數倍客服效率提升,精準用戶畫像繪制,AI對話機器人在健康領域數字化轉型的應用
在人工智能的輔助之下,客服代表的工作由“填空題”變成了“選擇題”,處理消費者咨詢的速度得到了數倍的提升。
消費者也因此受益。過去冗長的等待時間給予了消費者糟糕的咨詢體驗。如今更快的客服回復速度讓消費者與企業的交流更加迅速,消費者滿意度由此提升。
同時,當消費者需要比較不同類別的產品時,過去客服需要自行調取相關產品信息,而在人工智能的輔助下,調取信息與產品比較在轉瞬間即可完成。過去人工客服不能回答的問題,人工智能可以協助回答。
同時,惠氏還面臨客戶管理方面的問題。營銷及獲客成本越來越高,注冊率低,用戶遷移頻繁,留存和銷售轉化率并不十分理想。如何吸引到有粘性的母嬰用戶,并提供精準服務,成為惠氏的頭號難題。
對于這一問題,來也在與惠氏的合作中逐漸找到了解決方案。
在客戶對話中,對話機器人將不斷的收集消費者的消費習慣、消費能力及各類訴求。隨著數據的不斷積累,惠氏消費者的畫像也逐漸清晰。由此,機器人將對不同的消費者進行標注,為其定制推送符合其消費能力、消費習慣、消費需求的產品。
通過這種方式,惠氏的新客獲取手段由傳統的粗放式宣傳轉化為高效率的定向推送。這一轉變意味著惠氏能以更低的新客轉化成本,收獲更忠誠的客戶。
僅需6步,對話機器人賦能惠氏微信客服
相較于電子病歷、病種匯集的知識圖譜,母嬰客服打造的知識圖譜內容更為精準地契合用戶與消費者的生活需求。且整個個性化產品的搭建僅需數月即可交付。具體而言,整個搭建過程包含一下幾個步驟。
一、挖掘歷史預料,分析用戶主要需求:在與惠氏的溝通過程中,來也先后共拿到3份對話數據,共清理出近60萬個對話。這些對話數據大部分為典型的多輪對話,平均會話長度11輪,長度少于6輪的會話約占總量的17%。遠高于其他行業客服復雜程度。
二:歸納需求,找到人工客服痛點:通過分析對話語料,來也發現,客戶服務代表回復的事實類消息普遍較長,此外,客戶服務代表還會經常用到一些模板消息(如會話開始打招呼話術、會話結束話術、教育話術)。
這些話術的特點是內容固定,如果客戶服務代表每次使用都手動輸入,會對回復效率造成瓶頸。這是客戶服務代表使用惠氏多客服系統時的典型痛點,因此,來也問答系統的具體目標是優先覆蓋這些高頻回復話術。
三、建立知識庫:完成上述分析,來也開始有目的性地打造知識庫。通過綜合使用層次聚類、分類、領域關鍵詞挖掘等算處理數據,并結合AI訓練師人工復查,多次迭代后,最終產出的知識庫包含1500余個知識點,20000余條問題。
四、搭建問答機器人:根據清洗后的對話語料和訓練師復查過的知識庫,來也搭建了基于“檢索+排序”的問答機器人方案。
具體而言,對話語料和知識點被導入ElasticSearch檢索系統,系統接收到用戶消息后,從檢索系統中搜索相關的知識點或歷史會話片段,然后借助rerank算法對搜索結果做精排,使得最相關的知識點或歷史會話片段盡量被排到前面,最終取top6結果顯示到多客服界面,供客戶服務代表選擇。
五、根據業務場景,提供輸入提示功能:結合來也內部系統的使用經驗和客戶服務代表的使用場景,來也認為如果客戶服務代表能借助關鍵詞召回完整話術,或者系統根據客戶服務代表當前輸入能自動召回完整話術,會對回復效率有明顯提升,用戶使用體驗也會有更好的保證。因此,來也開發了輸入提示功能供客戶服務代表使用。
六:開發BI系統:來也提供的BI系統支持自定義關鍵詞,系統會自動監控包含這些關鍵詞的消息,統計它們被提及的會話個數及近期變化趨勢,從中可以發現一些有意義的特征。如“感冒”在冬季被提及的次數,用戶對不同的奶粉系列的關注熱度等等。
整個知識圖譜的搭建過程視項目大小而定,長度在1-6月不等。快速的交付速度意味著企業可以迅速從傳統的管理模式轉化為人工智能賦能后的數字化模式。對于來也而言,迅速的項目推進速度則凸顯了其將人工智能產品化的能力。
從母嬰到大健康
母嬰領域的成功為來也在健康領域的布局塑造了一個良好的開端。而類似于惠氏這樣的企業廣泛分布于醫療消費、醫療健康領域。
由于醫療知識的專業性,C端用戶對于醫療產品的消費將伴隨著更繁瑣、更廣泛、更專業的人工智能交互問答,不少醫療領域的項目更需要人機協作提升效率。
這對于來也而言既是機會也是挑戰。在2019年的實踐中,來也已經達成了與阿斯利康等大型藥企的合作,幫助阿斯利康搭建合規機器人,通過人工智能產品降低運營成本,挖掘數據價值。
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞


分享









