智能客服的优化建议
编辑导语：如今随着科技的不断发展，人工智能渐渐的深入我们的工作和生活，比如现在很多平台都会使用智能客服进行工作，可以引导用户进行操作以及解决一些固定问题；本文作者分享了关于智能客服优化的建议，我们一起来了解一下。
人工智能领域，2020年迎来了NLP落地场景智能客服的崛起。不同场景和业务的应用要求智能对话更拟人、更懂客户。
本文以京东智能客服「开发票业务」从语音和图形两种产品形态，对智能对话的优化提出小小建议。
一、智能对话中语音交互和图形交互的区别1）对话的引导项不同
语音交互的引导回复话术最多给出2-3个选择。图形交互的引导，在GUI页面内，可以显示多个引导项。
2）对话的上下文处理不同
语音交互的上下文存在对话树中，超过层级的对话内容会从对话树中删除，但用户人脑还存在上文感知，需要更专业和复杂的引导帮助用户进行下一步操作。
图形交互的上文存在对话列表内，用户很容易感知上文内容，哪怕上文失效，也可以回到之前的对话部分进行查看。
3）对话逻辑的处理不同
语音交互中，存在筛选、指代、相似内容搜索、跨场景对话等对话逻辑；一旦触发一个规则，需要增加更多引导回复方便用户完成对话任务。
图形交互的对话逻辑，可以用文本、tab、列表等方式辅助对话任务，便捷的点击操作，让用户更好的按引导完成对话。
4）对话的“拟人化”程度不同
用户要求语音交互比图形交互更“人性化”，希望对话的智能客服更像人；对话不仅包括ASR的声音拟人化，更要求对话的内容像日常说话一样自然，对话交互要秉持友好自然有个性的原则。
5）情绪识别模型的使用场景不同
语音交互中，情绪的感知相对比较强烈，用户一说话就能感知对方是情绪低落还是情绪高涨，情绪模型的对话应用于每一句用户回复的对话中。
图形交互中，只有用户输入的语言文字带有情绪内容，或使用情绪的表情符号，才能识别用户当前的情绪状态。
6）对话的兜底应答策略不同
语音交互中，经常会遇到智能客服回答不了的问题，这时候需要应对技能进入相对无解的状态，对话设计不能让用户的感觉“雪上加霜”，一般回复以「机灵可爱的承认没听懂+引导下一步话术」组合出现。
例如：“小东在自己强大的神经网路内走迷路啦，您如果还要继续开发票请对我说我要开发票”，图形交互的回复主要以展示下一步用户可能操作的TAB选项为主。
二、图形交互的智能客服1.当前智能客服对话存在的问题回复话术内容过多文字过长堆叠严重，用户很难聚焦。关联推荐的关联问题相关性不是很好。没有精细的多轮对话流程引导。回复的内容没有进行流程步骤的拆解。2.产品优化建议1）回复话术准确、简洁、有目标性
例如：用户说“我要开发票”，直接引导用户开发票，完成任务。
2）客服提示的问题和用户的下一步操作引导强相关，和用户当前业务无关的提示不再出现。
3）需要用户输入的选择性问题，以提示tab按键代替手动输入。
下图，蓝色方框为TAB按键：
4）智能客服的回复，将用户下一步潜在的需求以流程的形式在界面中展示出来。
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。
关于智能语音交互的5点思考
本文是我在学习智能语音过程中的思考，希望从智能语音的人机交互层面给大家带来一些启发。
小时候很喜欢一部剧叫《恐龙战队》，里面有个角色叫“阿尔法”，是个每天忙来忙去的机器人，能传唤队员并和他们交流，令我很好奇。
今天，我们对于能对话的机器已经不那么新奇了，这得益于智能语音技术的发展和一些语音产品的出现。一度调戏Siri成为全民话题，这肯定不是Apple公司初衷。这暴露了它的不完善，也让大众离语音产品更近了。本文是我在学习智能语音过程中的思考，希望从智能语音的人机交互层面给大家带来一些启发。
语言是人类文明的重要成果，也是人类最重要的工具之一，它为保存和传递人类文明起到了不可或缺的作用。概括来说它的主要作用就4个字：传递信息。
