“确认过眼神，这就是你想要的环信机器人？”

本篇文章3191字，读完约8分钟

随着云计算和人工智能技术的飞速发展，以前只能在呼叫中心进行的顾客服务业，通过在线、移动和顾客服务机器人实现分流和效率化，特别是顾客服务机器人的应用，在员工中占多数

但是，由于早期的呼叫机器人使用基于规则的方法，因此在副本的制作和维护过程中，需要人工进行非常细致的结构化分解，例如文章是否为疑问句、问什么的疑问句、主语是什么、谓语是什么等。 因为，专职工作人员需要每天贴标签工作。 此外，这些员工的培训和替代价格都很高，给公司带来了新的价格负担。

过去两年，深度学习算法的突破给呼叫机器人的应用带来了改革创新。 作为在客户服务行业深耕多年的公司服务企业，环信基于现有的客户服务系统和产品，积极部署ai，从年初开始组建ai团队，开发基于深度学习和机器学习的智能客户服务系统。

基础算法能力:通过深度学习减少业务量

目前，环信客服机器人通过语义相似度算法和意图模型，训练了大量优质网络和领域数据，不仅可以大大降低知识库的构建和维护价格，而且上线后机器自主学习，持续完整地建立知识库

那么，语义相似度算法和意图模型是如何降低标注业务量的呢？ 对此，环信ai负责人李理做了通俗易懂的说明。

首先，语义相似度算法是通用的模型，输入两个句子，输出两个句子的相似度。 这个相似度是根据一个回归模型得到的0到1之间的数值，可以分为0、0.25、0.5、0.75、1的不同阶段。 机器通过这个模型可以学习虚词、句法等类似关系。 因为这不是领域知识，而是通用模式，所以不需要专家就可以进行这项培训，学习价格几乎为0。

其次，意图模型是领域知识点的训练。 例如，心脏病是不是重病的知识点，在类似的问题上打上心脏病是不是重病的标签就可以了。 然后，如果把很多相似的句子送给模型进行训练，然后出现相似的句子，机器就会明白心脏病是不是重病的问题。

由于算法的不同，基于深度学习的算法与以前流传的标签制作工作量相比呈指数级减少，不仅减少了基于知识的初始构建价格，还减少了公司后期基于知识的维护和更新价格。 此外，公司实际客服中产生的对话效果反馈也将作为培训素材进入知识库，为客服机器人提供更完整、更智能的支持。

业务处理能力:通过客服经验提高满意度

基于ai的客户感知机器人并不一定能真正处理实际工作中的客户感知问题。 另外，客服系统的提供者对客服有很深的理解和足够的经验，在机器人系统中实施这些理解和经验，有可能会让顾客满意。

环信近几年在20多个领域累计了70000多家企业，积累了丰富的客户服务经验，具备较强的服务场景分解能力和业务理解能力，能够从根本上支持客户的客户应对问题。

例如，快递领域的投诉和催函问题一直是个重创。 环信某快递领域的顾客在使用环信的客服机器人后发现，系统效果很好，但没有达到预期的目的。 原来的呼叫机器人可以准确引出问题和意图，根据客户给出的标准答案来回答，但是“你好，我是xxx。 您的问题来了。 请稍等。 如有紧急情况，请向xxx咨询。 但是，这样真的不能处理问题。

为此，环信建议顾客按照人工顾客服务的处理思路处理这个问题。 具体来说，首先分解其业务。 例如，3天内怎么办，3天以外怎么办？ 然后，给顾客制作催单界面api，对应不同人不同的话术，最后还给顾客催单号码，告诉他们一天内打电话拜访。 通过将原来的单轮对话分解为多个对话，转动人手的数量大幅减少。

业务处理能力在客户服务领域非常重要，要求乙方不仅要真正了解客户服务，有服务意识，还要有领域服务经验，了解不同领域场景的痛点和处理方法。 环信通过服务保险、证券、物流、教育等多个领域的众多客户，积累了丰富的客户服务和领域服务经验，能够真正帮助客户处理客户服务问题，实现客户服务效果的显著提高。

