admin 编辑指南：随着现在技术的发展，人工智能越来越深入到我们的工作和生活中。例如，今天很多平台都使用智能客服来执行任务，可以指导用户，解决固定问题。本文作者分享了优化智能顾客服务的建议，我们一起来了解一下。
人工智能领域，2020年迎来NLP落地场景智能客服的崛起。不同场景和业务的应用需要智能对话更加拟人化，更好地理解客户。
本文以京东智能客服“发票业务”的身份，从语音和图形两种产品形态对智能对话的优化提出了一些小建议。
一、智能对话中语音交互和图形交互的差异
1)对话的指导项目不同
语音交互的引导答题术最多提供2 ~ 3种选择。图形交互的指导，允许在GUI页面内显示多个指导项目。
2)对话的上下文处理不同
语音交互的上下文在对话树中，超过水平的对话内容将从对话树中删除，但用户人脑仍然有上述认识，需要更专业、更复杂的引导，以便用户进行下一步。
在上面关于图形交互的对话列表中，用户可以轻松识别上面的内容，即使上面的内容无效，也可以返回到上一个对话部分。
3)对话逻辑的处理不同
语音交互有过滤、引用、搜索类似内容、场景间对话等对话逻辑。规则触发后，必须添加更多指导响应，以便用户完成对话任务。
图形交互的对话逻辑，通过文本、选项卡、列表等辅助对话工作，点击一下即可轻松完成对话，使用户能够在指导下更好地完成对话。
4)对话的“拟人化”程度不同
用户希望语音交互要比图形交互更“人性化”，对话的智能客服更像人。对话不仅要拟人化ASR的声音，而且对话的内容要像日常话一样自然，对话互动要遵守友好、自然、个性的原则。
5)情感识别模型的使用场景不同
在语音交互中，情感的认识相对强烈。用户一说话就能感知对方是否抑郁，情绪是否高涨，情感模式的对话适用于所有用户回应的对话。
在图形交互中，用户输入的语言文字中有情感内容，或者使用情感的表情符号，才能识别用户当前的情感状态。
6)对话的鞋底响应策略不同
在语音交互中，经常会遇到智能客服无法回答的问题。这时，应对技术要进入相对不可解的状态。对话设计不能让用户的感觉变得“雪上加霜”。通常以“不能理解聪明可爱的人情，引导下一个话术”组合出现。
例如，“小东西在自己强大的神经网络中迷路了。如果需要继续开具发票，请告诉我开具发票。”图形交互的响应主要是显示以下用户可以操作的选项卡选项：
二、智能客户服务的图形交互
1. 当前智能客服对话存在的问题
回答话术内容太多，文字栈太长，用户难以集中注意力。关联推荐的关联问题相关性不好。没有细致的多轮对话过程指导。回应的内容没有分解流程步骤。
2. 产品优化建议
1)答话术准确、简洁、有针对性
例：用户说“我要开票”，用户开票，直接指导用户完成工作。
2)关于顾客服务提示的问题与用户下一步的指导有关，不再出现与用户当前业务无关的提示。
3)需要用户输入tab键而不是手动输入的可选问题。
在下图中，蓝色框是tab键。
( 4)智能客户服务响应，以流程形式在界面上显示用户的以下潜在需求：
x=5" width="640" height="269"/>
5）以解决问题为导向，细化解决方案，将方案变成用户可操作的路径。
3. 图形交互对话设计样例
开发票按业务流程分为访问客服、选择订单、确认信息并下单、售后服务几个场景模块。
三、语音交互的智能客服
1. 拆解业务场景
开发票从业务场景上主要分为三个部分业务咨询、实施过程、售后服务。
业务咨询解答通用的FAQ问题，实施过程是用户真正开发票的过程，售后服务针对性回复售后相关的内容。
对话的内容分为：问答、闲聊、任务，结合当前场景，不存在闲聊内容，主要是问答FAQ和任务型对话。
2. 关于智能客服的开场白
开场白要清楚简洁，并带有明确的引导性。基于用户的第一句话，回复意图分两个方向处理：如果是明确意图，开场白要精简明确。如果是非明确意图，开场白的回复要做推荐引导。
举例：
「对话一」
- “我要开发票” 用户的开场白意图很明确。
- 进入开发票的对话任务中，回复“好的，您要哪天的订单开发票呢？”
「对话二」
- “你好”“在不”“有客服吗？”用户开场白意图不明确。
- 由于不清楚用户具体需求，给出更多可能的推荐引导回复“您好，我可以帮你开发票、办理售后，请问您要办理什么业务？”
3. 复合型指令的智能回复
开发票的业务场景中，经常会用到选择订单，用户回复包括序号和选项内容，例如：“1、2020年8月4日订单”“第二个，婴儿床订单”，对话需要扩展可识别的指令词库，支持用户说订单时间、订单内容、商品信息等指令信息，方便用户在选择订单时能快速完成任务。
4. 针对FAQ问答出现在任务型对话中的解决方案
当前对话过程中，FAQ问答可穿插的任务型对话的任意节点，FAQ回复结束后，可自动返回之前的任务型对话节点让对话继续。
- FAQ问答表示科普类的、名词解释类的通用回复内容。包括：电子发票是什么？都可以开哪种发票？发票什么时候发货？
- 任务型对话表示基于明确任务目标的前提下，在达到最终节点前全部对话流程和槽位信息（填槽位的对话流程）。
例如：
当前列子中“发票多久可以收到”属于FAQ问答，智能客服回复以后，需要再次询问上一个节点对话内容，引导用户继续完成对话，当前市面很多产品并没有FAQ问答结束后再继续对话的产品功能。
5. 槽位信息的补充采用多轮对话的方式
任务型对话中，用户在完成开发票业务前，需要的发票信息内容，如纳税人识别号、发票表头等信息，可以通过多次询问补充和完善。
6. 在不同场景（对话树）发生跳转时进行干预
对话任务中会出现跨场景跳转，为避免超出用户预期，需要在跳转前进行二次询问。
举例：当前在业务咨询模块（一个场景的对话任务），用户再次询问售后服务模块（另一个场景对话任务）的时候；在语音交互中，防止失误识别而导致的对话跳转（即对话树的更改）需要再次询问用户“是否要询问售后服务关于发票收货时间的问题？”
如果用户确认，再更改对话任务；如果用户未确认，保持当前对话上下文。
7. 异常处理
- 识别正确，但是没有对应的结果，如果回复。
- 识别到两个或多个域都有结果，提示用户在两个里面做选择。（有歧义的query）
- 时间过长导致上下文丢失，怎么处理？
- 对话树层级太长，有部分上文丢失，但是用户还记得上文怎么处理？（基于对话树可以维持几层）
- 用户无应答时候的处理。
很多朋友给我抱怨现在的智能音箱或者机器人很傻，不能理解自己。
我总是安慰说，给产品和技术更多一些时间；而智能对话是真实可提升用户直观感受的重要交互方式，在智能对话领域的探索，才是让智能产品更快应用于场景，更快找到落地方式的唯一手段。
公众号：小小仙女狮狮随想
本文由 @小小仙女王狮狮 原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自Unsplash，基于CC0协议。