“而我们所说的智能语音，学术界叫“自然语言处理”，是计算机科学领域与人工智能领域的一个研究方向，主要研究能实现人与计算机之间用自然语言进行有效传递信息的理论和方法。—引自百度”
“交互”一词全名是“人机交互”，是一门研究系统与用户之间交流、互动关系的学问。
智能语音交互严谨点说应该是自然语言交互(naturalanguageinteraction)，为了方便理解我依然采用“智能语音交互”这个词。
计算机技术及人工智能领域发展迅速，对“自然语言处理”的研究也异常火热。
siri、微软小冰、googlenow、Echo、科大讯飞、京东叮咚、出门问问等智能语音类产品开始出现，虽然存在很大的不完善，但回望历史我们能发现智能语音技术一直是在进步的。
在了解智能语音的过程中，我产生了一些问题，围绕这些问题我对智能语音交互进行了一些思考，希望能给你带来一些启发。
1、智能语音能成为人类主流的人机交互方式吗？这个问题在知乎引起了很大的争论，而我倾向于智能语音交互会成为人类主流的人机交互方式之一。
人类与世界万物的交互过程大概是这样的：通过眼睛去观察人、事、物、环境等，再辅以耳朵听、鼻子闻、舌头尝、嘴巴交流、肢体触碰，而后大脑产生记忆和思考并做出动作、表情、语言和生理反馈，这个过程是循环和组合的。
不同的环境和习惯会有不同，但基本是在这个范围。这个过程中，前半部分主要是接收信息，后半部分主要负责交流互动，而语言和动作是最主要的交流互动方式。
人机交互角度看，用手操控是这个世界绝对的主流
我们每天使用的手机、电脑、相机、汽车，包括现在很火的AR、VR设备，基本上都要靠手去操控。（用手操控属于动作这个范畴）这跟人类的进化方式有很大关系，我们的祖先从学会制作工具开始，手就成为了人类接触万物的最主要工具。
尤其是机械的出现，只有人类灵巧的双手才能精准的操控完成任务。
可是人的手有几个缺陷：不够长，不够多，需要配合眼睛，这给我们的生活带来了很多不便。
举个例子：
当我们在开车时，眼睛和手被占用，再去操作手机、中控触屏等设备会非常不便，危险系数也会大大增加。
原本语言是人与人之间交流的工具，很难像双手一样直接与物体产生反应。但是随着公认的第四次工业革命的到来，人工智能让我们有了更多可能，当机器能听懂我们的意思并很好的执行时，很多场景的人机交互方式将会被改变，更多适合的场景将会被挖掘出来，就像当年智能手机进入我们的生活。10年前，我们是无法想象通过手机做现在的大多数事情的。
所以我的浅见是：
智能语音技术会成为人类主流的人机交互方式之一。
成为之一，是因为除了语音外，原本的手的操作、体感操作、面部表情识别、注意力识别、甚至是情绪的波动，都可能在不同场景成为我们与机器的交互方式，未来这很可能是综合的交互体验。
2、智能语音技术发展到什么阶段了？智能语音分近场语音和远场语音。
“近场的定义是小于1个波长的范围内（或者波长量级）的电磁场。而远场是电磁波传播到远处之后的场（分布）。——引自百度”
近场语音主要是基于手机等设备，基本上是一些辅助的使用需求，Siri和微软小冰就是近场语音产品。远场语音也越来越受重视，亚马逊的Echo就是远场语音，很受欢迎，至少用户能在5米外的距离语音指示它播放音乐。
自然语言理解方面的研究已经60多年了，虽然还不完善，但令人欣喜的是类似Siri、Echo这样的产品不断涌现，而不再是虚无缥缈的概念。
简单了解下自然语音处理的技术过程：
当我们与机器进行语音交互时，机器需要通过声学处理我们的声音和周围环境，减少干扰和噪音。再通过语音识别技术将听到的声音翻译成文字，语义理解技术则会分析这些文字的意义，最后机器去执行用户的指令或者通过语音合成技术把要表达的内容合成语音。
在此过程，声学处理、语音识别、语义理解等属于自然语言理解，语音合成等是自然语言生成，这些都是非常核心的技术，还要配合人工智能、机器深度学习等等。
但是现阶段依然困难重重。
真实环境下，受噪音等影响机器仍然听不准自然语言。机器将听到的语音翻译成文字时，重音、口音模糊、语法模糊等又很影响成功率。人类语言太复杂，受到单词边界模糊、多义词、句法模糊、上下文理解等影响，语义理解又是一大障碍。
