騰訊面向海量使用者的智慧客服設計分享

在騰訊，全鏈路的智慧客服強大服務能力是怎樣鍛造而出的？面臨海量客戶壓力，智慧客服如何透過多重設計越來越聰明？騰訊雲智服的機器人是如何構思的？

本文是智慧客服產品負責人馬鳴在才部落格服峰會上的演講提煉。

截止目前，騰訊客服的智慧服務佔比已達到83%，AI的服務解決率達到70%-90%，大量人力得以釋放。好鋼用在刀刃上，人工客服可以集中處理重大使用者投訴，並參與到公司風控生態最佳化和增值服務中。而背後的大資料能力、人工智慧，是騰訊客服得以轉型的兩大基石。

使用者透過熱線電話，微信公眾號、小程式找到騰訊客服。最開始，透過智慧預判進行第一輪判斷，預測使用者問題。若未命中，則由智慧語音機器人引導使用者提問，隨後根據機器人的意圖識別，為使用者推薦解決方案或介入人工，這是前臺。

後臺方面，我們建立了智慧運營後臺、智慧監控平臺和智慧質檢平臺。不管是在服務的哪個環節，智慧客服都已成為最重要的角色，是整個服務的核心驅動力。

騰訊智慧客服生態全景

現在智慧服務在整個行業的應用已經非常普遍了，對於騰訊客服來說，智慧服務，應該是一個立體的，應用在服務全鏈路的新模式，具體表現為三個維度：智慧互動、智慧協同（人機協同）、智慧路由。  

第一維即智慧互動：透過對話體驗設計和對話流設計，打造真正“能對話“的智慧機器人；

第二維即智慧協同：智慧機器人目前缺乏同理心和共情感的塑造，這方面，人有優勢。這裡不是單純的指人工兜底，而是一種智慧高效的人機協作方式；

第三維是智慧路由：指的是在客服全環節深度應用智慧能力，打通服務鏈路的各個環節。

這樣一套完整的體系，構成了整個騰訊智慧客服的全景。

智慧互動

最早，純粹透過運營機器人知識，我們承接了基本的問答場景。但深入運營後發現，單純依靠演算法、知識語料的調優，效果提升越來越不明顯。有時，新增幾萬或幾百萬的資料帶來的收益，也僅提升了一兩個點。如果說演算法+基礎語料運營是一維的，在這個方向上，提升效果將越來越困難。毫無疑問，我們需要開闢新的維度——對話體驗。

要塑造機器人的共情感，同理心，主要體現在答案運營上。比如我們的“幫到底”原則：舉個例子，每天都會有很多使用者來諮詢微信支付繫結銀行卡失敗的問題。之前，機器人只會簡單引導使用者去找銀行解決。現在，機器人不僅為使用者查詢該銀行電話，還會展示地圖中附近的銀行網點，並教使用者聯絡銀行後怎麼辦。

另外，給機器人賦予人設，拉近和使用者之間的距離也是一種方式。我們在遊戲客服中，讓角色聲優為答案進行配音，這樣不僅保證了服務效果，還能提升使用者好感度。

當然最核心的體驗環節在於對話本身，在騰訊智慧客服的設計中，一個複雜對話由三個要素構成：即意圖、狀態、語境。意圖是指使用者請求客服時的核心訴求，在客服領域，這個訴求在一通會話中往往是唯一的，這意味著我們可以對意圖進行鎖定。除了鎖定意圖，我們還要鎖定使用者的當前狀態，比如電商場景，使用者意圖是“退貨”，我們還需要了解當前狀態是未發貨，還是發貨中或已收貨，狀態決定了回答的角度，從而得以針對性作答。

鎖定了意圖和狀態，這輪對話就從一個大的對話域，遷移到一個小的領域，我們稱之為語境。在一個確定語境下，機器人可以實現記憶，避免出現傳統機器人答非所問、前後文不符的情況。語境的引入，營造了多輪且連貫的對答效果。     

在對話能力外，我們還加入了超預期的體驗。比如引入智慧預判，透過問題預測，縮短使用者命中問題的路徑。若預判準確，超過使用者的心理預期，使用者對機器人的信任度也會大大提升。

智慧協同

之前提到，演算法+語料知識運營是一維的，而對話體驗設計為最佳化機器人增加了一個新維度。但這還不夠，我們覆盤下來，發現對話仍有不可控的因素，badcase非常多。因此我們選擇再引入“人”的維度，來突破對話體驗的新邊界。

