“一言不合就开始卖萌”

　　“超简单的问题都回答的驴头不对马嘴”

　　……

　　这年头只要网上购物，被聊天机器人、“智障客服”花式虐心早已经是家常便饭了。而上述问题，其实统统都与如何赋予智能客服“智商”密切相关。

　　因此，脑极体白洞企业AI唤醒计划的第二期节目，我们就邀请了智能对话创业企业奇点机智的CEO邬霄云先生，和计算机学会常务副主席黄惠燕女士，来共同探讨一下：想要搭建一个“棒棒哒”电商智能客服系统，需要解决哪些“致命细节”。

　　这里先剧透一下结论：想要避开“智障式AI客服”，仅仅依靠自然语言处理技术的进步还远远不够，工程能力与产品落地能力可能才是成败的关键。另外，管理用户预期也至关重要哦。

　　在整个交流过程中，我们可以看到电商平台智能客服最严重的问题——体验焦虑。

　　大家想必也深有感触，网络购物时往往更愿意向人类客服进行咨询，而这往往需要经历漫长的等待和轮候。一旦选择了智能客服，就会在听不懂人话、只会做选词填空题、无法解决需求等等挫折中倍感窝火。

　　据奇点机智邬总反馈，他们服务的客户也大多更倾向于将智能客服应用在售后场景之中。这也体现了目前电商平台的主流选择：售前交给人工，售后交给机器。

　　售前不配“被智能”吗？答案显然是否定的。

　　之所以出现这种情况，原因就在于智能客服想要在售前体验上拿到“高分”，实在是太难了，而用户的每一点体验不满，最后都会变成平台销售额的泪啊！

　　简单来说，电商平台的“售前智能化”，戳中了智能客服系统的三大软肋：NLP技术、集成服务、商业场景三大关键点需要协同突破。

　　目前，智能客服所普遍采用的问答系统，能够很好地解决售后过程中那些简单清晰明了的服务诉求，比如退货地址、使用方法、保质期限等等问题。

　　但反观售前，用户的问题往往非常发散且主观化——“黄黑皮穿红色好看吗？”“我男朋友是工程师适合这个吗？”“能不能推荐点搭配的单品啊”……问答技术目前很难在这些问题上有出色的表现。想要闲聊，还是人类客服小姐姐更靠谱。

　　黄老师（她也是某电商平台的AI技术负责人）向我们阐述了电商平台应用AI的基本思路：

　　平台往往会追踪最前沿的智能对话技术进展，但自己并不会过多地介入底层技术开发，而是选择由2-3家技术集成服务商来提供服务模块。

　　因此，就要求奇点机智这样的第三方服务商既要对高速变化的前瞻性技术高效地把握和应用，又要对商业逻辑和商业场景有足够清晰与深刻的认知，最后还要能以简单易用将技术整合为流程化的chatbot系统，再提供给商家。众所周知，国内智能客服也是近两年刚刚起步，业务能力参差不齐，消费者对智能客服的印象自然也就众说纷纭了。

　　电商平台售后几乎都是相似的，但售前面临的业务场景却完全不同。比如说护肤品商家，在解决肤质、搭配、功效等问题时，就可以大幅度引入智能客服来提升销售效率，缩短接待时间。但服饰类卖家，面对的往往是“适不适合”“好不好看”之类的主观题，机器人也无能为力。商家售前流程的需求差异太大，不能“放之四海皆准”的智能客服系统自然也就要退居二线了。

　　总而言之，NLP技术瓶颈、第三方服务水平参差不齐、商业需求复杂，是桎梏智能客服能力向上延伸的几个重要难点。

　　这就引发了另一个疑惑：消费者到底应该对智能客服抱有怎样合理的期待？智能客服之于电商平台的价值究竟体现在哪里呢？

　　在白洞计划的“反定义”环节中，我们邀请两位老师以撕标签的方式探讨了许多大众对于售前客服的刻板印象。

　　从中可以发现，智能客服（甚至于人工智能），究竟是“神”“神经”，还是“神经病”，有时候并不取决于技术本身的发展维度，而是需要建立起一个理性的预期。尤其是智能客服这样与消费者联系紧密的技术工具，最容易先被“神化”，然后迅速失望变成“神经病”。

 

　　在这个过程中，电商平台如何去管理用户的预期就变得至关重要了。除了先在售后环节“练兵”之外，或许我们也应该理性认知当下智能客服系统的核心能力：

　　1.做好选词填空。“选词填空”是一个看起来不怎么智能、却不容有失的任务，像是用户询问“面膜一包几片”，机器准确地回答出“3片”，用户不会惊喜；如果答成“四包”，那就是要被全网群嘲的节奏了。语义理解（即让机器明白用户在问什么），一直是NLP领域的技术难题，尤其是中文还存在倒装、反问、同义句等语法，因此，作为一种工具性的存在，智能客服能够做好“选词填空”，替代人工高效率地解决一些机械性问题，减少用户的等待时间，已经能够满足企业和大部分用户的实际需求了。