再举个例子：
如果一门课程上一年没开设，对于“这门课程去年有多少同学没通过”这样的问题，机器是回答“都没通过”还是“去年没开这门课”？同时机器还需要提前存储“去年没开这门课”的信息。
想想我们从小时候啥也不懂到现在懂得的知识和信息，这是难以想象的数据量！所以现阶段来看，在某垂直领域开发智能语音产品是相对现实的选择。
3、智能语音交互与界面交互的异同点是什么？研究智能语音与机器的交互，不得不说界面交互，这是使用者和设计者都非常熟悉的人机交互方式。从界面交互出发，其实有很多可思考的或借鉴的点。
界面交互是线性的，而语音交互是非线性的界面交互是一种线性的交互方式，本质上是不同的页面通过不同的层级关系串联起来的。所以，我们在使用的时候会有一层层返回，tab导航切换，回到app首页和home键回到手机桌面的概念。
语音交互不适合这样做，我们人类在语言交流时，是一种非线性发散式的，我们会在聊某个话题时突然切换到另外一个不相关的话题上，这之间没有层级关系，更谈不上返回关系。
界面交互更多过程，语音交互直接指向结果界面交互在设计的时候，是将很多“小任务”（按钮点击、模块选择、页面跳转等等）提供给用户，用户通过不同的组合选择，最终达成自己的目标。
但是在语音交互时，更多是直接表达，你会跟服务员说：请给我一杯咖啡。而不会说：请用杯子从咖啡壶里倒一杯咖啡给我。
界面交互可以没有目标，语音交互需要准确的目标我们在使用电脑和手机上网时，有时候是漫无目的，但在语音交互产品上如果漫无目的的进行下去，会让人很烦躁，因为你得不停地说下去。
语音交互的私密性更强，没有界面交互覆盖的使用场景多当我们在一个人多的场合可以毫无顾忌的使用手机和ipad，但若跟机器进行语音对话，就会令人很尴尬。再例如，在ATM机上取款时你会使用语音吗？？
所以在一些使用语音交互效率高的场景，如何避免这样尴尬的情绪很重要。而另一些更私密的场景语音交互可能是个灾难。
4、智能语音交互适合哪些使用场景？任何一款产品不管是什么样的交互方式，没有使用场景，满足不了用户需求，一定是无法成功的。智能语音类产品也不例外，并且从现阶段的技术上来看，垂直一些的使用场景更适合用智能语音交互。
汽车的车载智能语音系统，已经有很多商业产品了。是不是可以在挖掘出其他出行场景呢？比如骑车时？儿童娱乐和教育也是适合语音交互切入的行业，也有很多公司在做。智能语音类产品还可以应用于客服行业，可以极大的程度降低人员成本，也可以解决语音客服体验差效率低的问题。人工客服和非智能语音客服场景的痛点
如果应用智能语音系统呢？理想的情况跟人工客服没有区别，但是全部由机器完成，想想看节省了多少人力成本。甚至线下的客服工作也可以替代。
4似智能语音助理这样的产品，帮用户处理一些短路径目的明确的任务需求。
还有办公领域、智能家居等等……
5、如何设计使用体验好的智能语音产品？不管是界面产品还是语音产品，最终目的都是解决人们的问题。界面产品设计的部分标准和经验依然适用。
比如设计流程上，同样需要理解业务诉求、用户诉求，要进行用户调研、分析用户特征和观察用户行为，要挖掘使用场景中的问题和痛点，要梳理任务流程、设计信息架构和方案设计，并且要去验证和迭代。
而语音交互过程中还需要注意以下问题：
流程简单，路径明确，最大限度减少对话轮数。语音交互应该避免不停的对话，太多轮对话用户难以记住，并且会很烦躁。
信息传达简洁明了，避免大量内容。用户的短期记忆量有限，信息太多用户难以记住。
给予用户适当的引导，避免或及时纠正用户发散式思维导致的错误。用户的语言表达是自由度非常高的，这会增加机器识别的难度，适当的引导让用户回到正确的道路。
系统状态反馈，及时有效。语音交互中的系统状态反馈，要让用户及时了解当前状态，上下文关系，用户所处流程的位置。
任何时刻都是“首页”。语音交互对用户来说是快捷方式，有需求会直接说，而不会像界面产品先要回到首页再去找相应应用。
