早在2016年四月份，我們介紹了Radisson Blu Edwardian的虛擬禮賓“Edward”，這么新員工幫助著(zhù)名連鎖酒店Radisson Blu Edwardian服務(wù)越來(lái)越的客人，并使酒店在NPS上的評分增加了13分！

　　今天想給大家介紹一下另外一名即將問(wèn)世的聊天機器人小伙伴——基于FaceBook聊天功能的客戶(hù)服務(wù)機器人，他將成為汽車(chē)制造商的新員工，幫助廠(chǎng)商回答潛在和現有客戶(hù)的各類(lèi)問(wèn)題。由于該項目還未完全投入使用，我們姑且先稱(chēng)這件作品為“Monument Car”。

　　目前我們不打算給這位小伙伴正式命名，這樣的考慮是我們想給予它更多的角色特征，所以我們決定專(zhuān)注于這個(gè)新系統的功能。為了完成這個(gè)，我們不得不避免使用第一人稱(chēng)單數，需要使用第一人稱(chēng)復數。在某些情況下，這很容易做到，特別是當機器人直接回答有關(guān)產(chǎn)品的特定問(wèn)題時(shí)。

　　然而，還有其他一些情況則需要更多的思考。使用第一人稱(chēng)單數，你可以很容易地表達一個(gè)消息沒(méi)有被理解：“對不起，我不明白你的意思，你能再說(shuō)一遍嗎？”，但是將其轉換為“我們”就會(huì )聽(tīng)起來(lái)很奇怪。因此我們通過(guò)多種句式變化來(lái)解決這個(gè)問(wèn)題，如“不確定你的意思。你可以重申一下嗎？”這樣一來(lái)，同樣的意思，機器人可以隨機使用不同的表達方式來(lái)表達。

　　后續問(wèn)題“這樣能解決你的問(wèn)題了嗎？”也同樣使用了隨機提示技術(shù)。這個(gè)機器人足夠智能，不會(huì )拘泥于同一種回答方式，如果客戶(hù)開(kāi)始提問(wèn)下一個(gè)問(wèn)題，機器人也會(huì )有很好的答復

　　對于諸如“你多少歲啦”或“誰(shuí)建造你”的問(wèn)題，都會(huì )有相應的答案（甚至是一些答案）。經(jīng)驗告訴我們，相當多的人會(huì )使用典型的會(huì )話(huà)標記，如“你好”，“謝謝”或“再見(jiàn)”等，頻率大概在14%左右，而機器人可以處理各種這樣的消息，因此當客戶(hù)了解產(chǎn)品功能后發(fā)出“酷！”的感嘆，機器人也不會(huì )手足無(wú)措。

　　當我們啟動(dòng)這個(gè)項目時(shí)，便向客戶(hù)傳達了一個(gè)關(guān)鍵問(wèn)題：采用網(wǎng)頁(yè)上現有的內容并將其應用到新的媒體中可能并不是最優(yōu)的方案。因為網(wǎng)頁(yè)本質(zhì)上是富媒體的環(huán)境，允許高保真的信息顯示，可以傳達的信息量也不限于格式。然而，聊天恰恰相反——在基于對話(huà)思想的媒介中操作，并限制單次傳遞的信息量。如果將網(wǎng)頁(yè)上的內容直接粘貼到對話(huà)泡中顯然并不合理。

　　因此，該項目的關(guān)鍵便在于消息和對話(huà)交互設計。部分中性提示如“客戶(hù)可以在這里注冊”，需要換為第二人稱(chēng)單數：“您可以在這里注冊”那些不能避免的長(cháng)信息則必須分成320個(gè)字符的消息，以適應Facebook Messenger的限制。

　　這是一個(gè)持續的過(guò)程，通過(guò)真實(shí)用戶(hù)與beta測試用戶(hù)的交互，我們可以更好地根據終端客戶(hù)與服務(wù)器交互的需求進(jìn)行定制。重要的是，機器人仍然需要經(jīng)常將客戶(hù)引導到具有更多信息的網(wǎng)站。隨著(zhù)時(shí)間的推移，我們希望在機器人本身中整合網(wǎng)站上的業(yè)務(wù)邏輯和內容，從而減少客戶(hù)體驗感的分散。

