现在是否存在一个 " 完美 " 的智能客服系统呢?这篇文章里,作者讲了讲现在智能客服系统中的不完美之处,并对 " 完美 " 智能客服产品的构建提出了一些想法,不妨来看一下。
大家最近酱香拿铁没少喝吧?
论打造爆品,玩联名,阿瑞是真的牛,一天卖出 500 多 w 杯。
快消热热闹闹的,还是说说我们智能客服和呼叫中心这边,慢也很难热起来的事吧
最近知乎上看了一个问题:《一个完美的智能客服系统应该包括哪些要素?》,表个态,也给大家抛个砖头,希望你们都早日磨出美玉来。以下为正文。
01
" 完美 " 的智能客服系统。
看到这个问题非常感慨,有很多人问过我,你做过这么多年智能客服产品,哪一个是完美的?给推荐下吧。
其实我的回答往往很悲观:还不存在完美的智能客服系统,至少我们现在做过的都不算完美!
但大语言模型的出现,让我看到了希望。
首先如果要解决楼主这个问题,那么我的建议就是参考以下 3 点:
1)选择你同行中最多人用的那款
毕竟经过了大量本行业应用的验证,确保不会有太大的坑。
2)选择你业务功能最匹配的那款
不要被智能客服系统繁多的功能看花了眼,把测试账户要来,在你的业务场景下仔细的测试下。
你最需要的那些功能具备、且完全满足你的需求,不必为用不到的功能去买单。
3)选择有知名度且更新快的产品
说明这个公司有实力,产品在持续升级,免得你后面业务发展了想扩容,想升级,还要伤筋动骨的折腾更换系统。
02
先来说说智能客服系统的 " 不完美 " 吧,
一张图,概览下主流智能客服系统的全场景,全渠道和全功能模块。选取通用性的功能模块,大同小异,都基本雷同。
图一:智能客服系统全模块
智能客服系统的三个核心产品是在线客服、呼叫中心和电销系统。所有的功能设置和构建都围绕这三个基本产品来实现。
在扩展应用层,增加对应三个产品的增值模块,来满足客户的功能需求。
在行业纵深场景下,也可以组合为行业版本:如电商版,教育版,保险行业版等。看产品对行业吃透程度和理解能力。
在通用 SaaS 产品中,智能客服也可以破圈与 CRM 系统,SCRM 系统、电话会议、企业通讯相结合,但因为国内 SaaS 领域的隔离较强,很少结成稳固的同盟,目前也缺少中间接入层,所以大部分情况下,客户需要自行组合对接。
向下是 PaaS 产品应用和通信基础平台,及运营服务平台。
向上是 AI 应用产品:主要围绕智能客服的服务和营销场景,实现通话语音和在线客服文本的 AI 机器人服务,机器人质检服务,机器人销售辅助等。
这是当前智能客服产品成熟的模式,姑且称为是 " 完美 " 的架构。
03
我们来鸡蛋里挑骨头,看看智能客服不 " 完美 " 的那一面。
首先是通信能力的技术深度远远高于 AI,怎么理解?作为智能客服前身,来自企业总机、呼叫中心的智能客服带有深厚的通信基因,积累二三十年的通信产品能力构建了智能客服的最深护城河。对于相对新兴的在线 "AI",目前只能做到是 " 够用 ",不怎么 " 好用 ",更难以谈得上 " 超出预期的惊喜 "
以一个 SaaS 企业服务工具类软件的角度来看,智能客服产品,所提供的 AI 能力和 AI 应用,大部分情况算半智能化,AI 提供了一个基础框架和工作台,流程、语料、问答库、知识库、训练、调试都需要大量的人员维护。即使这样,所提供的 AI 服务,从用户体验上僵化、死板、不够聪明,往往是企业服务的 " 挡箭牌 ",或者营销的的 " 敲门砖 "。
在这种情况下,如何称得上 " 完美 "?