加载过程要快。在界面交互中页面加载3秒以内，配合状态反馈，用户是可以接受的。而语音交互用户会更不耐心等待，所以加载过程要快，就像人与人之间对话一样自然，才会令用户满意。
固定的、舒适的声音风格，令用户愉悦。固定的音乐、铃声，给用户形成印象，让人一听见就知道是什么产品。例如微信、iphone铃声、新闻联播片头曲。动听、令人愉悦的声音、音乐、铃声很重要，是产品气质的表现。
与机器的语音交流如何像人类一样自然？这是最后的疑问，我还没有答案。机器的语音交流，不像人类一样自然永远是最大问题，因为只有人与人之间交流才是最自然和舒适的。如何让机器学习和模仿人类，使它慢慢的向自然人“进化”？
以上仅是分析和思考，并未经过实践验证，只希望给大家带来启发。
本文由@Wayne原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自PEXELS，基于CC0协议
市场常见的智能服务产品有哪些
编辑导语：我们在日常生活中经常接触到各种智能服务产品，其中客服中心更是需要智能服务产品的支持，但是对于市场上常用的智能服务产品我们可能并不了解。本文作者为我们总结了目前市面上客服中心常用的8个智能服务产品，看看有没有你熟悉的吧。
一，智能在线客服机器人在线人工客服，工作强度大，工资待遇低、负面情绪多、晋升路线不明确、工作内容枯燥味，是大多数客服从业人员职业前景暗淡的主要原因。而招入难、培训成本高、工作效率低、数据质检绩效太耗时等问题，更是容服中心日常工作中挥之不去的。
智能在线客服机器人（也称在线客服机器人）的诞生在很大程度上改善了上述问题，其显而易见的贡献在于为反复被问到的问题提供一个标准化答案，优点是即时回复，既能让客户省去等待时间，又能极大减少企业的人力成本。
这一突破，不仅能够帮助客服人员解决工作强度大、工作内容枯燥的问题，还能帮助客服中心解决员工离职率高、招人难等问题。
传统模式的客服工作稳定性较差，知识无法沉淀、传承，一旦有员工离职，新员工只能从头学起。而像电商这种品类多、场景多的行业，客服更需要具备丰富的知识储备，但学习过程不论对商家还是员工都是不小的负担。
智能客服可以解决重复、简单的问题，在配备企业专门的知识管理系统后，随着数据的不断增加，系统会越来越智能化，那么智能客服的表现也会越发使用户满意，形成正向循环。
二、智能IVR语音导航交互式语音应答(interactivevoiceresponse，IVR)，是一种功能强大的电话自动语音导航服务系统。
它用预先录制或文本转语音（texttospeech，TTS)技术合成的语音进行自动应答，为客户提供菜单导航功能，主要应用于呼叫中心系统。伴随着客服中心的诞生，IVR系统便一直存在。
IVR系统又分为前置和后置两种：前置IVR是语音先进入系统进行处理，在无法解决客户问题的情况下才转入人工座席；后置IVR是指IVR与人工座席处在平等的位置，人工数量无法满足客户入话时转入IVR，主要是为了在客服都处于忙碌状态时延缓接入时间。
多年来，由于用户“转人工”的使用习惯及IVR流程使用的复杂性，这种单一的应对业务增长的模式越来越跟不上时代的步伐。同时，传统客服虽然不断地对IVR的菜单路径及层级进行优化，但随着企业业务越来越庞大。
这种优化也遭遇了“天花板效应”，用户面对日益臃肿的IVR菜单，越来越没有耐性跟随语音提示走到最终的功能节点，这也导致用户更加愿意直接转到人工座席来完成自己的服务诉求。直到人工智能+IVR的出现，使得IVR技术迎来重生。
智能语音导航（人工智能+IVR)，是通过语音识别和语义理解技术的综合应用，让客户不用传统按键模式而是用语音的方式完成需求的交互，然后系统实现客户需求的最优分发或问题解决。
客户采用最本能的说话方式与系统交互，系统通过智能理解将客户的需求导向“合适”的解决节点，或实现需求分发，或直接解决问题。让客户不用再烦琐地按键或在迷宫般的流程中穿行，在提升客户体验的同时，降低客户对人工服务的依赖。
