當(dāng)下，AI還沒(méi)有完全地替代人工客服，不過(guò)在某些特定場(chǎng)景下，AI已經(jīng)能夠有效賦能相關(guān)業(yè)務(wù)。這篇文章里，作者就結(jié)合實(shí)踐經(jīng)驗(yàn)，探討了AI+客服的一些應(yīng)用方向，不妨來(lái)看一下。

談到大型語(yǔ)言模型的實(shí)際應(yīng)用，大伙往往首先想到的是AI+客服。這是一個(gè)高度重復(fù)且可被標(biāo)準(zhǔn)化的業(yè)務(wù)領(lǐng)域，可以被高度抽象和總結(jié)。而且在客服領(lǐng)域，人力需求量普遍較高，人力成本相對(duì)較高。

因此在本文中，我將結(jié)合一些實(shí)踐經(jīng)驗(yàn)和所讀的相關(guān)文章，講講AI+客服的一些應(yīng)用方向。

一、客服業(yè)務(wù)拆解

要講述AI如何應(yīng)用于客服業(yè)務(wù)，首先需要對(duì)客服業(yè)務(wù)進(jìn)行拆解。

我們可以根據(jù)客服環(huán)節(jié)在業(yè)務(wù)前后的位置進(jìn)行大致的分類，主要分為以下兩類：

1.售前客服：

在客戶購(gòu)買產(chǎn)品或服務(wù)之前提供咨詢和建議。一些業(yè)務(wù)提供免費(fèi)服務(wù)，只為部分用戶提供付費(fèi)的增值服務(wù)，比如游戲、音樂(lè)等各類應(yīng)用。這些業(yè)務(wù)的客服可以被歸類為“售前客服”。

2.售后客服：

在客戶購(gòu)買產(chǎn)品或服務(wù)之后提供幫助，例如退換貨、維修等服務(wù)。

客服業(yè)務(wù)存在以下特點(diǎn)：

1.維護(hù)成本大：

客服大部分時(shí)間都是“被動(dòng)式”提供服務(wù)，需要應(yīng)付大量用戶問(wèn)題、投訴和反饋，這需要投入大量人力資源。

2.管理成本大：

客服本身是人，是人就會(huì)存在各種各樣的問(wèn)題，比如偷懶、舞弊、辱罵用戶、企業(yè)資產(chǎn)盜竊等，這些行為會(huì)影響整個(gè)團(tuán)隊(duì)的效益，甚至對(duì)企業(yè)造成負(fù)面的影響。

3.難以創(chuàng)造價(jià)值：

售前客服環(huán)節(jié)聚集大量非付費(fèi)用戶，維護(hù)這些用戶相對(duì)難以產(chǎn)生直接收益。

因此，對(duì)企業(yè)而言，客服業(yè)務(wù)是一項(xiàng)高成本、低回報(bào)的業(yè)務(wù)，客服部門通常被視為成本型部門。如何減少客服人力投入，甚至實(shí)現(xiàn)無(wú)人工客服，這便成為AI在客服場(chǎng)景下的終極愿景。

客服業(yè)務(wù)可以拆解成以下環(huán)節(jié)：

1.客服培養(yǎng)：

不同公司的業(yè)務(wù)情況各不相同，內(nèi)部流程也各有特色，因此招聘新客服需要花費(fèi)一定時(shí)間進(jìn)行培訓(xùn)。同時(shí)，客服部門通常存在較大的人員流動(dòng)性，一方面是因?yàn)檫@類工作上升空間有限，一般人不會(huì)長(zhǎng)期從事此類工作；另一方面，客服業(yè)務(wù)存在波峰和波谷的概念，即并非任何時(shí)候企業(yè)都會(huì)面臨高客訴量。因此，合格的管理者需要根據(jù)業(yè)務(wù)情況的變化，合理調(diào)整人力需求。

