您当前的位置是:  首页 > 新闻 > 国内 >
 首页 > 新闻 > 国内 >

全新AI客服机器人打破传统专注场景-“小陌”重磅上线

2018-06-11 09:23:27   作者:   来源:CTI论坛   评论:0  点击:


  2018年6月11日,容联七陌自主研发新产品“小陌”AI客服机器人破界而来。 AI客服机器人作为无人客服解决方案另一重要环节,旨在通过AI技术将客服工作全流程智能再造,全面提升客服人效。
  小陌智能客服机器人采用先进的云计算、分布式微服务、大数据、机器学习/深度学习、自然语言处理/语义理解、对话引擎等技术,提供更强大的AI能力,全面提升机器人的回答准确率,更加专注于场景化需求,真正做到AI解决方案。
  同时小陌智能客服机器人采用类alphago的专业技术,挖掘人工客服与访客的对话,学习问题的解决方案,自主归纳总结知识点,大大降低了知识库的维护成本。并且每个领域都有其专有名词同义词的管理,可以让机器人在普通叫法和专业叫法中间顺畅的转换,不会再有认知障碍,让企业更加放心的使用。
  小陌客服机器人打破传统束缚,需求突破,将产品定义为"创新型场景AI"重点解决企业使用需求。
  突破一:轻知识  库自动归纳总结知识点-真正告别人力填充
  目前行业AI客服机器人中,大都以人工填充知识库、人工选取知识点进行机器人知识库的物料补充、完善,人工需要根据每天的用户咨询情况,重复、不断的进行问答筛选、整理后,手动填充到机器人知识库中,大大浪费了大量人工时间,同时效率明显不高。
  小陌智能客服机器人采用智能学习库“语料挖掘技术”,在知识库维护上,除少量工作需要人工参与,大部分都是机器人自动完成的,大大降低了知识库的维护成本,将这一问题完全攻破:
  • 小陌可自己主动去聊天记录里寻找知识点,可直接挖掘出访客问题及答案,机器人管理人员只需校对答案,无需管理员再去挑选聊天记录、归纳、上传知识库,小陌会自主完成所有操作;
  • 小陌平均一个月的语料可以挖出230个知识点,极大地提高了知识库的填充速度。以前知识库维护可能需要一个客服团队共同参与,现在只需要1-2个人每天花1个小时,就可以维护好知识库。

自主学习

同义词管理
  突破二:多机器人管理-由1变N让回答更专业
  传统机器人只能通过一个知识库、一个机器人模型进行所有场景问题的创建、完善,一个机器人要面相所有不同问题、不同场景、不同渠道需求下的问答。当问答模糊时,往往造成触发混乱,回答偏差,让用户体验不好。如教育行业,存在不同课程、不同付费会员需求,如果只用单一机器人、知识库进行回答,造成混淆问答的情况概率将大大提升,如果一个问答失误,将会是流失一个客户。
  小陌智能客服机器人支持多机器人管理,针对企业对不同业务的需求,可以配置不同的场景机器人,将这一问题完全攻破:
  • 企业通过小陌创建多个不同场景机器人,如:不同渠道、不同产品线、不同业务线等,进行单独管理,在使用时可以选择某一场景下的机器人进行触发使用,可提高机器人回答的精准度、更便于维护。

多机器人管理
  突破三:人机协作(辅助座席)-双向考核更准确
  传统机器人的工作模式是与人工分开、独立的,要么是机器人完全进行回答,要么“转人工”或者触发人工后,人工完全进行回答,无法做到人机紧密协作。
  小陌智能客服机器人将机器人与人工紧密进行关联,机器人可以辅助座席进行用户回答,将人机无法紧密合作的问题完全攻破:
  • 在人工进行用户接待时,小陌可以根据用户的问题,主动向座席推荐答案,帮助座席快速回答用户问题;
  • 同时座席可以根据小陌推荐的答案进行反馈,告知小陌答案是否准确,通过反馈小陌可以自动优化答案内容,提高回答的准确度;
  • 在小陌的帮助下,可以让企业新人快速上手,降低企业对新人的培训周期,在用户接待中就可以快速学习、成长。

人机协作
  突破四:多场景模型-第三方接口无缝对接
  传统机器人只能实现单一“一问一答”模式,对于不同业务场景的特定使用需求无法满足,这样的机器人价值大大降低。
  小陌智能客服机器人可以实现多场景模型,与第三方业务系统无缝对接,完全解决企业使用场景需求:
  • 小陌可以实现订单查询、教育课程查询、医疗预约报名等多场景的业务模型,真正做到机器人完全服务用户,独立处理业务;
  • 小陌可针对不同的场景需求,进行不同的展现样式配置,从功能、到样式全方位征服用户与企业。
  容联七陌一直将重心放在心产品研发创新,力求结合需求场景不断提升用户体检。小陌智能客服机器人的诞生,将会给更多的企业带去更加智能高效的用户服务,为了让更多用户轻松体验AI机器人“小陌”的智能服务,现推出开通小陌AI机器人即送20000条业务回答量的体验活动。
【免责声明】本文仅代表作者本人观点,与CTI论坛无关。CTI论坛对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。

专题