人工智能技术加持下的IVR未来不仅可以模拟人类对话的服务方式，还可以升级产生智能催收、智能自动营销等功能，甚至还能融入可视化服务，为客户提供多种辅助服务。
三、智能工单系统对于人工座席来说，最怕遇到的就是需要在后台操作多个系统进行组合式查询后才能得到答案的问题。
例如：客户进线要求开具发票，客服需要先进行第一轮交互，确定客户所需要的发票类型：个人发票、企业普通发票、企业专用发票；核对客户需要开具发票的订单，核对成功后，将客户开具发票需要的所有信息以话术方式返回至客户；客户填写后，客服人员操作工单系统进行咨询升级。
对客服来说，这样的操作非常耗时，而且任何一处核对不仔细就容易出现问题；对于客户来说，等待时间长，而且必须要联系上人工客服，赶上业务高峰期，等待时间会更加难以忍耐。
智能工单系统可以将客户与客服交互过程中所有涉及工单或者升级服务的流程打通，应用人工智能技术将需要的信息进行自动匹配与校准，彻底解放客服，让客户在最省力的情况下迅速完成开票过程。
有了智能工单系统，客户进行咨询时，只要提及需要工单服务，系统就会根据工单服务的规则验证该订单能否进行工单操作。
若验证失败，直接返回错误原因；若验证成功，则自动将预先设置好的工单场景规则信息推送至客户，客户按照规则填写个人信息，在同一个页面进行校准，确认无误后系统直接完成推送，同步告知客户工单申请结果与工单产生内容结果的时效，以及结果信息的查阅位置。
对于客服来说，能够解放劳动力，也不用再进行多个后台系统的切换操作，让服务流程变得井然有序。而对于客户来说，在无等待情况下完成申请，并且能够立刻确认申请信息是香正确，同时不用来回切换跳转页面，即可获得服务结贝与服务时效的双重满意。
工单系统有两个应用方向：一个是作为人工座席台的服务插件，当客户咨计时由人工座席推送插件进行智能工单服务：另一个是将插件融入各个独立服务楼块，如与智能服务机器人融合，使得智能服务机器人的业务场景更加深入，与自助服务中对应的业务模块融合，让客户不再只能从自助服务中获取一篇关于申语发票的说明文字，而是能够直接通过一步一步地点选，在一个页面完成服务申请，申请发票只是智能工单应用中的一个成功案例，在电子商务领域中，智能工单系统还包括修改收件地址、提交价格保护等应用。
只要是需要跨越多个系统、进行多个流程操作的工单服务场景，都能应用智能工单系统进行尝试。
四、智能邀评插件对于客服中心来说，掌握客户在服务过程中遇到的障碍是头等大事。
客服中心往往会在每通服务结束后，向客户发送满意度评价邀请，并根据评价的得分及内容对整体的服务体系进行再优化。
在应用智能化产品以前，邀评往往都是在一通语音服务结束后，由客服主动发送评价邀请，而在实际场景中，客服人员由于服务时间太短、并发量太多而导致没有时间发送评价邀请；或者在客户服务结束很长一段时间后才想起要给客户发送服务邀请，从而导致客户体验不佳或评价不准确。抑或在服务过程中，客服人员主观认为客户不会给出好评，而放弃评价邀请。
基于这些问题，智能评价邀请插件可在人工客服结束服务后自动发送评价邀请，如当客服为客户推送问题答案后，一段时间内如果客户没有再次回复，系统便默认客户的问题已经得到了解决，会自动触发智能评价邀请。
又或者当客服为客户提供解决方案后，客服给客户发送“您还有其他问题需要解决吗？”类似确认话术，这个时候客户如果回答“没有”或者“谢谢”等具有指向问题圆满解决的话语，也会触发智能系统发出评价邀请。
智能评价邀请插件通过对服务流程是否结束的客观判定，可以保证所有的服务都有相同的概率能够得到客户的评价，以此保证客服中心得到评价的数量最多、最客观、最能体现客户意志。
五、智能历史聊天记录摘录移动互联网时代，客户的咨询往往是碎片化的，如客户遇到不太紧急的问题时，可能在一天或者几天当中多次进线咨询，或者客户的问题特别难，需要跟多个部门核实信息。
