【緣起】

仿佛一夜間，人工智能走進了尋常百姓家：百度為配合O2O戰略高調推出了度秘，在交通銀行的營業廳機器人嬌嬌”四處賣萌，之前的微軟小冰、蘋果Siri都是大家調戲”的對象，還有我們無法訪問的基于Android平臺的Google Now、微軟力推的Cortana背后都是大數據和人工智能算法，他們都號稱要做我們的女秘書，都要做我們的助理：操心我們的衣食住行、或準確或錯誤地預測我們的下一步行動并提供及時的服務。百度說人人都能擁有一個貼身的秘書，這不是夢想。

由于中國人力成本優勢的喪失和人口紅利的過期，原來人力密集的客戶服務行業面臨著巨大的變革：傳統的客戶服務中心一改前些年大批招聘座席代表的做法，降成本、減員不減效成為這幾年的管理主旋律。同時，隨著客戶接觸渠道的多樣化（即時通訊工具、微信、微博、SNS）和媒體形式的變革，人人一臺智能手機的現狀讓客戶的自助服務、在線服務成為趨勢。如何通過技術手段提供智能化的客戶服務方式成為大部分客戶服務公司的必然選項：成規模的客戶服務中心都已經或者正在建立智能化客戶服務的平臺，國內也涌現出了許多提供智能客戶服務的供應商。

【現狀】

為了解國內客戶服務行業智能客戶服務的現狀，知識管理中心（Knowledge Management Center，以下簡稱KMCenter）試用了17家企業的在線智能客戶服務方式，這17家企業屬于5個行業（電子商務、政務服務、電信運營、旅行商旅、金融證券），他們所使用的技術平臺涵蓋了國內主要的智能客服技術提供商。

總體的感受是：現在的智能客服大部分都是剛剛起步，都在路上，許多僅僅是一個不太高明的搜索引擎功能！

大部分情況是客戶寫入關鍵詞、自動關聯一篇或幾篇知識文檔推送給客戶，而這些知識文檔之前是服務于座席培訓、閱讀后用來回答客戶問題的，但現在直接開放給客戶。由于這些文檔沒做客戶化的工作或者做的不夠，存在著專業術語多、邏輯不清晰、官方立場而非客戶立場等問題，用戶看不懂或者與用戶問題關聯度較差，雖然能夠解決一部分問題但滿意度不高。

另一部分做的比較好的是客戶通過類似于我們聊天的自然語言與系統互動，系統建立了相應的詞庫進行分詞，提取出相應的關鍵詞后再進行搜索，回復給客戶的是碎片化的片段內容。這種系統背后的核心仍然是搜索，只是將相應內容作了一定程度的碎片化并手動設置了相應的標簽，客戶體驗好于前面的一種情況，但也只能在客戶輸入的語言比較專業時效果才好，而問題是大部分客戶根本不專業。

舉一個例子，在某電信運營商智能客服系統中我們想咨詢是否有不需要月租或者月租費用最低的電話卡，我們的提問方式是無月租電話卡、免月租電話卡”，但他返回的結果是：

尊敬的客戶，根據您發送的內容，我們判斷您可能需要了解以下業務：

1.后付費無線上網卡如何扣除月租？

2.無月租和最低消費的預付費手機號碼是否有話費使用限期？

3.什么是基本月租？

4.什么時候扣取月租費？

明顯的是該系統沒有識別出客戶的核心需求無/免”月租這個關鍵字，而這樣的需求是站在客戶立場上最常見的需求之一。

進一步試驗，我們知道該公司在互聯網轉型，正在全國各地的營業廳、互聯網上大張旗鼓地宣傳新推出的一種SUN套餐”，就用SUN套餐”去提問，但結果竟然是沒有內容而推薦的其他無關內容。百思不得其解，公司這樣大張旗鼓去推的產品不可能沒有相關內容啊，只有去咨詢他們人工客服才明白，因為他們在存的時候不叫SUN套餐”而叫太陽套餐”，所以智能客服就找不到了。

這根本不智能！

理想的情況是智能客服系統能自動建立SUN套餐”與太陽套餐”的關聯，因為他們是一個意思的詞，客戶無論用SUN還是太陽都能搜索到。智能系統需要能夠識別用戶提問的核心需求點”在哪里，但現在大部分智能客服系統對于用戶提問中的名詞（上文中的月租”、卡”）已經比較敏感，而對于核心需求點的無、免”則不能識別，更進一步，當這個運營商沒有相應的無月租或者免月租的卡時應該推薦月租最便宜的卡，這才是客戶的需求！

KMCenter的顧問也對國內大部分提供智能客服的技術平臺進行了簡單的評估，各技術平臺提供方由于其策略方向和積累程度的不同，在技術水平和能力上有差別，但不大，許多技術上的難題是共性的，需要隨著行業數據積累量和質的提升、更高效算法的出現才能有質的提升。

那么問題就來了，智能客戶服務該怎么提升滿意度？在技術水平一定的情況下更有效的做法在于知識庫組織方式的提升：誰的知識庫組織得更好，誰的智能客服效率就更高、客戶滿意度就更好！