如何讓新員工快速上手，減少因人員變動(dòng)而帶來(lái)的培訓(xùn)成本和試錯(cuò)成本，是客服培訓(xùn)過(guò)程的關(guān)鍵。

2.用戶接待：

用戶服務(wù)環(huán)節(jié)可以細(xì)分為：“了解問(wèn)題”、“解決問(wèn)題”、“跟進(jìn)”、“反饋收集”、“記錄報(bào)告”這幾個(gè)步驟?？头藛T負(fù)責(zé)解決用戶問(wèn)題，提煉其中有價(jià)值的信息，并進(jìn)行內(nèi)部報(bào)告和總結(jié)。

盡管客服部門的價(jià)值被認(rèn)為較低，但客服部門是最直接接觸用戶的部門。如何從與用戶接觸的過(guò)程中，整合和分析信息，并將其反饋到運(yùn)營(yíng)、銷售甚至供應(yīng)鏈部門，是客服部門提升其價(jià)值的關(guān)鍵之一。

3.客服管理：

由于客服人員是人，因此可能存在偷懶、舞弊、辱罵用戶、企業(yè)資產(chǎn)盜竊等問(wèn)題。如何預(yù)防問(wèn)題的發(fā)生、在問(wèn)題發(fā)生時(shí)進(jìn)行識(shí)別，并在問(wèn)題發(fā)生后進(jìn)行適當(dāng)處罰，是客服業(yè)務(wù)管理者需要采取的行動(dòng)。

因此，AI如何在客服業(yè)務(wù)上發(fā)揮作用，也主要是圍繞客服培養(yǎng)、用戶接待、客服管理這幾個(gè)方面。

二、客服培養(yǎng)環(huán)節(jié)的AI

1. 培訓(xùn)材料提煉

客服管理者需要對(duì)新員工進(jìn)行入職培訓(xùn)，并對(duì)在職員工進(jìn)行定期培訓(xùn)。在這個(gè)過(guò)程中，管理者需要定期收集培訓(xùn)材料，其中包括維護(hù)話術(shù)庫(kù)、優(yōu)秀案例和錯(cuò)誤案例。

我們可以將用戶接待過(guò)程中的聊天記錄輸入大型語(yǔ)言模型，利用提示詞提煉其中的維護(hù)話術(shù)庫(kù)、優(yōu)秀案例和錯(cuò)誤案例等內(nèi)容。然而，由于AI生成的內(nèi)容可能存在誤導(dǎo)性，最終需要管理者進(jìn)行審核和修正，確保內(nèi)容的準(zhǔn)確性和合適性，才可正式使用。

2. AI陪練

知識(shí)和技能之間存在本質(zhì)上的區(qū)別。知識(shí)是實(shí)踐的一種總結(jié)，但技能才是提高績(jī)效和表現(xiàn)的關(guān)鍵。如果只是對(duì)客服進(jìn)行一味的知識(shí)灌輸，很難確保客服同事真正掌握了技巧。因此，我們需要對(duì)客服進(jìn)行“刻意練習(xí)”，以確?？头聦⒅R(shí)內(nèi)化為相關(guān)的技能，并在這個(gè)過(guò)程中復(fù)盤問(wèn)題，優(yōu)化原有方案。

如果由客服管理者專門制定練習(xí)題，將極大浪費(fèi)管理者的時(shí)間，而且無(wú)法與客服進(jìn)行互動(dòng)陪練。因此，這里可以借助AI的力量。利用用戶接待的聊天記錄和提示詞工程，泛化并批量生成不同的客訴場(chǎng)景，并與客服進(jìn)行陪練。同時(shí)，我們可以利用提示詞對(duì)陪練結(jié)果進(jìn)行評(píng)分，從而輔助管理者評(píng)估客服的能力掌握情況，幫助客服同事找到問(wèn)題，并進(jìn)行優(yōu)化和改進(jìn)。

