编辑导语：如今随着科技的不断发展，人工智能渐渐的深入我们的工作和生活，比如现在很多平台都会使用智能客服进行工作，可以引导用户进行操作以及解决一些固定问题；本文作者分享了关于智能客服优化的建议，我们一起来了解一下。

人工智能领域，2020年迎来了NLP落地场景智能客服的崛起。不同场景和业务的应用要求智能对话更拟人、更懂客户。

本文以京东智能客服「开发票业务」从语音和图形两种产品形态，对智能对话的优化提出小小建议。

一、智能对话中语音交互和图形交互的区别

1）对话的引导项不同

语音交互的引导回复话术最多给出2-3个选择。图形交互的引导，在GUI页面内，可以显示多个引导项。

2）对话的上下文处理不同

语音交互的上下文存在对话树中，超过层级的对话内容会从对话树中删除，但用户人脑还存在上文感知，需要更专业和复杂的引导帮助用户进行下一步操作。

图形交互的上文存在对话列表内，用户很容易感知上文内容，哪怕上文失效，也可以回到之前的对话部分进行查看。

3）对话逻辑的处理不同

语音交互中，存在筛选、指代、相似内容搜索、跨场景对话等对话逻辑；一旦触发一个规则，需要增加更多引导回复方便用户完成对话任务。

图形交互的对话逻辑，可以用文本、tab、列表等方式辅助对话任务，便捷的点击操作，让用户更好的按引导完成对话。

4）对话的“拟人化”程度不同

用户要求语音交互比图形交互更“人性化”，希望对话的智能客服更像人；对话不仅包括ASR的声音拟人化，更要求对话的内容像日常说话一样自然，对话交互要秉持友好自然有个性的原则。

5）情绪识别模型的使用场景不同

语音交互中，情绪的感知相对比较强烈，用户一说话就能感知对方是情绪低落还是情绪高涨，情绪模型的对话应用于每一句用户回复的对话中。

图形交互中，只有用户输入的语言文字带有情绪内容，或使用情绪的表情符号，才能识别用户当前的情绪状态。

6）对话的兜底应答策略不同

语音交互中，经常会遇到智能客服回答不了的问题，这时候需要应对技能进入相对无解的状态，对话设计不能让用户的感觉“雪上加霜”，一般回复以「机灵可爱的承认没听懂+引导下一步话术」组合出现。

例如：“小东在自己强大的神经网路内走迷路啦，您如果还要继续开发票请对我说我要开发票”，图形交互的回复主要以展示下一步用户可能操作的TAB选项为主。

二、图形交互的智能客服1. 当前智能客服对话存在的问题回复话术内容过多文字过长堆叠严重，用户很难聚焦。关联推荐的关联问题相关性不是很好。没有精细的多轮对话流程引导。回复的内容没有进行流程步骤的拆解。

2. 产品优化建议

1）回复话术准确、简洁、有目标性

例如：用户说“我要开发票”，直接引导用户开发票，完成任务。

2）客服提示的问题和用户的下一步操作引导强相关，和用户当前业务无关的提示不再出现。

3）需要用户输入的选择性问题，以提示tab按键代替手动输入。

下图，蓝色方框为TAB按键：

4）智能客服的回复，将用户下一步潜在的需求以流程的形式在界面中展示出来。

5）以解决问题为导向，细化解决方案，将方案变成用户可操作的路径。

3. 图形交互对话设计样例

开发票按业务流程分为访问客服、选择订单、确认信息并下单、售后服务几个场景模块。

三、语音交互的智能客服1. 拆解业务场景

开发票从业务场景上主要分为三个部分业务咨询、实施过程、售后服务。

业务咨询解答通用的FAQ问题，实施过程是用户真正开发票的过程，售后服务针对性回复售后相关的内容。

对话的内容分为：问答、闲聊、任务，结合当前场景，不存在闲聊内容，主要是问答FAQ和任务型对话。

2. 关于智能客服的开场白

开场白要清楚简洁，并带有明确的引导性。基于用户的第一句话，回复意图分两个方向处理：如果是明确意图，开场白要精简明确。如果是非明确意图，开场白的回复要做推荐引导。

举例：

「对话一」

“我要开发票” 用户的开场白意图很明确。进入开发票的对话任务中，回复“好的，您要哪天的订单开发票呢？”

「对话二」

“你好”“在不”“有客服吗？”用户开场白意图不明确。由于不清楚用户具体需求，给出更多可能的推荐引导回复“您好，我可以帮你开发票、办理售后，请问您要办理什么业务？”

3. 复合型指令的智能回复

开发票的业务场景中，经常会用到选择订单，用户回复包括序号和选项内容，例如：“1、2020年8月4日订单”“第二个，婴儿床订单”，对话需要扩展可识别的指令词库，支持用户说订单时间、订单内容、商品信息等指令信息，方便用户在选择订单时能快速完成任务。

4. 针对FAQ问答出现在任务型对话中的解决方案

当前对话过程中，FAQ问答可穿插的任务型对话的任意节点，FAQ回复结束后，可自动返回之前的任务型对话节点让对话继续。

FAQ问答表示科普类的、名词解释类的通用回复内容。包括：电子发票是什么？都可以开哪种发票？发票什么时候发货？任务型对话表示基于明确任务目标的前提下，在达到最终节点前全部对话流程和槽位信息（填槽位的对话流程）。

例如：

当前列子中“发票多久可以收到”属于FAQ问答，智能客服回复以后，需要再次询问上一个节点对话内容，引导用户继续完成对话，当前市面很多产品并没有FAQ问答结束后再继续对话的产品功能。

5. 槽位信息的补充采用多轮对话的方式

任务型对话中，用户在完成开发票业务前，需要的发票信息内容，如纳税人识别号、发票表头等信息，可以通过多次询问补充和完善。

6. 在不同场景（对话树）发生跳转时进行干预

对话任务中会出现跨场景跳转，为避免超出用户预期，需要在跳转前进行二次询问。

举例：当前在业务咨询模块（一个场景的对话任务），用户再次询问售后服务模块（另一个场景对话任务）的时候；在语音交互中，防止失误识别而导致的对话跳转（即对话树的更改）需要再次询问用户“是否要询问售后服务关于发票收货时间的问题？”

如果用户确认，再更改对话任务；如果用户未确认，保持当前对话上下文。

7. 异常处理识别正确，但是没有对应的结果，如果回复。识别到两个或多个域都有结果，提示用户在两个里面做选择。（有歧义的query）时间过长导致上下文丢失，怎么处理？对话树层级太长，有部分上文丢失，但是用户还记得上文怎么处理？（基于对话树可以维持几层）用户无应答时候的处理。

很多朋友给我抱怨现在的智能音箱或者机器人很傻，不能理解自己。

我总是安慰说，给产品和技术更多一些时间；而智能对话是真实可提升用户直观感受的重要交互方式，在智能对话领域的探索，才是让智能产品更快应用于场景，更快找到落地方式的唯一手段。

公众号：小小仙女狮狮随想

本文由 @小小仙女王狮狮 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。