【知識庫支撐】

許多做客服中心智能客服的同學感嘆：如果我們的系統能夠像百度的度秘、微軟的小冰、蘋果的Siri和Google的Now一樣該多好啊！但貌似現在還做不到。他們為什么好呢？有兩個原因。首先，他們的技術團隊是現在市場上提供智能客服系統的公司所沒有的全球深度學習領域的3位牛人GeoffreyHinton、Yann LeCun和吳恩達，他們分別被谷歌、Facebook和百度招安，這些互聯網公司有大筆的資金和人才積累去做這塊研究，這個狀況短期內不會改變。另一個是數據量的積累，智能來自于對歷史積累大數據量的學習與挖掘，譬如谷歌的數據來源就涵蓋了它的Gmail、搜索引擎、谷歌地圖、Chrome瀏覽器、各類APP等內容，它甚至比我們自己更了解我們；百度也類似，它有海量的用戶搜索行為、瀏覽軌跡、地理位置信息等等，但這些數據在客服中心內很少，能系統地記錄一個客戶整個生命周期的咨詢、查詢、消費記錄的不多。

在這兩個條件都欠缺的情況下，客戶服務中心該如何做智能化服務呢？我們的答案是知識庫的優化與提升、卓越的知識庫建設與運營。2015年初，由云客戶服務提供商eGain委托、知名技術和市場調研公司Forrester咨詢執行的面向美國5000名各層次消費者的調查發現客戶服務中最大的痛點是知識庫。KMCenter基于超過200家呼叫中心調研數據發布的

《2015中國呼叫中心知識庫現狀與問題報告》也顯示大部分客戶服務知識庫都存在各種各樣的問題，最核心的問題有兩個。

一是內容組織上存在問題。

由于內容組織上的欠缺，造成了知識庫使用上的許多不滿意，包括搜索結構不準確、內容找不到（很可能是有的）、類似內容間的關聯欠缺等，這種不滿意既來自于傳統的座席代表，也來自于在線服務的人員和最終客戶（如圖1）。

知識關聯：在前面的例子中如果建立了SUN”與太陽”的關聯（同義詞），那么無論是用太陽套餐”還是用SUN套餐”去發現，都可以找到相應的內容，這是在知識庫組織中基礎的詞表的建立：同義詞、近義詞、上位詞、下位詞。譬如蘋果、梨、橘子、葡萄都屬于水果的下位詞，當客戶搜索蘋果沒有相應內容的時候可以推薦橘子、葡萄給用戶。類比成用戶想尋找無月租的套餐，但該公司沒有這樣的套餐怎么辦，最低的是5元套餐，這個時候就可以推薦這個給客戶，客戶很可能就會選擇。

多維度分類：在大部分的客戶服務知識庫中也有多維度分類，但這個多維度首先是數量太少，通常3、4個維度，而具體需求的復雜程度要遠高于3、4個角度；其次是這些維度都是站在服務提供方的立場上，基于產品、服務、自己的流程等，然而客戶根本不是這樣去發現內容的。看看百度的度秘怎么說的：建立豐富的索引維度，方便用戶個性化的查詢需求。以餐館為例，地理位置是一個維度，菜品類別是一個維度，但可不可以帶寵物、有沒有明星光顧過、餐館的包間有沒有電視等等都能成為新的標簽和索引維度。索引維度越豐富，用戶在擁有個性化的需求時能找到相關服務的可能性越大。維度越多，理論上越準確，但成本也越高，百度因為有海量用戶搜索行為數據才可以基于用戶的搜索內容去自動確定維度標簽。我們客服中心的優勢是客戶訴求明確，則可以依據專家+服務數據結合的方式去有針對性地確定相應標簽。

二是知識庫的客戶化。

這里的客戶化包括內容的客戶化、內容組織的客戶化、用戶使用場景的考量等因素。在

2015中國呼叫中心知識庫現狀與問題”調查中這是反饋最多的問題，但這也是一個比較困難的問題。解決對策首先需要建立相應人員的客戶化思維，從客戶部門的負責人到座席都要有站在客戶立場上去思考的意識和能力，理解客戶問題產生的場景，既要看到顯性的需求又能挖掘背后的潛臺詞；其次是提高知識庫管理人員知識組織的能力、采編人員對業務面和需求面的深入理解，在這個基礎上提升表達的能力和技巧。在這個過程中除了充分利用一線人員、后臺管理人員的經驗、判斷等隱性知識去改進外更要充分利用智能化客服系統所記載（悲催的是有不少系統欠缺這個記載）的用戶行為軌跡和數據去分析，不要僅僅去看滿意度高的部分，更要去分析不滿意的部分：為什么出現、規律和趨勢是什么、潛在需求是什么、為什么沒有滿足等等。但在實踐中，我們很少看到有公司來做這一塊分析，這無疑是十分可惜的。

【結語】

在客戶服務環節，寶貴的人力資源應該去做更重要的事情，用智能化方式服務客戶是一個正在到來的趨勢，大家都在路上！

知識庫是智能化服務的大腦，這個大腦的聰明程度”、效率決定了服務的質量和客戶滿意度，所以如何建設和運營既能支撐座席又能支撐多媒體和渠道的知識庫成為客戶服務中心現在和未來很長一段時間內面臨的核心任務！在今天，大部分知識庫內容的生產和知識組織方式都是人工主導和參與；而未來，隨著數據量的積累和智能客服相關技術的進步，知識庫的優化方式更多來自于對用戶行為的分析和基于大數據深度學習所發現的洞見和需求。