三、客戶接待環(huán)節(jié)的AI

1. 智能路由

智能路由是一種利用人工智能技術(shù)的系統(tǒng)，旨在根據(jù)多種因素，如客戶的需求、客戶的情緒、服務(wù)代理的專業(yè)領(lǐng)域和即時(shí)業(yè)務(wù)狀況等，智能地將呼叫分配到最合適的客服代表或服務(wù)通道。

在公司業(yè)務(wù)規(guī)模龐大、需要大量客服并且用戶場(chǎng)景足夠復(fù)雜的情況下，對(duì)客服團(tuán)隊(duì)進(jìn)行不同技能組的劃分，每個(gè)組專門負(fù)責(zé)不同的場(chǎng)景。這種情況下，需要依賴“智能路由”系統(tǒng)來(lái)對(duì)不同訴求的用戶進(jìn)行分配，以實(shí)現(xiàn)接待“效率”和“效果”的最大化。

智能路由的建設(shè)可以基于用戶屬性定制規(guī)則進(jìn)行分配，也可以訓(xùn)練小型模型進(jìn)行條件屬性分配。然而，這些方法都無(wú)法基于用戶言論進(jìn)行分配。在這種情況下，我們可以利用大型語(yǔ)言模型（LLM）對(duì)用戶的訴求進(jìn)行分類，作為智能路由分配的依據(jù)。

總體來(lái)說(shuō)，智能路由的分配方式主要包括以下三種：

1. 基于用戶條件的規(guī)則分配。
2. 基于小型模型的算法分配。
3. 基于LLM提煉結(jié)果的分配。

2. 智能問(wèn)答

客服智能問(wèn)答是指利用人工智能技術(shù)來(lái)幫助客服回答客戶提出的問(wèn)題或解決客戶的疑問(wèn)的方法。

目前實(shí)現(xiàn)是智能問(wèn)答的方案有以下幾種：

1.知識(shí)庫(kù)匹配問(wèn)答：

這種方案需要預(yù)先構(gòu)建知識(shí)庫(kù)，通過(guò)文本匹配或語(yǔ)義匹配的方式使用知識(shí)庫(kù)的答案回答用戶的問(wèn)題。這種方法能夠快速準(zhǔn)確地回答那些在知識(shí)庫(kù)中有明確答案的問(wèn)題，適用于固定領(lǐng)域或特定主題的問(wèn)答場(chǎng)景，而且不存在AI幻覺(jué)問(wèn)題。

圖片來(lái)源于百度，為智齒科技的客服系統(tǒng)

2.自行訓(xùn)練的客服AI：

針對(duì)特定業(yè)務(wù)場(chǎng)景或需求，通過(guò)機(jī)器學(xué)習(xí)和自然語(yǔ)言處理技術(shù)，基于已有的語(yǔ)料訓(xùn)練企業(yè)專用的客服AI。這種方法能夠?qū)φZ(yǔ)料進(jìn)行泛化，能夠應(yīng)對(duì)更廣泛的客訴場(chǎng)景，提供符合特定業(yè)務(wù)需求的個(gè)性化問(wèn)答解決方案。

但是AI是對(duì)重復(fù)內(nèi)容的總結(jié)，在泛化場(chǎng)景容易出現(xiàn)幻覺(jué)問(wèn)題，可能會(huì)給到用戶不準(zhǔn)確的答案。

3.RAG + LLM：

LLM缺乏垂直領(lǐng)域的知識(shí)，對(duì)客戶的問(wèn)題會(huì)答非所問(wèn)。因此，可以利用RAG技術(shù)滿足客服場(chǎng)景的需求。RAG通過(guò)大規(guī)模語(yǔ)料庫(kù)進(jìn)行信息檢索，獲取可能的答案片段，然后將這些片段輸入到LLM中進(jìn)行進(jìn)一步處理和生成答案。這種方法能夠利用LLM的特點(diǎn)，讓LLM結(jié)合客戶的上下文和知識(shí)庫(kù)的答案生成合適的答案。對(duì)于沒(méi)有能力訓(xùn)練客服AI的中小企業(yè)，他們也能利用這種方法使用AI的能力。

