AI产品经理：如何构建客服机器人的知识体系？

推荐理由：本文作者@Wing （微信公众号：鸡翅姐），是就职于平安寿险智能平台总部的AI产品经理，主要负责寿险知识库平台的产品设计以及与问答引擎相关联项目的落地支持。本文，是为如下问题而作的详细解答。

【Q】：目前在负责公司一款起步阶段的智能客服产品，我的难题在于机器人的训练需要大量有效的Q&A问答库，但目前主要依靠客服手工整理，效率低下。饭团里智能客服有关的我都会认真看，但知识库构建这块却鲜少文章设计，希望可以指点一二，感谢！”】

本文分3个部分：

一、客服机器人的分类和决策引擎

二、客服机器人的数据来源与使用方法（重点）

三、客服机器人的知识管理方式（重点）.

一、客服机器人的分类和决策引擎

1、客服机器人的分类

无论是哪个领域，只要是一个定位明确的客服机器人，其产品设计的目标都是通过最短路径为用户提供服务，“服务”包括信息查询（比如电商场景下的查询订单状态）、购买咨询（比如保险场景下的产品购买建议）、FAQ类咨询（比如公司地址与联系电话等）等等。

如下图，我把客服机器人与用户的对话，分为三个类型：

寒暄类：与核心业务流程无关的对话，可以统称为“寒暄类”，也是客服机器人的兜底话术。我这里没有用“闲聊”，是因为我个人不认为“闲聊”是客服机器人应提供的核心服务之一。

任务类：通过一或多轮对话的方式帮用户完成某项目的明确任务。

咨询类：为用户答疑解惑，通常为一问一答的方式，也包括通过澄清和指代消解而产生的多轮对话。 

本文分享的内容，主要是聚焦在（针对于）咨询类对话。

从实现方式上作区分，咨询类对话又可以分为检索式、语义匹配式和KBQA三种；然而，在咨询的时候，用户是感知不到这三类的区别的——用户的诉求很简单：通过最短路径获得准确、直观、完备的答案。

2、客服机器人的决策引擎

客服机器人在解析用户query的第一步是在去判断用户的意图。意图检测是由叫做“Route bot（路由机器人）”的系统来完成，比如，当用户输入“我银行卡余额”时，可以识别出用户此时是想完成“查询银行卡余额”这一任务；而当用户询问“银行卡余额在哪儿可以查”时，则需要识别出用户需要一个查询银行卡余额的路径。确认用户意图后，路由机器人再将此query交给不同的“子机器人（Botlets）”去处理。最后，Botlets生成的回复将在策略中心完成融合、去重和重排序等过程，最终产生一个或一组最优解。

下面这幅流程图，描述了从用户Query到生成回复的过程。该流程的每一步都值得深挖，但由于不是本次分享的重点暂不赘述。

从用户query-->机器人response的整个决策过程，是由数据、算法和算力共同支持的、由下到上的过程，同时也类似于人类从懵懂到形成“直觉”的过程。

在客服场景中，我们尝试去重现的，就是一个积累了业务流程知识、产品与服务知识以及用户交流技巧的客服人员。

对于刚上岗零经验的客服人员来说，Ta首先需要了解的，通常是以下几点：

1.服务的边界：自己负责的产品线/业务线的服务范围是什么？对于不在服务范围内的项目，如何与客户沟通？

2.服务的特色：有哪些是服务的核心亮点？如何在服务的过程中巧妙地趋利避害？

3.升级渠道：服务过程中遇到难以解决或意外情况如何处理？

通过培训与实操，客服人员逐渐从每日的工作中成长起来，一方面，对公司的服务内容愈发熟悉，另一方面，总结着保证用户满意度的方法。类似的，当我们培养一个客服机器人，也需要让Ta经历“培训”和“实操”的过程。本文，我们主要探讨的就是如何培养客服机器人的数据能力。

后续详细内容，请加入小组再阅读（限时免费）

以上内容，整理自饭团“策略产品经理研习社”，点击这里可关注：https://fantuan.guokr.net/groups/149349010586624?utm_source=kuahao （如果遇到支付问题，请先关注饭团的官方微信服务号“fantuan-app”）

---------------------

整理者：凤城狂客，目前是AI方向的高级策略产品经理，知乎认证专栏作家、人人都是产品经理专栏作家。曾服务过金山、魅族、唯品会、太平洋等知名互联网公司，微信公众号/知乎/简书ID“凤城狂客”。

饭团“策略产品经理研习社”，分享产品策略类案例、前沿科技的干货。其中策略类产品涉及几个方向：商业化、个性化推荐、用户增长、搜索排序、AI等