早在2016年四月份，我們介紹了Radisson Blu Edwardian的虛擬禮賓“Edward”，這么新員工幫助著名連鎖酒店Radisson Blu Edwardian服務(wù)越來越的客人，并使酒店在NPS上的評分增加了13分！

　　今天想給大家介紹一下另外一名即將問世的聊天機器人小伙伴——基于FaceBook聊天功能的客戶服務(wù)機器人，他將成為汽車制造商的新員工，幫助廠商回答潛在和現(xiàn)有客戶的各類問題。由于該項目還未完全投入使用，我們姑且先稱這件作品為“Monument Car”。

　　目前我們不打算給這位小伙伴正式命名，這樣的考慮是我們想給予它更多的角色特征，所以我們決定專注于這個新系統(tǒng)的功能。為了完成這個，我們不得不避免使用第一人稱單數(shù)，需要使用第一人稱復(fù)數(shù)。在某些情況下，這很容易做到，特別是當機器人直接回答有關(guān)產(chǎn)品的特定問題時。

　　然而，還有其他一些情況則需要更多的思考。使用第一人稱單數(shù)，你可以很容易地表達一個消息沒有被理解：“對不起，我不明白你的意思，你能再說一遍嗎？”，但是將其轉(zhuǎn)換為“我們”就會聽起來很奇怪。因此我們通過多種句式變化來解決這個問題，如“不確定你的意思。你可以重申一下嗎？”這樣一來，同樣的意思，機器人可以隨機使用不同的表達方式來表達。

　　后續(xù)問題“這樣能解決你的問題了嗎？”也同樣使用了隨機提示技術(shù)。這個機器人足夠智能，不會拘泥于同一種回答方式，如果客戶開始提問下一個問題，機器人也會有很好的答復(fù)

　　對于諸如“你多少歲啦”或“誰建造你”的問題，都會有相應(yīng)的答案（甚至是一些答案）。經(jīng)驗告訴我們，相當多的人會使用典型的會話標記，如“你好”，“謝謝”或“再見”等，頻率大概在14%左右，而機器人可以處理各種這樣的消息，因此當客戶了解產(chǎn)品功能后發(fā)出“酷！”的感嘆，機器人也不會手足無措。

　　當我們啟動這個項目時，便向客戶傳達了一個關(guān)鍵問題：采用網(wǎng)頁上現(xiàn)有的內(nèi)容并將其應(yīng)用到新的媒體中可能并不是最優(yōu)的方案。因為網(wǎng)頁本質(zhì)上是富媒體的環(huán)境，允許高保真的信息顯示，可以傳達的信息量也不限于格式。然而，聊天恰恰相反——在基于對話思想的媒介中操作，并限制單次傳遞的信息量。如果將網(wǎng)頁上的內(nèi)容直接粘貼到對話泡中顯然并不合理。

　　因此，該項目的關(guān)鍵便在于消息和對話交互設(shè)計。部分中性提示如“客戶可以在這里注冊”，需要換為第二人稱單數(shù)：“您可以在這里注冊”那些不能避免的長信息則必須分成320個字符的消息，以適應(yīng)Facebook Messenger的限制。

　　這是一個持續(xù)的過程，通過真實用戶與beta測試用戶的交互，我們可以更好地根據(jù)終端客戶與服務(wù)器交互的需求進行定制。重要的是，機器人仍然需要經(jīng)常將客戶引導(dǎo)到具有更多信息的網(wǎng)站。隨著時間的推移，我們希望在機器人本身中整合網(wǎng)站上的業(yè)務(wù)邏輯和內(nèi)容，從而減少客戶體驗感的分散。

　　為了打造這樣一個非比尋常的機器人，我們還需要做的一件事就是讓它能夠理解上下文信息和自然語言。原始設(shè)定中的常見問題解答中提出許多問題作很可能永遠不會被真實的人這樣描述，例如“使用Monument Car的車輛的技術(shù)要求是什么？”，這樣一個問題，真實客戶可能會說：“我的車需要什么才能使用Monument Car”或者其他數(shù)百種表達方式，畢竟語言沒有邊界。

　　我們的解決方案使用Aspect NLU幫助消除類似的問題，并成功地提取消息的意義和意圖。為此，大約需要四個星期的時間來編寫約100個問題的規(guī)則，以滿足我們客戶的準確度。投入的努力將迅速得到回報，憑借自然語意理解，我們可以轉(zhuǎn)移聯(lián)絡(luò)中心的電話，并幫助一些客戶做出購買決定。此外，一旦規(guī)則創(chuàng)建，他們就可以立即了解Aspect NLU支持的其他13種語言。

　　由于聊天本質(zhì)上是對話性的，所以我們不得不適應(yīng)不完整的句子以及與之連貫的后續(xù)問題，因為它們在日常使用語言中是常見的。

　　比如以下常見問題解答：

　　但是在實際談話中，人們可能會使用代詞來引用以前介紹的概念。所以一旦建立了“禮賓服務(wù)”的背景，后續(xù)的問題可能是“它多少錢”、“我的妻子可以使用它嗎”——而這些問題中“它”是什么？或者，作為一個語言學(xué)家會問：代名詞是哪個前提？

　　有時完全相同的問題可以產(chǎn)生不同的答案，這便取決于對話的流程。上下文意識對于聊天者來說至關(guān)重要。沒有上下文意識，用戶會看到“我很抱歉，不確定你剛剛問了什么”，而這也是在2016早期我們看到的聊天機器人中經(jīng)常出現(xiàn)的問題。

　　聊天機器人就像是公司的新員工，它可以在第一天上班就直面客戶，不需要同事的幫助來回答問題。但無論設(shè)計和測試有多好，人力備用也是至關(guān)重要的。在Monument Car的情況下，他們的社交媒體團隊已經(jīng)在歐洲建立聯(lián)絡(luò)中心與全球的客戶進行溝通互動。

　　為了將機器人整合到客服團隊中，我們必須實現(xiàn)與現(xiàn)有社交媒體平臺的技術(shù)整合。與他們的供應(yīng)商進行密切合作，我們結(jié)合了我們的API并構(gòu)建了新的工作流程，從而實現(xiàn)各社交平臺之間的順利的切換。而當機器人不能解答客戶問題時，它會說：“非常抱歉不能解答您的問題，可能客服人員為您進行服務(wù)，您可能需要稍等幾分鐘，現(xiàn)在為您接通客服人員嗎？”，流暢地進行溝通渠道的切換，為客戶提供很好的服務(wù)！

　　目前聊天機器人的概念驗證已經(jīng)取得成功，并已被客戶正式接受。當我們將其投入到實用中，我們將能夠分享更多使用心得和性能。敬請關(guān)注！

 

　　本文作者：Tobias Goebel
　　Tobias Goebel在IVR，自助服務(wù)和聯(lián)絡(luò)中心行業(yè)擁有超過12年的工作經(jīng)驗，具有跨工程，咨詢，銷售工程，計劃和產(chǎn)品管理的職業(yè)背景。作為Aspect產(chǎn)品管理和營銷團隊的一份子，他致力于將移動應(yīng)用，文字，語音，聊天，社交等渠道融入客戶互動當中，從而定義移動客戶體驗的未來！