自然語言理解技術在電商行業中的應用

本文將透過最新的概念驗證專案，盤點不同電子商務場景下的最新自然語言處理技術應用，深入瞭解電子商務行業與NLP技術的發展趨勢。

電子商務是目前在網際網路相關產業中最為重要的一個環節之一，電商泛指透過網際網路技術實現的商貿活動，其內容包括各種線上上進行的商業活動，交易活動，金融活動，以及相關的綜合服務活動。作為網際網路領域的主要行業，電商早已深入人們的日常生活中。

隨著人工智慧技術的不斷突破，越來越多的行業正在被改造和顛覆，電商領域的海量資料與虛擬場景成為人工智慧發展的天然土壤。

目前，人工智慧技術已經逐步滲入到電商行業當中。隨著深度學習技術和語音識別技術的成熟，智慧客服和智慧商品推薦等應用已在相關行業中得到了廣泛的應用。

然而，人工智慧技術能做的遠不僅僅是商品推薦和客服機器人，目前自然語言理解（NLP）技術在整個人工智慧領域中依然是一個有待探索的領域。電商行業或將成為自然語言理解技術最大的突破口，實現技術的成功落地。

在技術實現應該的過程中，人們針對電商中的不同場景進行了探索，並展開了豐富的實踐嘗試。

一、電商行業的市場規模與發展趨勢

資料顯示，電商行業是一個快速發展的行業，2017年，全球零售電子商務銷售額達到2.3萬億美元，電子零售收入預計將在2021年增長至4.88萬億美元。

網上購物是全球最受歡迎的線上活動之一，使用情況因地區而異。2016年，估計中國所有零售額的19％來自網際網路，但在日本，這一比例為6.7％。隨著世界不斷的數字化和資訊化演進，未來電商行業依然有很大的發展空間。

未來，人工智慧技術將會滲透於電子商務產業的各個環節。在賦予電商業務各部門更多權力的同時，也增強了使用者的服務體驗，擴大了內容的生產規模。 這將會為社會創造巨大的工業價值和商機。

二、電商行業中的NLP技術應用概述

1. 命名實體識別

可以透過解析電商平臺中的文字內容，快速的找到各種產品的名稱，屬性，價格等實體資訊或專有名詞。藉助實體識別技術，系統可以自動對實體資訊打標籤，建立索引。

這樣做可以有效的提升產品內容資訊搜尋的功能，提升檢索的速度和準確性。

2. 文字聚類

可以透過文字聚類技術將電商平臺網頁上產品資訊提取，並將資訊內容中的文字資料進行理解，和聚類處理，從而實現為產品進行自動分類的功能。

經過分類和整理的產品列表可以更好的為消費者提供產品資訊，並進行有效的產品推薦服務。

3. 機器閱讀理解

可以透過機器人閱讀理解技術對電商平臺上的產品描述內容進行解析，快速的從大量的文字內容中找到核心資訊，並將解析出來的文字資訊透過自然語言生成技術展現出來，從而實現自動化商品摘要介紹撰寫的工作。

4. 自動化表單填寫

可以透過讀取電商客戶在網站上所留下的文字資訊，將資訊當中有價值的實體內容識別，並提取出來。

透過這項技術，電商平臺可以自動的從文字內容中提取使用者的基本資訊，並製作成便於應用的表單，從而有效的降低表單填寫的人力成本。

5. 情感引擎

可以透過解析和理解消費者在電商平臺中的留言資訊內容，對消費者的情感進行分析，進而推測消費者的潛在行為。

以此來打造消費者的使用者畫像，更加準確的理解消費者的行為和情緒。對積極的情緒加以引導，實現智慧化營銷；對消極的情緒及時安撫，降低使用者越級投訴的風險，從而更有效的服務消費者。

三、應用與案例介紹

當前，在客戶服務方案中有四種依賴NLP技術實現的典型應用， 包括智慧商品管理系統，客戶服務質量檢測系統，產品介紹自動化撰寫，以及智慧客服風控系統。

1. 智慧商品管理系統

商品管理是NLP在電商場景中最為典型的應用案例。商品管理相關的應用在電商場景下具有明確的需求，與此同時，其中所涉及到的應用技術也相對比較成熟。

商品管理系統的主要功能是商品的搜尋功能與分類功能。電商平臺會透過文字聚類，實體識別等NLP技術，對電商網頁下的文字內容進行解析，根據不同的規則為產品打上標籤，並對產品進行分類。

產品的分類和識別技術不僅可以使貨物的檢索功能更加準確，還能夠實現有效的產品推薦服務。

2. 客戶服務質量檢測系統

用於透過人工智慧技術取代人力資源，來進行對客戶服務內容質量檢查的工作。

一般的智慧客服質量檢測系統可以記錄線上客服人員與客戶之間的每一次對話，並透過特定的指標，對所記錄對對話內容進行分析和檢測。

質檢系統會從服務質量和服務態度兩個檢測維度出發，挖掘客戶服務對話資料，並採用智慧自動質量檢測和人工稽核相結合的方式自動生成質量檢測報告。

智慧客服質檢系統可以改善人工質檢效率低下，覆蓋不全，以及工作任務枯燥重複等問題，能有效提高企業對客戶的服務質量。

3. 產品介紹自動化撰寫

即透過計算機自動生成文字內容，對電商頁面上的商品進行文字描述，使得使用者能夠了解產品的資訊。

這裡往往需要電商平臺現提供一份帶有產品資訊和特徵描述的表格，將產品的資訊整理成簡單的結構化資料，在透過NLP技術將簡單的資訊變成描述型的文欄位落。

另一種應用場景是嘗試結合NLP與影像識別技術來實現自動產品介紹的撰寫。系統需要先識別產品的照片或圖片，識別出產品的特徵資訊，之後再透過自然語言生成（NLG）技術將識別的內容生成文字描述，從而實現簡單的自動化產品介紹撰寫。

4. 智慧客服風控系統

該系統透過NLP技術識別電商使用者留言內容的意圖含義，以及使用者留言時的情緒。

在實際應用場景中，當消費者對服務內容或質量不滿，又得不到服務提供商及時的解決方案時，往往會選擇到監管部門投訴，或將不滿情緒在網際網路社交媒體上發洩，對商家名譽造成嚴重的負面影響。

透過NLP深度神經網路和傳統特徵工程相結合的方法，可以捕捉到使用者對話文字的特徵，從對話內容中識別出消費者使用者的情緒和意圖。

系統能夠將風險較高的案例找到，交送到客服管理中心進行優先處理，從而有效的提升產品售後服務的效率，降低了商家收到負面影響的可能性。

總結

NLP技術有效的為電商平臺提升了運營的效率，同時提升了消費者的服務體驗。然而目前自然語言處理技術還尚未成熟，當中依然存在一些侷限。

其侷限主要體現在兩個方面：首先是資料的瓶頸。雖然每天都有海量的資料在電商領域中產生，但是這些資料很少可以直接拿來用於機器學習模型訓練；

第二是應用的瓶頸。比如在自動商品介紹撰寫的任務中，人工智慧只能輔助人類進行商品描述的撰寫，其內容缺乏創造力和煽動性，對於商品廣告類的文字撰寫來說，這顯然是不夠的。

未來，電商領域會不斷產生更多的，結構化的資料。屆時，自然語言解析技術也將會在電商領域中找到更多的落腳點，為商家帶來更可觀的價值，為使用者帶來更便捷的體驗。