，多次迭代後，最終產出的知識庫包含1500餘個知識點，20000餘條問題。
四、搭建問答機器人：根據清洗後的對話語料和訓練師複查過的知識庫，來也搭建了基於“檢索+排序”的問答機器人方案。
具體而言，對話語料和知識點被匯入ElasticSearch檢索系統，系統接收到使用者訊息後，從檢索系統中搜尋相關的知識點或歷史會話片段，然後藉助rerank演算法對搜尋結果做精排，使得最相關的知識點或歷史會話片段儘量被排到前面，最終取top6結果顯示到多客服介面，供客戶服務代表選擇。
五、根據業務場景，提供輸入提示功能：結合來也內部系統的使用經驗和客戶服務代表的使用場景，來也認為如果客戶服務代表能借助關鍵詞召回完整話術，或者系統根據客戶服務代表當前輸入能自動召回完整話術，會對回覆效率有明顯提升，使用者使用體驗也會有更好的保證。因此，來也開發了輸入提示功能供客戶服務代表使用。
六：開發BI系統：來也提供的BI系統支援自定義關鍵詞，系統會自動監控包含這些關鍵詞的訊息，統計它們被提及的會話個數及近期變化趨勢，從中可以發現一些有意義的特徵。如“感冒”在冬季被提及的次數，使用者對不同的奶粉系列的關注熱度等等。
整個知識圖譜的搭建過程視專案大小而定，長度在1-6月不等。快速的交付速度意味著企業可以迅速從傳統的管理模式轉化為人工智慧賦能後的數字化模式。對於來也而言，迅速的專案推進速度則凸顯了其將人工智慧產品化的能力。
從母嬰到大健康
母嬰領域的成功為來也在健康領域的佈局塑造了一個良好的開端。而類似於惠氏這樣的企業廣泛分佈於醫療消費、醫療健康領域。
由於醫療知識的專業性，C端使用者對於醫療產品的消費將伴隨著更繁瑣、更廣泛、更專業的人工智慧互動問答，不少醫療領域的專案更需要人機協作提升效率。
這對於來也而言既是機會也是挑戰。在2019年的實踐中，來也已經達成了與阿斯利康等大型藥企的合作，幫助阿斯利康搭建合規機器人，通過人工智慧產品降低運營成本，挖掘資料價值。