智能客服+智能助手，這波“數字員工”的業務能力太強了！
在行車途中，雙手與雙眼需要高度集中的情況下，“請告訴我今天路況如何？”“請告訴我哪條路會更快到達？”智能助手會是身邊最可靠的領航員。
在工作場景里，老員工的指導或許很重要，但并不能成為新手的貼身保鏢，“請問如何才能修復好這個文件？”“財務流程需要怎樣操作？”智能客服會是更為可靠和高效的手段。
顯然，無論是消費者還是普通用戶，智能客服和個人助手信息系統已然與生活密不可分。智慧源于數據，也源于系統的持續迭代以及企業系統的持續更新。如果用戶在使用過程中收獲的是一系列的答非所問和繁雜的操作，不僅用戶體驗不佳，企業內外聯動的運營效能提升有限，品牌形象也會受到損害。那么智能時代，怎樣才能讓智能客服和智能助手真正擔起智能之名呢？華為正在以AI之名，為之正名。
華為的研發實力有目共睹，近年來，智能趨勢全球開啟，站在風口浪尖的華為搭上了這一歷史性的進程。在“智能華為”的轉型的過程中，其推出了大量的智能化手段來提升企業運行效率，智能客戶和智能助手便是其中兩大利器。華為把智能領域積累的大量經驗和技術，以智能客服和智能助手的方式應用到企業運作流程之中，充分挖掘企業內部技術及能力資源。
智能客服越千山，究竟越過哪一關？
接入智能客服之前，一定要明晰一件事情，那就是為什么會需要智能客服？我們現在所聽到的一些客服機器人算不算智能客服呢？且請慢慢看來。
設置客服的目的是很簡單的，那就是解決普通客戶的咨詢問題。而目前客服行業中，面向普通客戶咨詢主要有兩種處理方式，傳統客服機器人和電話按鍵導航轉人工客服。不過二者相比起來各有利弊，傳統客服機器人問題明顯，容易答非所問，而且問題解決率不足80%，同時很多在線業務無法辦理；而人工客服的話則流程冗長且效率偏低，通常需要等待人工坐席提交工單、人工坐席升級工單、人工坐席關閉工單、客戶滿意度評價、客服質檢等諸多環節。
從華為客服業務給出的數據來看，其目前擁有的超過1萬名客服坐席，人均每天60個問詢單，每單處理耗時約10分鐘，年損失率130%，而且新人培訓周期較長。機器人客服撥測命中率低、用戶參評率低、答非所問以及知識運營成本高；人工坐席排隊及工單升級困難、知識檢索速度慢、人工總結問題效率低……那么就沒有兩全其美的辦法嗎？
顯然不是的，華為智能客服就是要解決掉這個矛盾點。本質上來講，智能客服解決方案需要把兩種客服業務進行結合，其總體流程涵蓋了以下5個步驟。
智能導航，在導航時根據用戶畫像識別實現AI智能分流，快速理解用戶意圖，一些常見問題直接辦理；
智能問答，在機器人客服方面，基于NLP (Natural Language Processing)技術打造了各類對話機器人，讓用戶能夠更多的進行自助辦理業務；
坐席輔助，在人工坐席服務中在業務流程、知識內容、業務話術、升單分類等方面實現自動推薦，提升客服效率；
智能外呼，在用戶滿意度評價部分，根據營銷線索完成自動挖掘，自動完成客戶滿意度回訪；
智能質檢，在客服質檢流程中能夠實時識別情緒異常預警并對服務質量檢測，避開敏感信息。
通過這5個流程，華為智能客服可以在無人敢于的情況下實現85%以上的用戶問題可由機器人實現閉環處理；并且在人工坐席方面實現千般問一致答，1分鐘完成錄單查單升單；而更為重要的是，智能客服系統可以實現100%全問題單覆蓋，保障沒有錯漏現象出現，堪稱完美之選。
智能客服產品架構示意
那么智能客服能夠在哪些場景下發揮作用呢？華為AI使能部智能客服產品經理唐菊香介紹稱基于智能路由、問答與任務引擎、意圖識別等能力構建的智能客服解決方案，在華為內部得到廣泛使用，實現一鍵觸達所需服務；并且該技術也在用戶場景、內部連接場景、企業各個服務場景中得到廣泛使用。
場景化應用，智能客服的長生訣
過往的經驗告知，如果一款產品沒有競爭力，不能在場景中切實的解決問題，那么這款產品便很難稱之為成功。而華為智能客服解決方案在面向普通用戶、外部工程師、小語種等諸多場景時，可以切實的擊破場景化發展難題。
華為VMALL商城在線客服就是一種典型的應用，其能夠處理消費者在售前及售后中的各類問題咨詢，全球96個國家， 700+終端產品型號及14個EMUI/Magic UI系統版本均可得到服務。在以往的解決方案里，客服產品往往會面臨體系復雜，知識難記憶；業務浪涌風險;坐席壓力大，極端情況情緒崩潰，人員流失快、海外招聘難等諸多問題。
