如何搭建一個智慧客服（一）：從NLP到多輪對話與多流程設計

對話式人工智慧產品越來越常見，從Siri到電話客服，不知不覺中它們已在你身邊尋覓了一個位置。筆者的產品是一款去年上線的客服機器人，簡單聊聊從0到1的經驗。

從互動形式來劃分，智慧客服包括純語音(如天貓精靈)，純文字(如小冰)，純視覺化介面(如一些電商的客服，完全透過介面互動來完成對話)，語音+視覺化介面(如Siri等手機助手)。互動形式沒有好壞，這一點同非AI產品一樣，根據使用者使用場景選擇最合適的形式即可。

從產品定義出發，智慧客服類產品，最根本的價值在於以低成本取代人工客服工作中大量重複性的部分，再基於這個前提，去挖掘更多商業變現的可能性。人工客服的工作大致分為兩種，一種是諮詢類的，客服只需回答問題;另一種是申請類的，客服要幫客戶完成一些業務辦理。

因此，從可實現的功能來劃分，智慧客服可分為問答式和業務辦理式，再細分為單輪/多輪問答與單輪/多輪業務申請。首先什麼叫單輪對話呢?

“吃了嗎您吶?”
 “吃了”

那麼多輪對話的概念呢?

 “吃了嗎您吶?”
 “吃了”
 “吃了什麼呀”
 “老北京炸醬麵”

多輪對話的另一個名字，叫作基於上下文關係的對話。單輪與多輪申請也是同理，一句話就能解決的為單輪，需要反覆幾次的是為多輪。

無論是問答還是申請業務，作為一個智慧客服，它就離不開NLP，NLP就離不開語料。在如上的例子中，通常的工作方法是，我們定義一個使用者意圖叫“吃了嗎”，然後把相似的語料(吃了麼?吃飯了嗎?吃了沒?你有沒有吃飯?……)餵給機器人，之後寫一些用例來測試它識別的準確率，如果識別率較低，就繼續餵它語料，直到我們對識別率滿意為止。用同樣的方法，我們就可以讓機器人學會理解很多種使用者意圖了。

多說一嘴，其實這裡就是機器學習中樣本集與測試集的概念。樣本集用來學習，測試集用來測試學習的效果。另外由於機器學習的本質還是數學與統計，並沒有真正的理解，所以學習效果非常依賴語料的質量。直觀的表現是，不同的意圖中，語料差異越大，識別的準確率越高。比如，“吃了嗎”和“吃了沒”是相似的，“吃了嗎”和“看星星看月亮從詩詞歌賦談到人生哲學”是不相似的，那麼後者作為兩種意圖去做識別，就是容易分開的，而前者兩個說法過於相近，可能會得到很差的識別結果。所以訓練師需要了解基本的機器學習原理，才能夠檢查和調整樣本集的質量。

現在我們的機器人已經能夠聽懂一些人話了，下一步只要定義好回覆的內容，比如給“吃了嗎”回覆“吃了”，給“睡了嗎”回覆“沒睡”，再把這些需求交給可愛的開發同學，一個支援單輪問答的機器人就完成了!(好的這是做一個PM最愉快的時刻了)

多輪對話設計的本質，是定義場景和將多個單輪對話進行組合。對於前面提到的例子來說，在“吃了”後面問“吃了什麼呀”是正常的結合語境的問法，而脫離語境問這一句的話，就會讓聽者感到困惑。所以這部分的需求是這樣寫：

當使用者表達“吃了嗎”的意圖，機器人應回覆“吃了”;
當使用者上一個表達是“吃了嗎”and機器人回覆是“吃了”and使用者這一個表達是“吃了什麼呀”，機器人應回覆“老北京炸醬麵”;
當使用者上一個表達是“睡了嗎”and機器人回覆是“沒睡”and使用者這一個表達是“吃了什麼呀”，機器人應回覆“親您想問什麼呢?”

再次把需求交給開發，我們就得到了一個支援兩輪對話的機器人。如果需要增加輪次或新的場景，那麼在此基礎上新增相應的邏輯即可。

再說到業務辦理，本質是在問答的基礎上增加與使用者相關的資料互動，比如當使用者說“幫我訂個車去人民廣場”，那麼機器人應該回復“好的”的同時，拿使用者的手機號和“人民廣場”等資訊去完成訂車這一操作。大部分時候，業務辦理和多輪對話是交叉的，比如訂車的場景下，機器人可能需要再問一下什麼時間出發，對車輛是否有要求，那麼這至少要用三輪對話來完成。

講完了基本框架，再說說落地。在實際的需求分析過程中，我們需要了解業務背景，瞭解業務規則下人工客服的工作內容。從其中歸納出終端使用者一般有哪些需求，他們會問什麼，怎麼問，抽取出使用者意圖，根據重複性高的對話流程做對應的輪次設計。假設我們做的是信用卡客服機器人，那麼使用者意圖很可能有“手續費怎麼算”“逾期了有什麼影響”，下一句使用者則可能會繼續問，“那我還上了還影響嗎”。這其中需要思考的點很多，原則包括但不限於：

瞭解業務規則，瞭解終端使用者的需求;

抽取意圖時注意差異化，意圖過於接近會給後期的識別結果帶來麻煩;

從使用者記錄中提取語料時要注意篩選，高質量的語料是高識別率的前提;

設計輪次時要跟意圖一起考慮，不能基於無法識別的意圖做設計;

以及有一個格外需要注意的地方是，對話式智慧產品與其他產品的不同在於，使用者的表達是不受限的。它不像普通的產品，一個頁面上如果只有一個按鈕，那麼使用者就不可能有第二個操作。而對話中，使用者可能會講任何東西，例如我的小機器人已經被問了若干次，“你的爸爸媽媽是誰呀”。所以在設計流程時，需要考慮使用者不按正常流程走完的可能性，也要在設計回覆時，儘可能引導使用者往自己想要的方向去做表達，根本原則是收斂而非發散。

以上，感謝閱讀。

作者介紹：@一個圓圈兒，SaaS公司產品經理;擅長AI、搜尋、資料分析、商業化;智慧客服系列文章作者;“資料人創作者聯盟”成員。