如何搭建一個智能客服：從NLP到多輪對話與多流程設計

如今，智能客服在我們的日常生活中已随處可見，那麼它們是如何了解我們的意圖，回答我們的問題并提供幫助的呢？本文作者用通俗易懂的文字講解了智能客服對話流程的設計，推薦給對智能客服、對話式人工智能感興趣的小夥伴閱讀。

對話式人工智能産品越來越常見，從Siri到電話客服，不知不覺中它們已在你身邊尋覓了一個位置。筆者的産品是一款去年上線的客服機器人，簡單聊聊從0到1的經驗。

從互動形式來劃分，智能客服包括純語音（如天貓精靈），純文字（如小冰），純可視化界面（如一些電商的客服，完全通過界面互動來完成對話），語音+可視化界面（如Siri等手機助手）。互動形式沒有好壞，這一點同非AI産品一樣，根據使用者使用場景選擇最合适的形式即可。

從産品定義出發，智能客服類産品，最根本的價值在于以低成本取代人工客服工作中大量重複性的部分，再基于這個前提，去挖掘更多商業變現的可能性。人工客服的工作大緻分為兩種，一種是咨詢類的，客服隻需回答問題；另一種是申請類的，客服要幫客戶完成一些業務辦理。

是以，從可實作的功能來劃分，智能客服可分為問答式和業務辦理式，再細分為單輪/多輪問答與單輪/多輪業務申請。首先什麼叫單輪對話呢？

“吃了嗎您呐？”

“吃了”

那麼多輪對話的概念呢？

“吃了嗎您呐？”

“吃了”

“吃了什麼呀”

“老北京炸醬面”

多輪對話的另一個名字，叫作基于上下文關系的對話。單輪與多輪申請也是同理，一句話就能解決的為單輪，需要反複幾次的是為多輪。

無論是問答還是申請業務，作為一個智能客服，它就離不開NLP，NLP就離不開語料。在如上的例子中，通常的工作方法是，我們定義一個使用者意圖叫“吃了嗎”，然後把相似的語料（吃了麼？吃飯了嗎？吃了沒？你有沒有吃飯？……）喂給機器人，之後寫一些用例來測試它識别的準确率，如果識别率較低，就繼續喂它語料，直到我們對識别率滿意為止。用同樣的方法，我們就可以讓機器人學會了解很多種使用者意圖了。

多說一嘴，其實這裡就是機器學習中樣本集與測試集的概念。樣本集用來學習，測試集用來測試學習的效果。另外由于機器學習的本質還是數學與統計，并沒有真正的了解，是以學習效果非常依賴語料的品質。

直覺的表現是，不同的意圖中，語料差異越大，識别的準确率越高。比如，“吃了嗎”和“吃了沒”是相似的，“吃了嗎”和“看星星看月亮從詩詞歌賦談到人生哲學”是不相似的，那麼後者作為兩種意圖去做識别，就是容易分開的，而前者兩個說法過于相近，可能會得到很差的識别結果。是以訓練師需要了解基本的機器學習原理，才能夠檢查和調整樣本集的品質。

現在我們的機器人已經能夠聽懂一些人話了，下一步隻要定義好回複的内容，比如給“吃了嗎”回複“吃了”，給“睡了嗎”回複“沒睡”，再把這些需求交給可愛的開發同學，一個支援單輪問答的機器人就完成了！（好的這是做一個PM最愉快的時刻了）

多輪對話設計的本質，是定義場景和将多個單輪對話進行組合。對于前面提到的例子來說，在“吃了”後面問“吃了什麼呀”是正常的結合語境的問法，而脫離語境問這一句的話，就會讓聽者感到困惑。是以這部分的需求是這樣寫：

• 當使用者表達“吃了嗎”的意圖，機器人應回複“吃了”；
• 當使用者上一個表達是“吃了嗎”and 機器人回複是“吃了”and 使用者這一個表達是“吃了什麼呀”，機器人應回複“老北京炸醬面”；
• 當使用者上一個表達是“睡了嗎”and 機器人回複是“沒睡”and 使用者這一個表達是“吃了什麼呀”，機器人應回複“親您想問什麼呢？”

再次把需求交給開發，我們就得到了一個支援兩輪對話的機器人。如果需要增加輪次或新的場景，那麼在此基礎上添加相應的邏輯即可。

再說到業務辦理，本質是在問答的基礎上增加與使用者相關的資料互動，比如當使用者說“幫我訂個車去人民廣場”，那麼機器人應該回複“好的”的同時，拿使用者的手機号和“人民廣場”等資訊去完成訂車這一操作。

大部分時候，業務辦理和多輪對話是交叉的，比如訂車的場景下，機器人可能需要再問一下什麼時間出發，對車輛是否有要求，那麼這至少要用三輪對話來完成。

講完了基本架構，再說說落地。在實際的需求分析過程中，我們需要了解業務背景，了解業務規則下人工客服的工作内容。從其中歸納出最終使用者一般有哪些需求，他們會問什麼，怎麼問，抽取出使用者意圖，根據重複性高的對話流程做對應的輪次設計。

假設我們做的是信用卡客服機器人，那麼使用者意圖很可能有“手續費怎麼算”、“逾期了有什麼影響”，下一句使用者則可能會繼續問，“那我還上了還影響嗎”。這其中需要思考的點很多，原則包括但不限于：

• 了解業務規則，了解最終使用者的需求；
• 抽取意圖時注意差異化，意圖過于接近會給後期的識别結果帶來麻煩；
• 從使用者記錄中提取語料時要注意篩選，高品質的語料是高識别率的前提；
• 設計輪次時要跟意圖一起考慮，不能基于無法識别的意圖做設計。

以及有一個格外需要注意的地方是，對話式智能産品與其他産品的不同在于，使用者的表達是不受限的。它不像普通的産品，一個頁面上如果隻有一個按鈕，那麼使用者就不可能有第二個操作。而對話中，使用者可能會講任何東西，例如我的小機器人已經被問了若幹次“你的爸爸媽媽是誰呀”。

是以在設計流程時，需要考慮使用者不按正常流程走完的可能性，也要在設計回複時，盡可能引導使用者往自己想要的方向去做表達，根本原則是收斂而非發散。

作者：一個圓圈兒

本文由 @一個資料人的自留地 授權釋出于人人都是産品經理，未經作者許可，禁止轉載

題圖來自 Pixabay，基于 CC0 協定

該文觀點僅代表作者本人，人人都是産品經理平台僅提供資訊存儲空間服務。