平台开放性:通过多个接口满足可扩展性

因为ai在客服领域的落地不仅仅是文案呼叫机器人，还有智能ivr (交互式语音响应)、智能质检、智能呼叫、智能知识库等。 这是因为，对于自身具有较强it能力的大客户来说，希望利用乙方的平台，调用其中的句法分析、意图识别、情绪分析等能力，构建其他系统。 这就要求乙方提供的系统应该是开放的平台，而不是黑匣子。

此外，对许多大客户来说，耗费大量时间和精力维护的知识图谱价值非常大，他们通常希望调用这些知识图谱进行复用，也对乙方平台的开放性提出了更高的要求。

环信中文语义计算平台为大客户提供了丰富的界面，可以基于知识库副本进行答疑，还可以基于业务系统界面进行新闻调用，实现二次开发、业务新闻查询等功能 另外，环信智能客服机器人支持知识库的批量部署和导出，使顾客可以更轻松地管理和运用自己的知识库。

人机协作:呼叫机器人不是万能药

当然，客服机器人可以通过一次对话和多次对话，以人工客服的方式处理许多简单重复的问题，但在客单价高、诉求强的情况下，采用客服机器人风险高，只有人工客服才能达到预期的效果

例如，医美企业一般需要消耗千元的价格才能从百度获得一个流量，交给客服机器人的话，容易失去潜在的目标群体，只有经验丰富的老销售出现，才能成功转型。 但是，一家企业旧的销售数量有限，培训价格高，如何让其他销售迅速拥有丰富的销售经验，是许多企业面临的课题。

环信智能客服机器人的人机协作功能很好地处理了这个问题。

与单一对话和多个对话的自动回复不同，在人机协作场景中，人工顾客服务仍然在提供服务。 机器只需要在小窗口实时给出回答建议，人工客服就可以制作和直接发送推荐答案，不仅可以提高回答效率，还可以降低销售培训的价格，是实时推荐企业业务知识和销售经验的方法。

人机合作只是辅助人工顾客服务，但也涉及算法和产品层面的许多难题。

首先是算法级别。 如何通过培训生成推荐答案、如何利用客服实际选择的答案进行强化培训、如何将实际对话数据自动放入知识库进行自主学习、如何实现机器人与人工客服的自动切换等，是目前学术界和工业界研究的热门行业。

其次是产品层面。 例如，引导窗口的位置如何不影响人工顾客服务的有效业务接口，自动隐藏，弹出的时间如何与人工顾客服务匹配，人与机器的协作功能如何与顾客服务系统紧密相连等

环信根据多年的客户服务经验和ai团队的技术实力，从算法和产品两方面优化人机合作产品的功能，可以帮助公司真正提高人工客户服务的效率和服务水平，实现客户服务场景的价值转换。

处理方案:客服+ai处理领域的课题

经过两年多的努力，环信智能客服机器人已经在保险、证券、教育、物流、银行、运营商、航空空等行业建立了几个标杆客户，分别是新东方、泰康在线、人寿、中信证券、长江证券、长江证券。

其中，在保险、证券、教育、物流四大行业，环信已经通过规模化文案积累了丰富的服务经验，形成了全部的客服方案，可以在两周内迅速上线。

教育行业支持教育和顾客服务两条业务线，可以帮助教育公司比较有效地降低服务和教育价格，提高教育质量，挖掘潜在的数据价值。

与保险售前、售中、售后环节相比，保险业提供垂直智能化处理方案，降低服务价格，提高服务体验。

证券行业将对比开户、新开户、资金管理等核心环节，以及账户管理、交易等环节，提供智能化处理方案，提高客户价值。

与商家大促、物流爆炸等场景相比，物流行业帮助物流公司顺利度过电商大促等高峰，并在日常服务中降低人力成本，提高服务效率和体验。

今年，环信将继续扩大在银行、运营商、航空空等行业的规模化文案，加快设立其他行业的灯塔客户。

人工智能向顾客服务领域的转型已经大势所趋。 对公司来说，如何利用新技术，新产品实现顾客服务的价值最大化，如何将顾客服务这个价格中心转变为利润中心已成为当务之急。 要想把工作做好，首先必须利用其器皿。 环信智能客服机器人是公司实现客服智能升级、挖掘客服价值的利器。 (作者: t客汇( t客汇) ( ) ) ( ) ) ) ( ) ) ) ) )。