但是，RAG + LLM的方式同樣存在幻覺(jué)問(wèn)題，有可能給到用戶生成AI胡編的答案。

這些方法主要解決答案匹配和分發(fā)的問(wèn)題，解決“在什么時(shí)候回答什么”的問(wèn)題。同時(shí)，智能問(wèn)答系統(tǒng)還可以引入多輪問(wèn)答、多模態(tài)答案、多樣化知識(shí)庫(kù)的形式，拓展智能問(wèn)答的問(wèn)題解決能力。

1.多輪問(wèn)答：

客戶找到客服，往往是帶有一個(gè)目的，有些目的能被一句話解答，但是有些目的并不行，比如退貨退款、投訴等情況。同時(shí)，大部分客戶并不能準(zhǔn)確地一句話描述問(wèn)題，會(huì)存在“同義詞”、“主賓缺失”等問(wèn)題。這種情況，一般都需要進(jìn)行多輪的問(wèn)答來(lái)解決。

因此，智能問(wèn)答系統(tǒng)的語(yǔ)料不僅僅可以是單句式的語(yǔ)料，也可以由多句的語(yǔ)料組成，這使得智能問(wèn)答系統(tǒng)能夠覆蓋更多的場(chǎng)景。

2.多模態(tài)答案：

多模態(tài)答案不僅僅包含常見(jiàn)的圖片、語(yǔ)音、視頻等內(nèi)容，還可以包含鏈接、表單、問(wèn)卷的形式，以提高與用戶交互時(shí)候的信息密度，提高問(wèn)題解決的效率。

3.多樣化知識(shí)庫(kù)：

有些問(wèn)題不一定能夠很好地被解決，因此智能客服除了要能回答專業(yè)問(wèn)題外，還需要具備寒暄、閑聊、安撫的能力，用于更好地服務(wù)客戶。因此，我們需要準(zhǔn)備相關(guān)的語(yǔ)料庫(kù)用于適配不同場(chǎng)景，這里可以使用關(guān)鍵詞、意圖識(shí)別等能力控制在什么場(chǎng)景下使用什么知識(shí)庫(kù)能力。

最后值得一提的是，“智能”并非空中樓閣，需要一步一步的積累。

前面提到的三種實(shí)現(xiàn)方案都是非常依賴語(yǔ)料庫(kù)的積累的，需要先有人工對(duì)業(yè)務(wù)中常見(jiàn)的客訴問(wèn)題進(jìn)行總結(jié)，然后給到智能問(wèn)答系統(tǒng)進(jìn)行使用。數(shù)據(jù)的積累和回答效果是一個(gè)互為因果的螺旋上升的過(guò)程。

因此對(duì)于中小企業(yè)來(lái)說(shuō)，要想用的好智能客服，專門的語(yǔ)料庫(kù)運(yùn)營(yíng)成員是必不可少的，該成員需要負(fù)責(zé)收集并提煉高質(zhì)量的語(yǔ)料庫(kù)，并定期結(jié)合業(yè)務(wù)的發(fā)展進(jìn)行語(yǔ)料更新。

同時(shí)，幻覺(jué)問(wèn)題較難根絕，除非投入較大的成本進(jìn)行模型訓(xùn)練（或提示詞優(yōu)化）、語(yǔ)料調(diào)優(yōu)，對(duì)于中小企業(yè)而言，與其用這么高的成本進(jìn)行維護(hù)，不如使用不存在幻覺(jué)問(wèn)題的“知識(shí)庫(kù)匹配問(wèn)答”方案。