这种服务案例对于人工客服来说是一个非常大的挑战，人工客服接待客户时，往往会在第一时间说“您好，请问有什么可以帮助您的？”这句开头服务话术对于咨询新问题的客户来说是没问题的。
但如果是同一位客户短时间内多次进线，还用该话术让客户重复自己遇到的问题，客户的体验感知会非常差。
人工客服在服务过程当中，所面对的是一个很多客户进线的高并发现场，并且客服中心对于每一个进线客户的首次响应时间往往有很苛刻的考核要求，这就导致人工客服基本没有时间去查询浏览客户以往的历史聊天记录。
智能聊天历史记录摘要插件能够很好地解决上述问题，当客户进线后，系统自动识别该客户的账户在系统中是否有历史聊天记录；同时匹配客户关系管理（CRM）系统或者企业资源计划（ERP)系统进行关联，查询客户以往咨询的主要问题是什么，以及上一次咨询问题的处理结果与处理进度，从而极大地提高了人工客服的工作效率与客户的满意度。
六、智能质检系统服务质量是传统客服中心考核客户体验的关键指标，这一指标不仅能衡量服务结果的好坏，而且对运营管理也具有重要意义。
传统的质量管理方式存在效率低、成本高、录音抽检比例低、质检结果统计难、质检公平难以保障等问题，一直是客服中心质检环节的痛点。
在企业中，质控人员一般是以1%~10%的比例在数据池中随机抽取服务案例进行质检，可有问题的服务抽不到，抽到的大都没有问题是质控人员常常遇到的尴尬境况。
对于一线客服来说，即使在服务过程中辱骂了客户，但只要客户不主动投诉，一线客服只会有很小的几率被质控人员抽查到，这些当下被忽略的服务问题，很可能成为今后的口碑隐患。在智能质检系统的帮助下，质控服务迎来了质的变化。
客服在服务客户的过程中，人工智能系统会在背后监督整个服务过程，如果客户发怒或者情绪发生了变化，人工智能系统会主动监控到这一情况，并把该服务列为疑似有问题的服务。
而质控人员的工作则是每天将人工智能系统推送的疑似有问题的服务抽取出来，根据质控标准进行二次复盘，发现确实有问题的就交给专家型人工客服跟进处理这种模式下，质控人员的抽检范围从全局中的少量案例变为全局中所有疑似有问题的服务，无论是质控人员的处理效率还是客户问题的处理进度都将得到极大提高。
对于语音质检来说，只要先把文字质检的系统及插件打磨完善，在文字质检的插件上增加一个语音转文字的系统，无论是服务结束后的全量质检，还是服务过程中的语音质检，都先由语音转文字的系统将对话内容实时转化成文字，再由文字质检系统进行实时的分析。
需要注意，语音质检不是单纯的文字质检应用，除语音识别能力外，往往还可以考虑业务场景或者一些通用的规则，如情绪识别，可以通过对客户及客服语音波纹的波谷和波峰进行大数据分析比对，分析出客户发怒的波谷和波峰，当声纹触碰到这个波谷或波峰的时候，系统就认为客户的情绪已经发生了极大的变化，甚至处于愤怒的状态中，发出警告提醒服务人员或者班组长注意。
从质检角度来说，智能质检可以用在服务过程中及服务过程后。从质检的范围来讲，它既可以涵盖客户情绪监测，又可以基于客服中心对服务质量的要求，把质检规则固化到系统当中。
从服务的渠道上来说，智能质检既可用于在线又能用于语音。
对于智能巡检来说，将质检系统作为插件导入人工客服的作息工作台当中，当人工客服与客户实时进行沟通交流时，每一条话语都会经过质检系统的筛查，当客户的情绪出现波动，或者客服的话语触碰了质检机制时，巡检系络以标红的形式进行提示。
同时，还可以将质检规则按照严重程度进行分级，当巡检系统检查到客服触碰高等级质检规则时，质检系统可以将该人工座席工作台账户名称发送至对应的班组长处，让班组长及时进行服务干预，将严重投诉扼杀在摇篮中。
七、智能舆情系统智能舆情系统，它在本质上与智能质检系统相似，不同点在于质检的对象是服务人员，其目标是提升服务质量，而舆情监控的对象主要是客户，其目标是将可能影响企业形象的内容消灭在萌芽之中。
智能舆情系统需要将舆情规则泛化在系统中，通过自然语言技术对客户中心在全媒体渠道上的内容进行搜索。
