AI运用用户招待的聊天记录和提示词工程，泛化并批量生成不同的客诉场景

常识和技能之间存在本质上的差异。常识是实践的一种总结，但技能才是提高绩效和体现的要害。假如只是对客服进行一味的常识灌输，很难确保客服搭档真实掌握了技巧。因而，咱们需求对客服进行“刻意操练”，以确保客服搭档将常识内化为相关的技能，并在这个进程中复盘问题，优化原有计划。

假如由客服管理者专门制定操练题，将极大浪费管理者的时间，并且无法与客服进行互动陪练。因而，这儿可以凭借AI的力气。运用用户招待的聊天记录和提示词工程，泛化并批量生成不同的客诉场景，并与客服进行陪练。一起，咱们可以运用提示词对陪练成果进行评分，然后辅佐管理者评价客服的才能掌握状况，帮助客服搭档找到问题，并进行优化和改进。

客户招待环节的AI

1. 智能路由

智能路由是一种运用人工智能技能的体系，旨在根据多种因素，如客户的需求、客户的心情、服务代理的专业范畴和即时事务状况等，智能地将呼叫分配到最合适的客服代表或服务通道。

在公司事务规划巨大、需求很多客服并且用户场景足够复杂的状况下，对客服团队进行不同技能组的划分，每个组专门担任不同的场景。这种状况下，需求依靠“智能路由”体系来对不同诉求的用户进行分配，以完成招待“功率”和“效果”的最大化。

智能路由的建设可以根据用户特色定制规矩进行分配，也可以练习小型模型进行条件特色分配。然而，这些办法都无法根据用户言辞进行分配。在这种状况下，咱们可以运用大型言语模型（LLM）对用户的诉求进行分类，作为智能路由分配的依据。

全体来说，智能路由的分配方法首要包括以下种：

1. 根据用户条件的规矩分配。
2. 根据小型模型的算法分配。根据LLM提炼成果的分配。

2. 智能问答

客服智能问答是指运用人工智能技能来帮助客服答复客户提出的问题或处理客户的疑问的办法。

目前完成是智能问答的计划有以下几种：

1.常识库匹配问答：

这种计划需求预先构建常识库，经过文本匹配或语义匹配的方法运用常识库的答案答复用户的问题。这种办法可以快速精确地答复那些在常识库中有清晰答案的问题，适用于固定范畴或特定主题的问答场景，并且不存在AI错觉问题。

图片来源于百度，为智齿科技的客服体系

2.自行练习的客服AI：

针对特定事务场景或需求，经过机器学习和自然言语处理技能，根据已有的语料练习企业专用的客服AI。这种办法可以对语料进行泛化，可以应对更广泛的客诉场景，供给契合特定事务需求的个性化问答处理计划。

可是AI是对重复内容的总结，在泛化场景容易呈现错觉问题，或许会给到用户不精确的答案。

3.RAG + LLM：

LLM缺乏笔直范畴的常识，对客户的问题会答非所问。因而，可以运用RAG技能满意客服场景的需求。RAG经过大规划语料库进行信息检索，获取或许的答案片段，然后将这些片段输入到LLM中进跋涉一步处理和生成答案。这种办法可以运用LLM的特色，让LLM结合客户的上下文和常识库的答案生成合适的答案。关于没有才能练习客服AI的中小企业，他们也能运用这种办法运用AI的才能。

可是，RAG + LLM的方法相同存在错觉问题，有或许给到用户生成AI胡编的答案。

这些办法首要处理答案匹配和分发的问题，处理“在什么时分答复什么”的问题。一起，智能问答体系还可以引进多轮问答、多模态答案、多样化常识库的方法，拓宽智能问答的问题处理才能。

1.多轮问答：

客户找到客服，往往是带有一个目的，有些目的能被一句话解答，可是有些目的并不行，比如退货退款、投诉等状况。一起，大部分客户并不能精确地一句话描述问题，会存在“近义词”、“主宾缺失”等问题。这种状况，一般都需求进行多轮的问答来处理。

因而，智能问答体系的语料不仅仅可所以单句式的语料，也可以由多句的语料组成，这使得智能问答体系可以掩盖更多的场景。

2.多模态答案：

多模态答案不仅仅包含常见的图片、语音、视频等内容，还可以包含链接、表单、问卷的方法，以提高与用户交互时分的信息密度，提高问题处理的功率。

多样化常识库：

有些问题不必定可以很好地被处理，因而智能客服除了要能答复专业问题外，还需求具有问寒问暖、闲谈、安慰的才能，用于更好地服务客户。因而，咱们需求准备相关的语料库用于适配不同场景，这儿可以运用要害词、目的辨认等才能控制在什么场景下运用什么常识库才能。

最终值得一提的是，“智能”并非空中楼阁，需求一步一步的堆集。

前面提到的三种完成计划都是非常依靠语料库的堆集的，需求先有人工对事务中常见的客诉问题进行总结，然后给到智能问答体系进行运用。数据的堆集和答复效果是一个互为因果的螺旋上升的进程。

因而关于中小企业来说，要想用的好智能客服，专门的语料库运营成员是必不可少的，该成员需求担任收集并提炼高质量的语料库，并定时结合事务的发展进行语料更新。

一起，错觉问题较难根绝，除非投入较大的成本进行模型练习（或提示词优化）、语料调优，关于中小企业而言，与其用这么高的成本进行保护，不如运用不存在错觉问题的“常识库匹配问答”计划。

客服主张

因为智能客服计划中的“客服AI”和“RAG + LLM”都存在比较明显的错觉问题。咱们可以运用“客服主张”的方法，躲避错觉危险问题。

所谓“客服主张”，是指在客户招待进程中，“客服AI”和“RAG + LLM”的输出成果以主张的方法展现，由客服人员决定是否采用。这一进程相当于人工审阅的备用计划，只有在人工审阅经往后，才将成果呈现给用户。这种方法可以完美地避免AI错觉对事务形成负面影响，一起也可以运用AI的输出成果提高功率。

此外，咱们还可以让AI结合人设，给出相应的安慰主张，而非根据常识库。这也能在必定程度上丰富客服话术的多样性。

4. 客诉状况总结

在客服作业中，当客诉量巨大、内容复杂时，人工难以迅速辨认重点内容，需求花费很多时间阅读上下文，这严重影响了客诉处理功率。

为了处理这一问题，咱们可以运用AI进行内容总结和提炼，快速辅佐客服人员提炼客户诉求、心情以及目的，并以必定格式输出，以便客服人员快速掌握用户诉求，定制应对策略。

此外，这种提炼和总结的成果也可以为“客服主张”、“智能问答”等功能供给决策依据，然后进一步提高客服作业的功率和质量。

5. 舆情提炼

在客服作业中，客服的价值并不仅仅在于答复用户的问题或安慰用户，更在于可以从海量的客诉中提炼出有价值的信息，并将这些信息反馈到运营、研制、销售等事务中，然后提高全体事务的效果。