傳統人工兜底模式是在使用者要求人工、或者機器人識別會話需要人工處理時才觸發人工介入。隨著運營的深入，我們發現這種單一的形式人力成本損耗高、反哺智慧效果差，已經不滿足日益增加的諮詢量。

在新的人機協同模式下，我們把對話分為了會話前、對話中、對話後。

   

會話前，進行使用者軌跡和風險識別。

會話中，我們制定了對話健康度的評判體系，相當於聽診器，一旦AI監測到這段會話可能存在走偏、答錯、使用者情緒異常等情況，便會由人工實時介入處理。透過人工介入，可以快速分析對話的問題所在，從而透過運營平臺提供的小藥箱，進行意圖糾正、語境鎖定、反問引導等操作，將對話糾偏後，再交還機器人繼續問答。    

當然，這個過程增加了人力的損耗。所以，修正資料的再訓練尤為重要。透過人工的介入操作，我們將資料反哺機器人進行強化學習，達到治標更治本的效果。長期以往，機器人對話能力持續得到提高，人力成本逐漸降低。

若使用者表示要人工，或者機器人識別該業務需要人工處理，便會將使用者轉接給人工客服處理。

在對話的前中後期，智慧監控平臺會把控機器人實時對話情況，並及時對異常情況進行報警，推送給AI訓練師，保證整個智慧對話穩步進行。

智慧路由

從演算法調優、到對話體驗設計，再到人機協同，智慧客服能力不斷提高。而我們對智慧的應用，已經不止限於智慧對話環節。

在服務的接入，智慧已經開始充當排程員的角色，透過智慧預判、智慧識別，AI成為服務總管，所有服務統一由AI接待、分發，實現服務資源的合理分配。

在服務過程中，AI成為服務總代，基礎類問題由機器人處理，需人工處理的分發到人工，機器協助人工處理。

服務後，AI成為服務總檢，對付效果進行智慧覆盤和全量監控。

對外賦能

透過多年智慧客服生態的運營，內部希望我們開放智慧客服能力的呼聲也越來越大，“騰訊雲智服“應運而生。

作為一款專業輕量級的客服平臺解決方案，將騰訊智慧客服多年的技術積累和運營經驗高度產品化，搭建了一整套智慧客服saas系統，提供人工客服工作臺、智慧機器人、工單系統、客戶管理系統，資料包表等功能，支援多種渠道接入，助力公司產品快速方便地搭建專屬客服平臺。     

我們也與騰訊廣告、微信廣告、微信支付商戶、騰訊遊戲合作，向騰訊生態中的團隊/企業推廣使用雲智服。

相比騰訊客服，公司其他業務部門或者外部中小企業，面臨的問題是：缺乏專門的AI運營團隊，也缺乏AI知識、語料運營經驗，這是我們建設雲智服時首要考慮的一點。

因此我們一開始的定位就是搭建輕量化的SaaS平臺，透過精簡配置，最佳化後臺體驗，達到降低機器人運營成本的目的。在智慧客服上，主要從三個方面降低運營成本：一是支援匯入外部知識庫，實時進行自動化訓練，這一方式就免去了客戶理解複雜AI原理的過程；

另外一方面，我們關注到普通客戶在嘗試機器人後，心理上是有落差的，因為很多沒接觸過AI的人會想：機器人不就是配置了知識就能用的嗎？如果要花費人力標註這麼多語料，編輯這編輯那的，哪叫智慧機器人呀？應對這樣的情況，初期的概念普及和培訓是一方面；另一方面，我們提供了智慧學習的解決方案，讓機器人自己學習新的語料，而人工只用在平臺一鍵稽核就行了。

       

第三，在和廣告部門合作過程中，我們發現很多廣告主收集資訊的需求，在資訊流廣告中，收集使用者購買意向和銷售線索。傳統的客資收集是由人工完成的，接待人員不是銷售，他們只簡單收集使用者資料，後續交由銷售人員聯絡跟進。這一塊也可以交給機器人完成，設計上，我們降低運營難度，提供了一套圖形化、拖曳式的多輪對話流配置介面，幫助企業快速設計自己的獲客機器人，從而免去了人工收集客資的成本。

在人力資源成本不斷攀升的現今，節省成本就是幫助企業增加利潤。以高效率、低成本的方式，幫助企業打造優質的客戶服務，促進企業發展良性迴圈。