　　為了打造這樣一個(gè)非比尋常的機器人，我們還需要做的一件事就是讓它能夠理解上下文信息和自然語(yǔ)言。原始設定中的常見(jiàn)問(wèn)題解答中提出許多問(wèn)題作很可能永遠不會(huì )被真實(shí)的人這樣描述，例如“使用Monument Car的車(chē)輛的技術(shù)要求是什么？”，這樣一個(gè)問(wèn)題，真實(shí)客戶(hù)可能會(huì )說(shuō)：“我的車(chē)需要什么才能使用Monument Car”或者其他數百種表達方式，畢竟語(yǔ)言沒(méi)有邊界。

　　我們的解決方案使用Aspect NLU幫助消除類(lèi)似的問(wèn)題，并成功地提取消息的意義和意圖。為此，大約需要四個(gè)星期的時(shí)間來(lái)編寫(xiě)約100個(gè)問(wèn)題的規則，以滿(mǎn)足我們客戶(hù)的準確度。投入的努力將迅速得到回報，憑借自然語(yǔ)意理解，我們可以轉移聯(lián)絡(luò )中心的電話(huà)，并幫助一些客戶(hù)做出購買(mǎi)決定。此外，一旦規則創(chuàng )建，他們就可以立即了解Aspect NLU支持的其他13種語(yǔ)言。

　　由于聊天本質(zhì)上是對話(huà)性的，所以我們不得不適應不完整的句子以及與之連貫的后續問(wèn)題，因為它們在日常使用語(yǔ)言中是常見(jiàn)的。

　　比如以下常見(jiàn)問(wèn)題解答：

　　但是在實(shí)際談話(huà)中，人們可能會(huì )使用代詞來(lái)引用以前介紹的概念。所以一旦建立了“禮賓服務(wù)”的背景，后續的問(wèn)題可能是“它多少錢(qián)”、“我的妻子可以使用它嗎”——而這些問(wèn)題中“它”是什么？或者，作為一個(gè)語(yǔ)言學(xué)家會(huì )問(wèn)：代名詞是哪個(gè)前提？

　　有時(shí)完全相同的問(wèn)題可以產(chǎn)生不同的答案，這便取決于對話(huà)的流程。上下文意識對于聊天者來(lái)說(shuō)至關(guān)重要。沒(méi)有上下文意識，用戶(hù)會(huì )看到“我很抱歉，不確定你剛剛問(wèn)了什么”，而這也是在2016早期我們看到的聊天機器人中經(jīng)常出現的問(wèn)題。

　　聊天機器人就像是公司的新員工，它可以在第一天上班就直面客戶(hù)，不需要同事的幫助來(lái)回答問(wèn)題。但無(wú)論設計和測試有多好，人力備用也是至關(guān)重要的。在Monument Car的情況下，他們的社交媒體團隊已經(jīng)在歐洲建立聯(lián)絡(luò )中心與全球的客戶(hù)進(jìn)行溝通互動(dòng)。

　　為了將機器人整合到客服團隊中，我們必須實(shí)現與現有社交媒體平臺的技術(shù)整合。與他們的供應商進(jìn)行密切合作，我們結合了我們的API并構建了新的工作流程，從而實(shí)現各社交平臺之間的順利的切換。而當機器人不能解答客戶(hù)問(wèn)題時(shí)，它會(huì )說(shuō)：“非常抱歉不能解答您的問(wèn)題，可能客服人員為您進(jìn)行服務(wù)，您可能需要稍等幾分鐘，現在為您接通客服人員嗎？”，流暢地進(jìn)行溝通渠道的切換，為客戶(hù)提供很好的服務(wù)！

　　目前聊天機器人的概念驗證已經(jīng)取得成功，并已被客戶(hù)正式接受。當我們將其投入到實(shí)用中，我們將能夠分享更多使用心得和性能。敬請關(guān)注！

 

　　本文作者：Tobias Goebel
　　Tobias Goebel在IVR，自助服務(wù)和聯(lián)絡(luò )中心行業(yè)擁有超過(guò)12年的工作經(jīng)驗，具有跨工程，咨詢(xún)，銷(xiāo)售工程，計劃和產(chǎn)品管理的職業(yè)背景。作為Aspect產(chǎn)品管理和營(yíng)銷(xiāo)團隊的一份子，他致力于將移動(dòng)應用，文字，語(yǔ)音，聊天，社交等渠道融入客戶(hù)互動(dòng)當中，從而定義移動(dòng)客戶(hù)體驗的未來(lái)！