編輯導語：如今隨著科技的不斷發展，人工智慧漸漸的深入我們的工作和生活，比如現在很多平台都會使用智能客服進行工作，可以引導用戶進行操作以及解決一些固定問題；本文作者分享了關於智能客服優化的建議，我們一起來了解一下。
人工智慧領域，2020年迎來了NLP落地場景智能客服的崛起。不同場景和業務的應用要求智能對話更擬人、更懂客戶。
本文以京東智能客服「開發票業務」從語音和圖形兩種產品形態，對智能對話的優化提出小小建議。
一、智能對話中語音交互和圖形交互的區別
1）對話的引導項不同
語音交互的引導回復話術最多給出2-3個選擇。圖形交互的引導，在GUI頁面內，可以顯示多個引導項。
2）對話的上下文處理不同
語音交互的上下文存在對話樹中，超過層級的對話內容會從對話樹中刪除，但用戶人腦還存在上文感知，需要更專業和複雜的引導幫助用戶進行下一步操作。
圖形交互的上文存在對話列表內，用戶很容易感知上文內容，哪怕上文失效，也可以回到之前的對話部分進行查看。
3）對話邏輯的處理不同
語音交互中，存在篩選、指代、相似內容搜索、跨場景對話等對話邏輯；一旦觸發一個規則，需要增加更多引導回復方便用戶完成對話任務。
圖形交互的對話邏輯，可以用文本、tab、列表等方式輔助對話任務，便捷的點擊操作，讓用戶更好的按引導完成對話。
4）對話的「擬人化」程度不同
用戶要求語音交互比圖形交互更「人性化」，希望對話的智能客服更像人；對話不僅包括ASR的聲音擬人化，更要求對話的內容像日常說話一樣自然，對話交互要秉持友好自然有個性的原則。
5）情緒識別模型的使用場景不同
語音交互中，情緒的感知相對比較強烈，用戶一說話就能感知對方是情緒低落還是情緒高漲，情緒模型的對話應用於每一句用戶回復的對話中。
圖形交互中，只有用戶輸入的語言文字帶有情緒內容，或使用情緒的表情符號，才能識別用戶當前的情緒狀態。
6）對話的兜底應答策略不同
語音交互中，經常會遇到智能客服回答不了的問題，這時候需要應對技能進入相對無解的狀態，對話設計不能讓用戶的感覺「雪上加霜」，一般回復以「機靈可愛的承認沒聽懂+引導下一步話術」組合出現。
例如：「小東在自己強大的神經網路內走迷路啦，您如果還要繼續開發票請對我說我要開發票」，圖形交互的回復主要以展示下一步用戶可能操作的TAB選項為主。
二、圖形交互的智能客服
1. 當前智能客服對話存在的問題
- 回復話術內容過多文字過長堆疊嚴重，用戶很難聚焦。
- 關聯推薦的關聯問題相關性不是很好。
- 沒有精細的多輪對話流程引導。
- 回復的內容沒有進行流程步驟的拆解。
2. 產品優化建議
1）回復話術準確、簡潔、有目標性
例如：用戶說「我要開發票」，直接引導用戶開發票，完成任務。
2）客服提示的問題和用戶的下一步操作引導強相關，和用戶當前業務無關的提示不再出現。
3）需要用戶輸入的選擇性問題，以提示tab按鍵代替手動輸入。
下圖，藍色方框為TAB按鍵：
4）智能客服的回復，將用戶下一步潛在的需求以流程的形式在界面中展示出來。
5）以解決問題為導向，細化解決方案，將方案變成用戶可操作的路徑。
3. 圖形交互對話設計樣例
開發票按業務流程分為訪問客服、選擇訂單、確認信息並下單、售後服務幾個場景模塊。
三、語音交互的智能客服
1. 拆解業務場景
開發票從業務場景上主要分為三個部分業務諮詢、實施過程、售後服務。
業務諮詢解答通用的FAQ問題，實施過程是用戶真正開發票的過程，售後服務針對性回復售後相關的內容。
對話的內容分為：問答、閑聊、任務，結合當前場景，不存在閑聊內容，主要是問答FAQ和任務型對話。
2. 關於智能客服的開場白
開場白要清楚簡潔，並帶有明確的引導性。基於用戶的第一句話，回復意圖分兩個方向處理：如果是明確意圖，開場白要精簡明確。如果是非明確意圖，開場白的回復要做推薦引導。
舉例：
「對話一」
- 「我要開發票」 用戶的開場白意圖很明確。
- 進入開發票的對話任務中，回復「好的，您要哪天的訂單開發票呢？」
「對話二」
- 「你好」「在不」「有客服嗎？」用戶開場白意圖不明確。
- 由於不清楚用戶具體需求，給出更多可能的推薦引導回復「您好，我可以幫你開發票、辦理售後，請問您要辦理什麼業務？」
3. 複合型指令的智能回復
開發票的業務場景中，經常會用到選擇訂單，用戶回復包括序號和選項內容，例如：「1、2020年8月4日訂單」「第二個，嬰兒床訂單」，對話需要擴展可識別的指令詞庫，支持用戶說訂單時間、訂單內容、商品信息等指令信息，方便用戶在選擇訂單時能快速完成任務。
4. 針對FAQ問答出現在任務型對話中的解決方案
當前對話過程中，FAQ問答可穿插的任務型對話的任意節點，FAQ回復結束后，可自動返回之前的任務型對話節點讓對話繼續。
- FAQ問答表示科普類的、名詞解釋類的通用回復內容。包括：電子發票是什麼？都可以開哪種發票？發票什麼時候發貨？
- 任務型對話表示基於明確任務目標的前提下，在達到最終節點前全部對話流程和槽位信息（填槽位的對話流程）。
例如：
當前列子中「發票多久可以收到」屬於FAQ問答，智能客服回復以後，需要再次詢問上一個節點對話內容，引導用戶繼續完成對話，當前市面很多產品並沒有FAQ問答結束后再繼續對話的產品功能。
5. 槽位信息的補充採用多輪對話的方式
任務型對話中，用戶在完成開發票業務前，需要的發票信息內容，如納稅人識別號、發票表頭等信息，可以通過多次詢問補充和完善。
6. 在不同場景（對話樹）發生跳轉時進行干預
對話任務中會出現跨場景跳轉，為避免超出用戶預期，需要在跳轉前進行二次詢問。
舉例：當前在業務諮詢模塊（一個場景的對話任務），用戶再次詢問售後服務模塊（另一個場景對話任務）的時候；在語音交互中，防止失誤識別而導致的對話跳轉（即對話樹的更改）需要再次詢問用戶「是否要詢問售後服務關於發票收貨時間的問題？」
如果用戶確認，再更改對話任務；如果用戶未確認，保持當前對話上下文。
7. 異常處理
- 識別正確，但是沒有對應的結果，如果回復。
- 識別到兩個或多個域都有結果，提示用戶在兩個裡面做選擇。（有歧義的query）
- 時間過長導致上下文丟失，怎麼處理？
- 對話樹層級太長，有部分上文丟失，但是用戶還記得上文怎麼處理？（基於對話樹可以維持幾層）
- 用戶無應答時候的處理。
很多朋友給我抱怨現在的智能音箱或者機器人很傻，不能理解自己。
我總是安慰說，給產品和技術更多一些時間；而智能對話是真實可提升用戶直觀感受的重要交互方式，在智能對話領域的探索，才是讓智能產品更快應用於場景，更快找到落地方式的唯一手段。
公眾號：小小仙女獅獅隨想