而在通過接入智能客服之后，整體解決方案效率得到大幅提升，售前通過 RPA機器人(Robotic Process Automation)、知識圖譜機器人、實體識別等完成產品咨詢和對比任務；售后則可以通過任務機器人、產品圖譜機器人、用戶畫像來精準化提供到店維修指引；同時能夠通過RPA機器人、故障圖譜機器人、實體識別能力完成逐步故障解決。
工程師的問題可能會比普通用戶更復雜，以往工程師在進行功能對比、產品選型、產品展示、安裝指南、故障指導、版本推薦時，很難通過機器人客戶解決問題，而求助人工坐席解決問題時需要80美金/單。
為方便企業業務工程師能夠快速解決問題，華為企業業務部投入1人月構建14個主要場景的任務多輪自助，實現客戶工程師自助快速獲取產品相關問題解決方案，緩解了人工坐席壓力，實現人工費用節省。這套解決方案的最大特點在于，其能夠基于企業業務意圖識別模型，是一套將企業產品圖譜與場景任務引擎結合的解決方案。
小語種場景相比之下會簡單一些，華為利用專利技術實現了小語種與英文機器人能力，目前已經覆蓋了西班牙語、泰語、俄語、日語、韓語、阿拉伯語、法語、德語等諸多語言。在以往使用的單一模型中，其往往會各有優劣，只能適用于特定場景，系統對對一些重點語種有專門的模型應對，將其融合之后可以形成互補。
華為智能客服解決方案面向核心小語種，主要采用多模型融合(經典機器學習算法+深度學習算法)+投票決策的方式，分語種訓練；面向非核心小語種，主要通過機器翻譯，利用英文Bot能力以及答案的多語種同源關聯，實現小語種快速覆蓋。不同場景不同解決方式，這樣才能更加高效的解決問題。
總結來看，華為智能客服的核心技術點在運營層面有著明顯的提升，其能夠通過文檔自動抽取和知識自動生成提升知識儲備，并根據對話日志統計報表，熱點、高頻問題統計，人工服務數據反哺完成機器自學習，再借助人工標注、知識健康檢查、知識自動生成、語料擴寫等能力實現智能客服的效率提升。同時，其能夠通過自動訓練人工發布，最終實現系統的知識覆蓋面提升，整體準確率提升10%到20%，回答更加準確。
相比以往的智能客服解決方案，華為智能客服具備更強的客戶理解能力，能夠通過NLP能力、多模態情感識別、基于畫像的推薦以及多語種意圖識別，增強客戶理解，提升客戶體驗，減少客服壓力；此外，其能夠提供開箱即用的能力，通過云化和多租戶隔離，實現20分鐘快速構建；同時，客戶服務解決方案覆蓋企業內部咨詢、業務辦理助手等諸多場景，全場景覆蓋讓產品更具競爭力。
智能助手，信息獲取新模式
智能助手AI構建思路示意
以往在做產品時，往往選擇的是技術驅動，但智能產品，尤其是智能助手這類產品，往往運營、場景和數據作為驅動的。在構建智能助手時，往往需要會先獲取用戶行為日志，然后基于用戶行為習慣進行分析，最終實現場景識別、服務設計、意圖識別設計等核心能力；同時也可以將之用于現狀評估和目標制定。
在建設完成上線后，后續更新迭代的環節叫“PDCA”轉換（PDCA ：PLAN計劃、DO實施、CHECK驗證、ACTION改進）。產品上線后對需要產品反復進行驗證，然后反饋迭代實現用戶問題閉環，最終逐步迭代提升用戶體驗。智能產品的第一個版本往往不盡完善，但就是在這一系列的閉環升級中，讓產品的服務能力和用戶體驗不斷的日趨完善。
華為內部使用的智能助手主要基于華為多年的技術積累打造，根據不同的端口，主要有三種呈現方式：語音助手，智能搜索，劃詞搜索（閃查）。在移動端，語音助手能夠便捷地答疑解惑；文字搜索能夠跨越終端并且處理各類條件的內容信息，而劃詞搜索則可以智能地嵌入在各種軟件之中，實時簡潔地呈現各類信息。華為打造的助手中臺能夠提供QABot、RPA、搜索Bot、Talk to Data、Task Bot等AI能力，幫助提升員工生產力。
多場景落地，智能助手的新春
談及智能助手，很多人對其的認知可能還停留在小藝、Siri等個人手機上，但顯然其能夠落地的空間會比這些場景更加豐富。華為智能助手在HR服務、會議助手、數據服務、知識服務等多個領域均有表現。