3. 客服建議

由于智能客服方案中的“客服AI”和“RAG + LLM”都存在比較明顯的幻覺(jué)問(wèn)題。我們可以使用“客服建議”的形式，規(guī)避幻覺(jué)風(fēng)險(xiǎn)問(wèn)題。

所謂“客服建議”，是指在客戶接待過(guò)程中，“客服AI”和“RAG + LLM”的輸出結(jié)果以建議的形式展示，由客服人員決定是否采用。這一過(guò)程相當(dāng)于人工審核的備用方案，只有在人工審核通過(guò)后，才將結(jié)果呈現(xiàn)給用戶。這種方式能夠完美地防止AI幻覺(jué)對(duì)業(yè)務(wù)造成負(fù)面影響，同時(shí)也能夠利用AI的輸出結(jié)果提升效率。

此外，我們還可以讓AI結(jié)合人設(shè)，給出相應(yīng)的安撫建議，而非基于知識(shí)庫(kù)。這也能在一定程度上豐富客服話術(shù)的多樣性。

4. 客訴情況總結(jié)

在客服工作中，當(dāng)客訴量龐大、內(nèi)容復(fù)雜時(shí)，人工難以迅速識(shí)別重點(diǎn)內(nèi)容，需要花費(fèi)大量時(shí)間閱讀上下文，這嚴(yán)重影響了客訴處理效率。

為了解決這一問(wèn)題，我們可以利用AI進(jìn)行內(nèi)容總結(jié)和提煉，快速輔助客服人員提煉客戶訴求、情緒以及意圖，并以一定格式輸出，以便客服人員快速掌握用戶訴求，定制應(yīng)對(duì)策略。

此外，這種提煉和總結(jié)的結(jié)果也可以為“客服建議”、“智能問(wèn)答”等功能提供決策依據(jù)，從而進(jìn)一步提升客服工作的效率和質(zhì)量。

5. 輿情提煉

在客服工作中，客服的價(jià)值并不僅僅在于回答用戶的問(wèn)題或安撫用戶，更在于能夠從海量的客訴中提煉出有價(jià)值的信息，并將這些信息反饋到運(yùn)營(yíng)、研發(fā)、銷售等業(yè)務(wù)中，從而提高整體業(yè)務(wù)的效果。

想起之前看到篇文章，里面提到過(guò)騰訊內(nèi)部的一個(gè)機(jī)制——10/100/1000法則。產(chǎn)品經(jīng)理每個(gè)月要做10個(gè)用戶的調(diào)查，關(guān)注100個(gè)用戶博客，收集反饋1000條用戶體驗(yàn)。盡管我不確定這個(gè)法則是否仍在實(shí)施，但它確實(shí)凸顯了“充分聆聽(tīng)用戶反饋”的重要性。

然而，讓一線客服人員手動(dòng)總結(jié)有價(jià)值的信息極大地依賴于他們的專業(yè)性和問(wèn)題歸類能力，同時(shí)也容易受到個(gè)體主觀因素的影響，導(dǎo)致總結(jié)結(jié)果失真。此外，一線手動(dòng)整理也無(wú)法完全覆蓋線上的所有客訴案例，因此手動(dòng)總結(jié)的全面性存在不足。

如果由管理者親自去查閱，很可能會(huì)在海量信息中迷失，無(wú)法找到所需內(nèi)容。

因此我們可以借助LLM的力量，讓其替我們進(jìn)行輿情分類，從中提煉出有價(jià)值的信息，使得人工查閱成千上萬(wàn)的客訴信息成為可能。

在這個(gè)過(guò)程中，我們可以借助提示詞工程對(duì)話題進(jìn)行預(yù)設(shè)分類，將相應(yīng)內(nèi)容歸類到特定話題上，以便后續(xù)結(jié)合需求進(jìn)行查閱。這種方案能夠避免多次請(qǐng)求LLM導(dǎo)致存在“多個(gè)近似分類”，從而無(wú)法有效統(tǒng)計(jì)輿情分布情況。