　　2.特殊语言任重道远。随着电商平台的普世化，越来越多的儿童、老人、偏远地区人口也开始在网上购物，但智能客服想要通过语言识别的方式来准确把握他们的需求，也是难上加难。这需要两个前提：一是有足够大的语料词库进行训练，目前该类数据集还并不多，自然也没有办法进行系统训练；二是解决特殊语言的知识表达逻辑。国际顶尖的语言算法（比如斯坦福Equilid）对于非正式方言的识别依然未能达到实用阶段。目前看来，要么求助于人类客服，要么还是学好普通发吧。

　　3.个性化服务尚需时间。大家期待的专属客服与个性化服务，目前看来依然遥远。尽管智能客服系统有一定的记忆功能，能够记住你上次说的尺码、偏好，但要实现个性化推荐，往往需要很高的覆盖率。商品的覆盖率越高，同一个商品出现的频率也就越小，买到差异化、个性化产品的几率自然也就越大。但要实现这一愿景，往往需要企业进行大量的工作，比如大数据的收集与处理、推荐模型的优化、chatbot的训练升级，对于业务场景复杂的电商平台来说，还有很长的一段路要走。

　　总的来说，一个理想中的智能客服系统，是时间的馈赠。在此之前，需要技术人员、企业管理者和大众都多一份耐心。

　　智能客服越来越成为电商平台的标配，它的技术潜力已经开始在产业端展现出来。黄老师分享到，未来通过个性化、智能化的chatbot，智能客服也可以实现动态多轮对话，告别总是听不懂的“鬼打墙”，更关键的是，机器的知识库更加庞大，未来能够取代人工实现向上销售，即用户的兴趣探知和主动营销，从而帮助电商平台更好地提升销售额，找到新的商业增长模式。

　　听起来是不是很美好呢？那么，在未来到来之前，行业应该做好哪些准备？目前看来主要集中在三点：

　　与电商平台相比，金融、通信、教育、保险等业务也在越来越多地引入智能客服系统，但它们的吐槽声似乎要小很多。一部分源自于这些传统行业已经在漫长的发展过程中积累了大量的知识和语料库，能够更好地训练模型。

　　对于电商平台来说，尽管已经展开了一些年龄、性别、地域、兴趣等用户特征的的大数据工作，但还远远不够。在此基础上建立包括用户关系、用户理解向量的神经网络模型，并随着用户每一个行为实时学习和改变，提供极致的服务体验，将是未来电商平台之间打出差异化的关键所在。

　　值得注意的是，技术只是技术，让电商平台呈现差异化特质还是在技术怎么使用。如何用同样的技术实现不同的商业逻辑，将用户需求归一成语义结构信息，并跟商业场景结合起来，降低商业转化的成本，才是问题的关键所在。

　　正如黄老师所说，智能对话一味关注在某些数据集中“跑分”已经成为一个产业问题，高分只是基本功，保证基础的算法能力。更关键的还是工程能力和产品落地能力。

　　体现在现实场景中，就是智能机器人能不能给出让用户满意的回复，这就取决于商家能不能清晰地定义出自己的商业逻辑、产品边界，下沉到技术服务商身上，能不能帮助商家建立起从复杂技术到商业流程的连接，画出简单易用、符合实际的工具图。

　　以奇点机智的语音对话平台——对话流为例，核心就是整合机器学习、自然语言理解(NLU)技术，通过对话流深度理解用户意图，通过动态对话不断训练模型并自我纠正，进而提供高效而准确的服务。在这个过程中，企业不需要写代码或AI领域专业知识，就能够快速创建语音对话体验，同时可以应用于不同平台和多种使用场景，不需要重复训练和部署，大大降低了智能客服系统在企业端的落地门槛。

　　目前主流的用户习惯还是通过文本形式进行交流，与此同时，也有越来越多的企业、商家选择植入了聊天机器人与用户实时互动。比如优衣库的智能导航，招行的语音导航，海底捞的智能订餐电话客服等，通过语音的方式与机器人进行智能对话交互，正在成为未来的主流模式。

　　为了应对这种趋势，奇点机智和电商平台也在思考，如何将语音识别、声纹识别等技术应用到客户端，去引导和培养用户的语音交互习惯。比如给智能客服赋予一个拟人化的名称和形象，将对话栏设计成话筒的样式等等，都是为了让用户在与智能机器人对话时更为自然。

　　至此，在智能客服系统的进化过程中，我们可以看到NLP技术是如何从实验室中的一个个复杂模型，逐渐走进普罗大众的生活。这或许也可以作为一面镜子，折射出AI与整个社会的融合发展历程。

　　脑极体都试图通过白洞计划，在每一个技术浪潮袭来的时刻，发出灯塔一样的光亮，在AI技术企业与产业端应用者前行的必经之路上，照亮每一个暗礁与深坑。