例如：贴吧、微博、微信公众号、知乎、抖音、头条、论坛等平台中，将涉及违反规则的内容检索出来，将其对应的渠道信息及内容信息发送至舆情团队，让舆情团队能够在负面事态还未发酵的时候就能够做出反应，及时消灭对企业不利的舆情。
八、智能语音客服机器人智能语音机器人是继智能在线服务机器人后，人工智能技术在语音服务渠道上又一成熟应用。语音机器人的运转逻辑不是文字质检与语音质检系统的迭代升级，更不是简单地在在线机器人外面封装上一层语音转文字的系统。
所谓智能语音机器人，是综合应用语音识别（ASR）、语音合成（TTS)、语义处理（NLP）、自然语言理解（NLU)等一系列技术，基于特定语音服务渠道打造出的机器人。如果说在线服务机器人最终追求的是服务场景的覆盖率，那么它覆盖越多的场景，回答的问题就越多，相应带来的成效也就越大。
而智能语音机器人聚焦的是颗粒度较大的场景，如营销回访、满意度调查，或者是特定场景的交互。通过对整个服务场景的服务内容进行拆分，预估客户在此服务场景中所有会问的问题，提前设置相应的回复。
如果是外呼机器人的话，该服务场景需要根据以往人工客服的服务流程及人工客服服务话术进行设计，如满意度随访、产品营销等。
在外呼机器人与客户交互的过程中，针对客户每一句话的实际意图去匹配属于该服务场景中的那一段流程，再用语音合成技术将预先设置好的对应流程的回复内容，以固定话术进行拟人化播报。
本文由@F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
基于机器视觉的智能人机交互技术
机器人视觉和机器人技术已被广泛地使用在我们的生活当中，智能机器人技术逐渐成熟。在传统的机器人技术应用过程中，没有做到机器视觉和机器控制的技术统一，只实现了某一技术的应用，极大地制约了智能机器人的发展工作，因此如何统一机器视觉、机器人控制以及人工智能三大要素，成为了人机交互功能实现的主要限制。
随着未来智能机器人的不断发展，人们对人机交互的要求也越来越高，智能化、流畅化、拟人化，这都深深考验着我们对各种机器模块的应用能力。下面我们从机器人视觉人工智能和机器人控制三个方面来探讨机器视觉与人工智能的人机交互问题。
一、机器视觉技术
机器视觉是一项综合性技术，包括图像处理、控制电光源照明、光成像传感器、数字模拟计算机软件等一系列的模块组成，机器视觉的主要应用是提高生产的灵活性和自动化程度，一些不适合人工劳动的场所内，使用机器视觉来代替人工劳力，或者在一些自动化程度比较高的生产线上，机器视觉可以极大地提高生产效率。
1.1机器视觉设计理念
机器视觉的设计理念首先就是教会机器如何分辨物体或人脸，在以往的传统技术下，我们无法做到智能识别这一功能，但是伴随着科技的不断发展，识别技术也应运而生，使得机器视觉得到了进一步提升的可能性。机器视觉的目标就是模仿人类的识别能力，所以说就需要机器识别系统具有足够的运算能力，以及相应的硬件支持，如光传感器，图像处理等硬件，并且IT人员需要进行大量的算法优化、标注增加机器世界的识别效率。机器识别的主要方式，就是通过已有的编程，识别出物体的具体特征，在对数据库的已知物理特征进行对比，进而识别出眼前物体。
机器视觉的主要理念思路先进行图像处理再进行图像识别。在图像处理的过程当中，筛选出识别物体的各项物理特征，对图像进行预制处理，过滤掉其余的干扰因素，将最真实有效的物体特征保留下来。图像识别阶段就是在图像处理之后的过程当中，对筛选过的物体特征，进行识别处理，根据初始系统图像特征的处理范围，进而对已知数据库中数据进行匹配分析，从而得出结论。
1.2实践分析
在日常生活中，机器视觉的处理技术十分常，比如说在图像审核中，对视频中的各项图文信息进行收集分析，在预制筛选结果之后留下疑惑信息，并与已知数据库信息进行对比参照，进而做出审核判断。又或者闻名于世的阿尔法狗也是机器视觉的典型应用，在阿尔法狗围棋人工智能系统的应用过程中，需要拥有图像矫正修正图像二极化、图像格式转和画直线方图分析等识别算法，首先为了实现人机博弈的目的，就必须建立一个直角坐标系在棋盘当中，以此作为后续捕捉棋子位置的基础，然后根据已做好的模板进行棋子查找，将棋盘上的棋子对应到直角坐标系中，这样就实现了机器视觉，后续就可以由人工智能进行决定落子，这个就是机器算法的作用所在。