與傳統(tǒng)的分詞方案相比，基于LLM的輿情分析能夠更準(zhǔn)確地分析輿情的內(nèi)涵，而非簡(jiǎn)單地進(jìn)行分詞。

6. AI語(yǔ)音聊天/外呼

由于文本傳達(dá)的信息有限，為了更高的接待效果，可以考慮采用多模態(tài)的內(nèi)容形式，比如語(yǔ)音、圖片、視頻等，這些可以結(jié)合已有的AIGC方案進(jìn)行快速生成。

目前較為成熟的是語(yǔ)音，借助文生音大模型，我們可以賦予客服一個(gè)聲線，用來(lái)給用戶傳達(dá)對(duì)應(yīng)的內(nèi)容。通過(guò)語(yǔ)音的方式，能夠更好地傳達(dá)情緒，從而對(duì)用戶進(jìn)行情緒上的安撫。同時(shí)，基于AI聲音，我們也可以實(shí)現(xiàn)智能外呼，用于主動(dòng)營(yíng)銷、用戶回訪等用途。

結(jié)合人群劃分策略，實(shí)現(xiàn)千人千面的大批量自動(dòng)化用戶觸達(dá)。

7. 錯(cuò)字識(shí)別

利用大型語(yǔ)言模型對(duì)錯(cuò)別字進(jìn)行識(shí)別，可以減少客服人員的低級(jí)錯(cuò)誤，提高服務(wù)的專業(yè)度。這一技術(shù)雖然較為簡(jiǎn)單，但其實(shí)際效果卻十分顯著。

8. 話術(shù)潤(rùn)色

利用LLM對(duì)客服話術(shù)進(jìn)行優(yōu)化，結(jié)合特定人設(shè)，使得話術(shù)更加合適、專業(yè)，從而輔助客服進(jìn)行更高效的接待。通過(guò)對(duì)話術(shù)的優(yōu)化，可以提升客服的服務(wù)水平，使其更好地滿足用戶需求。

四、管理服務(wù)環(huán)節(jié)的AI

1. AI質(zhì)檢

在客服管理中，存在著各種問(wèn)題，如偷懶、舞弊、對(duì)用戶進(jìn)行辱罵以及企業(yè)資產(chǎn)盜竊等。因此，識(shí)別、預(yù)警和應(yīng)對(duì)這些問(wèn)題成為管理者的重要任務(wù)之一。

如果僅依靠人工檢查，很容易出現(xiàn)“看不全”、“看不及時(shí)”等問(wèn)題。因此，我們可以利用大型語(yǔ)言模型（LLM）進(jìn)行AI質(zhì)檢，結(jié)合提示詞工程，梳理出質(zhì)檢的維度（如“態(tài)度友好”、“情緒穩(wěn)定”、“用戶反饋”等），并在不同維度上進(jìn)行評(píng)分，從而評(píng)估客服在指定日期內(nèi)的表現(xiàn)。

盡管這種方法可能存在幻覺(jué)問(wèn)題，但它能夠大大提高管理發(fā)現(xiàn)問(wèn)題的及時(shí)性和效率。同時(shí)，基于AI質(zhì)檢的結(jié)果，我們還可以實(shí)現(xiàn)預(yù)警推送通知功能，確保將結(jié)果第一時(shí)間同步給相關(guān)成員。

總結(jié)

以上便是AI在客服系統(tǒng)中的一些實(shí)際應(yīng)用。總的來(lái)說(shuō)，對(duì)于中小企業(yè)來(lái)說(shuō)，AI并未完全替代人工客服，因?yàn)樵谠S多情況下，“定制化成本”大于“人力節(jié)省”。然而，在某些特定場(chǎng)景下，AI已經(jīng)能夠有效賦能業(yè)務(wù)并提升效率。相信未來(lái)有一天，AI能夠給到客服行業(yè)更大的變革。