我们拿这个问题来问 Claude:
可见 1、2、3、4 点都是对智能化水平本身的评估和认知角度,来定义完美的权重。
现在有了大模型后,终于等来了一件利器,可以帮助我们补全智能客服的最后一块短板。
我们在今年也用各种方式探索了大语言模型接入的效果,既有企业私有化知识库应用、也有模型本身人格化的调优,我在文末会列出一些文章供大家参考。
04
以下是我对 " 完美 " 智能客服产品的一些构想,与大家讨论。
1. 功能解耦和减负
智能客服已经是很重的产品,我统计过,某头部产品,仅在线客服模块,就有多达 200 多项功能开关和设置项。
而更为可怕的是,所有的产品都以此为借鉴,不断的靠拢。无穷无尽的客户需求,带来的是产品的急速膨胀,也使得产品更加的臃肿。
实际上,核心功能,往往几个配置即可满足 99% 以上客户的使用场景,对于个性化的设置,我们应该借助 " 高级 ""DIY"" 个性化 " 的独立外置模块来实现,做到不干扰产品本身的纯净和易用性。
堆砌功能进行竞争的时代已经过了,做更好的产品架构和面向未来的设计,为此不惜大幅度重构,是势在必得的。
2. 图形化设计
接上一点,最直观的使用体验,其实就是图形化设计。
尤其是对于逻辑关系复杂、配置操作繁琐的功能点,更应该大量材料。
目前智能客服产品中,核心功能如 IVR 流程设计、机器人流程都是采用图形化方式,甚至图形化 + 脚本的方式满足高中低端用户的操作需求。
对于其他的功能模块,也可以充分考虑用户的预期效果和操作体验,增加向导,提示,图形化操作
并且建议,在整个产品设计中,形成统一的设计语言,避免某些模块非常先进,某些模块原始落后,整个产品看上去完全不是一个时代的产物拼接而成。
3. 小而快的 AI 插件
如果出发点来自传统通信能力的智能客服产品,对 AI 能力的应用,经历了一个从质疑、尝鲜、试用、产品化的过程。
目前得以沉淀和固化的 AI 应用包括:语音、文本机器人、AI 质检。AI 辅助、AI 陪练目前还是小范围落地阶段。
在大语言模型能力爆发的今天,厂商拥有了更快速拥抱 AI 能力的试金石。
对于 AI 能力的应用,大可不必建立笨重的产品,仅从一些功能点的优化做起,提供 AI 插件的方式,满足当前成熟功能中的一些点状应用即可。
至于形式:可以提供 AI 市场,AI 实验室,AI 机器人集群等方式。
建立小而全的 AI 插件好处是很明显的,首先不必投入过多精力和资源,去验证一个未知回报的模块,其次仅做单一场景的 AI 增强能力,不会对整个产品的架构和稳定性造成影响,最后可以更快速的实验 AI 能力落地的可行性:
比如推出针对通话结束内容自动小结的通话摘要机器人,对在线咨询客户信息的自动填单机器人,对服务话术监督和提醒的话术辅助机器人。
在线文本客服的填单机器人、知识库自动化检索机器人、知识库自动扩充机器人等等形式。
我们可以看见当前很多 AI 大语言模型就是以多种场景,多种独立技能的方式来封装不同的 AI 机器人应用:AI 绘画,AI 作诗,AI 写文案。
同理,在智能客服产品内一样适用。可以找到这样的场景去单独引入大语言模型能力 AI 机器人。
4. 智能升级
大语言模型,最终使命,我们认为还是对当前智能客服半智能化进行深度改造。
在私有化知识领域,企业内部知识库,并且引入大语言模型 AI 人格特征后,经过改造的文本,语音机器人,在客户体验上远胜以往的机器人。
总有人诟病智能客服机器人是没有温度,冷冰冰的智障,其实那也是上一个 AI 智能化时代的产物,在可受控的大语言模型基础上,整体智能客服产品的机器人服务体验,肯定会随之带来一个飞跃。值得我们期待。
手搓一个大语言模型智能客服机器人,其实一点也不难,通过 AI 编程,更可以更快速的将这些新能力逐一落地。