二、人工智能系统
阿法狗智能围棋系统之所以可以做到如此地步，正是因为当今的世界人工智能技术的飞速发展。人工智能的飞速发展得益于处理器等硬件算法能力的不断提高，使得人工智能可以进一步地应用于人们日常生活当中，随着技术的不断发展，出现了越来越多关于人工智能的应用，如智能识别系统、围棋软件、机器人深度学习，或者众所周知的苹果语音智能系统SIRI。
普通的围棋系统大概有三层神经网络，分别为预测网络，预测对方可能下的棋子，并在系统中进行算法预测，在局势的不断改变中，调整网络中落子概率的分布列表。第二层网络为策略网络，该网络用于判断各个不同落子所可能产生的不同结果，并对不同落子进行不同的优劣分析。第三层为战略网络，即对整个局势进行长期分析，并决定落子方位，为整个系统运行确定一个大方向，进行远期的胜负评估。最后三层网络互相交融，在最后对数据进行量化分析，以此得出最优的落子点。
要想实现上述操作，就必须有一套运行稳定的硬件系统，以CPU为核心进行浮点运算，基础硬件的运算能力，决定了多层神经网络算法处理的运行能力，这就要求系统平台需要提供运算能力较强的硬件设备，保证人工智能系统拥有足够的运算能力。算速度不仅有CPU决定也与GPU相关，对于人工智能深度学习功能而言，GPU的内存带宽起到至关重要的作用。但是仅仅有这些还不够，人工智能系统还要进行不断的AI测试，需要进行海量的自动运算作为预测标准。
三、机器人控制模块
在经历了人工智能和机器视觉的过程之后，就进入机器人控制的环节。世界上第一台商用工业机器人由美国制造，至今已有六十余年，现如今无论是科技水平和运算能力都远超那时，但是机器人承担的主要工作，还是简单的筛选焊接工程处理等方面，没有做到智能化无人化，如果我们想让机器人从事更高级的工程应用方面，就要求机器人拥有更加强大的感知能力和运算能力，做到机器视觉、人工智能、机器人控制三维一体的统一工作。
机器人之间是如何实现人工模块，机器视觉系统和人工智能的相互配合，从而实现人机交互的目的，就拿智能围棋系统为例。如果想要达到人机交互，我们就需要选用合适的机器人，在选择机器人的情况之前需要考虑，应该选择何种驱动方式的机器人，是液压还是气压，并且还要考虑其负载能力，以保证人机交互工程可以正常运行。如果围棋系统想实现人机交互，就必须考虑安置视觉摄像头、吸盘等装置，侧面安置机械臂，保证其活动范围可以覆盖到整个棋盘之上。
四、人机交互
人机交互指的是人与计算机或机器设备之间应用某种方式或者某种语言进行一定程度上的交流，而人机交互在我们的日常生活中也极为常见，小到收音机按钮，电脑开关键，大至汽车方向盘，核反应堆控制室，都可以理解为人机交互。就如同阿尔法狗围棋系统一般，就是借助机器视觉、人工智能、深度学习等功能的基础之上进行围棋运算，进而实现人机交互的目的。
尽管机器视觉和机器人控制广泛的应用于我们的生活当中，但是两者往往没有做到相互统一，传统的生产工序往往集中于一点，比如说运用机器视觉进行样品筛选，通过机器视觉筛选出残次品，进而提高成品率。又或者遥控机器人，使用遥控机器人进行高危工作，由人工远程操作。现在的机器人技术往往没有做到智能化，那么就更谈不上人机交互的实习，如今随着科技水平的不断提高，人机交互的应用能力也不断提高，开始出现一些智能机器人，内置视觉传感器，外置机械骨骼，可以如同吃常人一般具有基本逻辑思维能力，与人沟通，甚至发生动作互动。
现如今人机交互的技术领域逐渐向智能化发展，如我们所用的手机智能语音，无人机，智能家居等技术就是十分典型的人机交互功能的应用，相信在未来会出现越来越多结合机器视觉人工智能机器控制的机器人出现，为我们带来更加流畅的人机交互体验。