随着人工智能技术的进步和人力成本的增涨，客服机器人正逐步进入各企业呼叫中心运营者的视野。苹果公司2011年10月推出的Siri，曾经让不少呼叫中心运营的圈内人紧张，某大型运营商甚至有针对性的开展了智能机器人对人工客服替代的可行性研究。

在日益复杂的企业业务环境中间，客服机器人相对人工客服代表而言，有着不容质疑的优势：
1、学习效率高：一次学习即具备业务能力，学习容量巨大且不会遗忘；
2、服务效率高：可以同时应对成百甚至上千的服务请求，远高于6用户/席左右的在线客服人工服务效率；
3、服务质量稳定：业务学习之后，每一次服务都是标准化的，不会出现质量波动，更不会出现差错；
4、保留成本低：不需支付日趋高涨的工资，不会请假，更不会因人员流动给企业服务带来负面影响。

正因为如此，各种客服机器人应运而生。这，也推动着客服机器人的关键技术，如语义理解技术、大规模知识库技术、机器学习技术……的飞速发展。当年初代Siri亮相时更多的像是一个娱乐功能，发展到今天已经具备用户私人助理的基本功能，也不过只用了短短的3年多时间。在技术的快速进步和客服机器人运营管理经验的积累成熟这两个引擎的助力下，客服机器人的智能化程度将迅速提高。技术的发展，不在本文的讨论范围；客服
机器人的运营管理经验分享，才是本文的主旨。
1、有效的知识管理，是客服机器人更智能的基础
客服机器人的语义理解技术、大规模知识库搜索技术再完善，没有整理有序管理得法的知识库也是无源之水。
要使客服机器人能更好地响应客户的服务请求，更精确地向客户提供问询服务答案，首先应对知识进行结构化采编。知识管理员应系统地将整篇整篇的规定、业务说明、操作指引等材料进行拆分，以单个知识点为单位重构并录入知识。

1)设计适合行业特点和业务实际的知识采编模板，将零散、无规律的知识按照模板定义的形式和逻辑进行整理，以便于客服机器人理解和检索。

2)定义知识的类别层次和目录结构，分门别类的按照采编模板对知识进行拆分归类，最大程度的结构化，提高客服机器人检索效率和正确率。

3)从客户的角度，而非业务的角度，重新编辑业务知识，对客户真正关心的、提问频次高的问题进行仔细分析并给定正确的答案。在采编过程中，重点关注客户可能的通俗、宽泛、不确定提问背后的意图的挖掘，而非具体的业务规范的专业定义。

4)将客户问题进行提炼和精简，去除与问题本身无关的冗余语汇；同时应保持问题描述完整、精确，避免出现歧义。这样可以减少客服机器人在匹配过程中可能受到的干扰。

5)将每一个客户问题与简短的回答对应起来，并只包括一个明确的知识点，方便客户将注意力集中在回答上，避免长篇大论造成客户关注点失焦的问题。每一个回答都精准的针对每一个问题，言简意赅的切中问题要义。

6)回答应以客户的角度，从易于理解、易于操作为出发点重新编辑，同时保证信息完整、准确、指导性强。
通过这样对传统知识的“改造”，使知识更容易被客服机器人检索并命中。由于将问题进行了拆分，引导客户提问时尽量简单明确，也有效避免了客户输入复杂问题客服机器人无法回答的情况。

2、大量的相似问题扩展，是客服机器人更智能的关键

人类自然语言的博大精深，使得对于其准确理解成为非常复杂的过程。而不断发展的语言习惯，更是加大了客服机器人理解自然语言的难度。在自然语言中，往往同样意思可以有多种截然不同的表达。例如：“中国大胜日本”和“中国大败日本”，就是同样的意思。
如同人类对于语言的学习，客服机器人也需要通过不断“学习”，使自己更智能。而这个学习的过程，就是从实际业务出发，在知识库问题中间扩展相似问题，使客服机器人能够更加精确的理解客户的意思，并给出最合适的答案。

1)不同于Siri这类面向不特定问题的虚拟助手，客服机器人总是面向企业的客户提供关于企业产品和/或服务的问题解答。因此，客服机器人的问题，相对更具有特定性，这为客服机器人知识库中每个问题的相似问题扩展提供了可能。

2)客服代表在人工处理客户业务记录工单时，即已包含客户问题描述和解答内容，从而为客服机器人的相似问题扩展积累了丰富的素材。

3)通过在业务规范中将工单里客户问题描述和客服机器人知识库里客户问题的填写要求统一起来，同时以工单中解答内容（知识答案）作为标准问题和扩展问题的关联，就可以非常方便的实现相似问题扩展。这样，客服机器人就可以直接对这类相似问题直接给出答案，而不再需要客服代表人工解答。
例如：知识库中问题为“办理深圳落户的步骤”，对应知识答案A0003；在工单记录中问题描述为“户口如何迁入深圳”，对应知识答案也是A0003。则说明，“户口如何迁入深圳”可以作为“办理深圳落户的步骤”的相似问题进行扩展。

