#FormatImgID_1#
關於客服系統中的機器人
客服系統的興起是基於滿足降低公司人力成本、維護精力的需求，一套客服系統的產品設計，上次有分享過
史上最詳細的客服系統產品落地|後臺產品經理的工作例項，有那麼苦嗎？
，但除了工單管理、客戶管理、以及客服系統的BI，其實最為困難的就是如何提升客服系統的使用效率。
就客服系統的使用效率，其根本就是是否能夠為企業降低人工服務的次數、仍共服務的時間佔比，甚至是提升公司的營業業績。在這裡面，我落地的客服系統其佔比最終的還是機器人回答。
【機器人問答的產品設計】
但機器人回答的發展期間，機器人的回答方式也在如今也是基於關鍵詞匹配與大資料結合的情況下發展的。
【APP端機器人客服】
【WEB端客服】
產品落地中，調研到目前國內的方法在中文分詞中，現在有三大分詞演算法
第一類叫做基於字串匹配的分詞方法
第二類基於理解的分詞方法
第三類基於統計的分詞方法
相對於早起的純關鍵字匹配，現在國內的機器人也是基於NLP（自然語言處理技術也逐漸在興起），作為PM的我們，到底要如何去落地機器人問答系統？我談談我的案例分享
01
知識庫的建立
如果說從0-1做客服系統，那麼機器人的模組從一開始規劃中最為重要的就是建立知識庫，這個知識庫的重要性在於以後的模型建立。
那麼問題來了，什麼是模型？
【對話模型】
日常生活中，我們所知道的模型就相當於是一個模具，一個模具的可以作為一點，其製作更多產品，把模型做的越好、越精確，在量產中就會得到更準確的結果。
更加精準、更加快速
那麼對話模型，就是我們這裡提的一個模型。在不同行業中，我們可以知道起使用者發文的內容範圍、回答的範圍是不同的。
那麼如何訓練模型，簡單來說就是透過對話找到問題的答案，答案的問題
【問題與答案的訓練】
【答案與問題的訓練】
這裡提一個關鍵詞：語料
預料你可以理解問一些詞庫，不過這個詞庫不同的是他會包含更多測試詞語、句子、符號等資料，而詞庫則是我們知識庫中最為關鍵的一個匹配詞庫。
既然要考慮模型和語料，我們首先要考慮公司的業務是什麼？這就是所謂的特定領域，再到全域性領域
目前這些語料都有網上的一些公開的包，PM可以去下載瞭解下是否符合公司的業務。透過這些語料包，可以去知道語氣詞、標點符號、違規敏感等
這裡從特地領域的語料，簡單舉個列子在金融證券行業，最為關鍵的語料就是：公司產品名稱、股票名稱、公司名稱、常用服務名稱
這些都算語料裡面的詞庫，在一個公司建立知識庫中，我是按下圖進行分類組合
既然上面的邏輯關係清楚了，我們可以清楚知識庫是起著機器人回答的一個重要部分
【網易7魚】
從上面的圖可以看到，其知識庫時候為了分類管理，提供了一個分類管理的模組，並且將問題與知識庫進行關聯。
【知識點與FAQ】
將問題匹配進入相應的知識點，機器人也需要知道諧音、或包含問題以外的其他內容，如何去掉無效內容，匹配問題答案。
【相似詞庫】
建立相似詞庫的意義就是為了方便機器人把相似處看作同義詞進行理解，把問題進行匹配。
在知識庫中新增問題與答案，我們這裡落地首先要考慮問題與答案的對應關係。
也就是在對話模型中，一個問題是否會對應2個答案，一個答案是否會對應2個以上的問題？
【知識庫新增】
最好的方式是利用EXCEL文件的方式整理，將文件匯入上傳。這裡我借鑑了一些客服系統的機器人中心文件，將他們的文件進行歸類，整理瞭如下模版
這樣的話，公司即使沒有客服系統，但透過日常的文件歸類，也可以快速的建立詞庫。
01
基於字串的匹配演算法
在產品設計中，這套系統還是基於字串匹配的演算法。利用正相最大匹配、逆向最大匹配分、以及最小切分
那麼什麼是正向匹配演算法？
正向最大匹配演算法：從左到右將待分詞文字中的幾個連續字元與詞表匹配，如果匹配上，則切分出一個詞。
但這裡有一個問題：要做到最大匹配，並不是第一次匹配到就可以切分的 。我們來舉個例子：
待分詞文字如下：
content[]=
{"產"，"品"，"經"，"理"，"從"，"此"，"站"，"起"，"來"，"了"，"。"}
詞表： dict[]={"產品"， "產品經理" ， "從此"，"站起來"}
這裡CONTENT［1］開始進行從左到右正向掃描，那麼掃描到第一個content［1］，這個時候掃描的為“產”字，掃描到第二個content［2］，這個時候掃描到［產品］；和dict［1］匹配上了，但是因為字數才2個字，需要為3個字，就繼續這樣向下掃描。
迴圈處理，最終將詞語掃描出來。但這樣掃描出來的結果可能為：產品/產品經理/從/此/站起/來，或產品/產品經理/從/此站起/來……
等結果，利用最小切詞，切詞的換算方式，但當然既然採用的是基於字串匹配的分詞方法，其劣勢就在這裡，切分為導致歧義問題。
因此我們會把逆向最大匹配、正向最大匹配、最少分詞結果進行綜合匹配。最少分詞就是將針對正向、逆向的問題，將雙向切分的結果進行比較，選擇切分詞語數量較少的結果。
01
機器人知識庫初始化
機器人在設定中，建議一開始沒有詞庫的時候，產品經理需要考慮一些基本詞庫，這些詞庫是公司名稱、公司產品、微信公眾號、網站地址等
【機器人初始化】
【機器人初始化】
這樣設計的理由很簡單，這是公司的基本問題或回答。在這套客服系統機器人是對外或甚至以後運營盈利情況下，方便客戶首先設定好自己的基本機器人資料。
除了以上的機器人基本詞庫以外，還有機器人寒暄詞庫，並且產品設計中要對每一個型別的詞庫回答進行限制。
比如當問了3個問題，都無法匹配到機器人的答案，機器人應該以轉換人工的提醒方式或回答方式，讓使用者去尋找人工解決辦法。
【切換人工】
在當前的機器人系統中，在這個產品設計我一直定位該產品是輔助於人工客服去減少工作量，增加工作效率。機器人並不能完全替代人工，所以時刻保持機器人與人工的切換，讓使用者能夠獲得好的解決體驗。
總結
在當下科技不斷髮展的時代，都說是AI的時代，從以前的大資料到如今的AI時代，智慧機器客服系統就是典型的一個產品。
雖然對於PM來說，客服系統的難點在於如何去跑通公司客服業務流程，建立起一套好的服務流程。
1.分擔客服工作量
2.積累客服經驗，不斷完善問題庫
3.自定義機器人樣式，模擬人工聊天。
但難點也在於如何透過人工客服去積累學習更多的知識，以及透過資料渠道獲得客服以及所在客戶行業的專業基礎知識。