HR服務并非易事，在企業內部找人與其他的人脈搜索不同，其往往面對的是陌生人搜索，多數屬于模糊搜索。而智能助手基于員工圖譜支持企業內部找人，根據員工不同標簽進行歸類和聯想搜索，標簽觸電從入職開始，包括職位上的調動、晉升、出差、培訓、項目作戰到離職的全職業生涯周期，從部門來看其同部門、秘書、HRBP、主管、同項目組的同事相關性也可以做區隔，進而更加精準地找到合適人選。
會議服務看似簡單，卻有很多零散的煩心事。在參加會議時，會前需要進行會議室預訂、預約與會人等一系列操作，同時還可能找不到會議室。華為會議助手則能夠實現一句話預約會議室并通過RPA自動預約與會人時間，內置的室內導航也能夠避免找不到會議室的尷尬。
在開會時出勤統計、陌生人信息查詢、跨語言溝通、會議記錄和任務下發，每一條都可能是一個坑。華為會議助手則可以提供出勤自動統計（攝像頭）、陌生人信息推薦、實時會議口水稿、同聲傳譯、拍照識文、一句話創建任務等功能。在會議結束時，往往需要進行會議紀要整理和任務的跟進。能會議助手能夠對多媒體會議進行記錄，生成視頻、語音、口水稿，且紀要口水稿文本順滑，能夠自動進行觀點提??；會后也能利用RPA自動跟進任務。
數據服務需求更加繁雜，技術含量會更高。在尋找合適的數據內容時，往往得到的結果過于專業，導致很多一線用戶無法明晰數據的價值點和關鍵所在。而通過使用智能搜索、機器學習算法，智能助手能夠準確識別語音，分析用戶意圖并與用戶對話，讓用戶能夠輕松找到想要的數據。
舉例而言，當用戶想要某一地區的數據時，智能助手能夠直接將相關數據的柱狀圖呈現，并可根據用戶指令找到更合適的可視化形式，幫助用戶理解相關數據集和問題點。通過AI的NL2SQL（自然語言到結構化查詢語言）技術，智能助手實現了自然語言到機器語言的轉換。用戶只需用最自然的語言，就可隨機、自由的、多維度、多邏輯組合數據，通過一次或多次會話完成數據探索和分析，洞悉數據背后的業務本質。
華為智能助手在知識服務方面提供的場景化幫助會更加豐富?；诋a品構建的知識圖譜能夠比普通的FAQ系統更加精準地完成問答，實現產品對比、產品常見問題支持、屬性查詢等能力。而產品知識圖譜本身的三元組比較好定義，因此產品屬性比較有限，而且數據多為半結構化數據，能夠比較簡單地構建；但大概念的知識圖譜會比較難，需要在合適的場景來做建設，甚至還需要進行相關的邏輯判斷解決。
產品文檔內容的深度檢索在未來有望成為剛需，僅以華為內部來看，年文檔量就能達到百萬級。之前只支持員工主動找文檔，但這需要大量時間瀏覽文檔內容，信息獲取效率低。在找文檔過程中，由于文檔標題覆蓋的信息有限，因此使用搜索功能往往搜不到或者不支持excel、ppt、pdf、word等文件內容搜索。
智能助手能夠對文檔進行解析，包括頁碼、標題、正文等內容，并以API形式接入索引庫。用戶在檢索相關文檔時，智能助手通過意圖理解調用索引庫相關內容，并通過智能搜索算法模型，實時輸出相關內容?？偨Y來看，智能助手能夠實現更深層次的內容搜索，能夠精準定位、在線預覽、一搜即得。
核心語義識別服務架構示意圖
核心語義識別是智能助手的一大重要難點所在，在做知識問答或是搜索時往往會遇到一個問題，用戶輸入一句話時詞與詞的重要性的不一樣的，以往由于未識別核心語義導致的Bad Case達到了35%。以往的解決辦法有很多種，比如大量的字典或者標注；但這樣做的問題在于人力成本投入過大，而且Case By Case維護，效果不佳。
華為智能助手基于非監督算法核心詞的識別模型，當用戶輸入一句話時，算法模型會自動對語言中多個詞匯的權重進行分析。通過核心語義識別讓用戶問答結果更加精準，也能更好地理解客戶的訴求。
此外在很多情況下，用戶會搜索一些意圖不明確的內容，搜索主題會比較泛；亦或者用戶搜索時記憶不太清楚；再者當用戶輸入一個標簽時標簽下內容過多導致用戶無所適從。為了解決這類意圖不明確搜索的問題，華為智能助手基于華為內網相關信息形成了主題圖譜，將不同主題下相關的知識內容根據關聯性來繪制圖譜，進而引導用戶明確意圖。
在用戶進行知識探索時，通過主題下的關鍵知識提取模塊即可獲得；當用戶輸入較為模糊時，主題圖譜可以逐步對用戶進行相關內容逐步引導；當內容比較多的時候，結構化處理模塊以及Query理解模塊會共同打造的主題推薦能力能夠對用戶有所幫助。
AI 客服 智能客服
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。