4)通过CRM系统和客服机器人系统之间的IT集成，以知识答案为关联，并增加重复相似问题剔除功能，还可以进一步实现客服机器人的自学习，进一步提升客服机器人的智能化和自动化水平。

3、持续高效的运营管理，是客服机器人更智能的保障
客服机器人的优势之一就是不会遗忘不会出错，于是一些运营管理人员想当然的认为：既然客服机器人不会遗忘不会出错，那么对于客服机器人的投入就应该是一劳永逸的，只要投产初期设置好了就不再需要持续的运营管理。在现实运营中，就曾出现过同一系统同一业务运营管理细致时“解决率”可以达到75.1%，运营管理松散时“解决率”立即逐月下降7%的真实案例。产生这种错误判断的原因，其实是混淆了客服机器人在实际运营过程中的“匹配率”和“解决率”两个概念。

客服机器人“匹配率”是指，客服机器人根据算法“认为正确理解”客户实际提问的比率。而客服机器人“解决率”则是指客服机器人成功解决客户实际问题的比率。例如，客户提问“如何办理社保卡”，客服机器人如果匹配为“如何新办社保卡”或“如何重办社保卡”，都会有很高的“匹配率”。可是显然，这两个问题对应的答案是有差别的，且客户问询的本意在正常情况下只会是其中的一个。简而言之，“匹配率”是一个客观的技术指标，而“解决率”却是一个相对主观的体验指标。因此，“匹配率”可以直接测量，而“解决率”更多依靠客户的反馈。

以上只是一个简单的举例，真实的客户在提问的过程中，还涉及到语言习惯、关注重点、辅助信息分析等各种因素的影响，都会使“解决率”出现不稳定的情况。同时，业务也在动态发展，每一个时间段热点业务也在不断的变化，客户的问询重点也随之在变化。另外，统计发现当客户的问题未能成功得到解决时，客户更愿意去反馈，以表达这样的不满情绪。当一个对“解决率”影响较大的因素被消除之后，另一个原来未被客户反馈的影响较大的因素又可能成为吐槽的焦点。这就如同人的健康一样，要想根除体内所有的致病菌是不可能的。在某一时期，某一个致病菌被激活就表现出某种疾病，治愈之后可能又有另一种疾病显现出来。要想保持健康，只能坚持运动，保持较高的抵抗力。

要想保持客服机器人较高的“解决率”，也需要持续的运营管理投入，不断训练客服机器人，不断优化问题答案，真正解决客户的问题。主要可以从以下几个方面着手。

1)定期分析无法匹配出答案的客户问题。自然语言的复杂性，决定了即使是最优秀的算法也仍然无法保证客服机器人对客户问题100%的理解。而且如果问题理解正确，但是知识库中没有答案，同样不能给客户提供准确的答案。所以，需要持续的定期分析无法匹配出答案的客户问题，根据无法匹配的原因扩展客服机器人的知识库。
a)客服机器人未理解客户问题，需要补充问题正确答案对应的扩展问题，使客服机器人建立起问题和答案之间的关联。

b)客服机器人正确理解客户问题，需要补充对应问题的答案，使客服机器人能够提供准确的答案给客户。

2)定期分析匹配度不高的问题提供的答案是否正确。客服机器人按照算法“理解”客户问题，有些问题虽然给出了答案，但是匹配程度并不高。也就是说，客服机器人并不能“确信”给出的答案是针对客户问题的，存在“猜”的成分。在这样的情况下，通过分析对客服机器人提供的正确答案进行肯定，并对提供的错误答案进行纠正。通过这种方式，让客服机器人不断积累正确的理解，不断去除错误的理解，从而变得更加智能。

3)定期分析客户反馈的“未解决”的问题。是否解决问题，相对比较主观，需要综合理解客户问题和客户的意图，这一点客服机器人是难以胜任的。通过人工分析的方式，找出客户反馈“未解决”的真实原因，并通过知识管理的方法，对客服机器人知识库中间的问题和答案都进行优化，从客户的角度进行简化，提高内容的易读性和可理解性，以达到解决客户问题的目标。

由以上不难看出，决定客服机器人智能水平的不仅仅只有技术因素，还有运营管理的因素。在实际运营管理中，同一套客服机器人平台由2个不同的团队负责不同业务，运营管理好的团队客户问题解决率为75.1%，运营管理几乎没做的客户问题解决率仅为49.6%，效果差别明显。显然，通过持续高效的运营管理，可以最大程度的发挥技术优势。

客服机器人代表着客服行业的趋势，未来机器人和普通人同时为客户提供服务的呼叫中心将是普遍形式。而随着语义理解技术、大规模知识库搜索技术和机器人运营管理技术等的飞速发展，客服机器人也将变得越来越智能，并能够为客户带来越来越好的体验。也许有一天，通过网络和呼叫中心交流的客户，已经无法区分到底是谁在为他/她服务了。

作者单位为华为技术有限公司；