本站小編為你精心準備了客戶人工與機器客服的混合服務系統參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

[摘要]客服系統作為客戶和服務方實時溝通的重要橋梁，會產生大量的消息交互。大部分針對服務方產品的咨詢內容較為固定，但對于這種內容的咨詢非常頻繁。然而在傳統的客服系統中，機器客服生硬且不夠友好的回復，以及人工客服壓力過大回復緩慢的問題較為突出。如果單純依賴增加人工客服的手段來改善服務質量又會增加過多不必要的成本。通過分析現有客服系統運行中存在的受限成本下的服務質量瓶頸及服務特征等，提出一種根據服務特征有效解決服務質量與使用成本之間不平衡的方法，并指出其實用價值所在。

[關鍵詞]客服系統；機器客服；服務質量

客服系統是服務商與客戶溝通的重要渠道，是客戶獲取個性化信息，解決疑惑的主要手段。“客戶”指使用本系統進行咨詢的訪問者。從目前行業發展來看，基于文本的web客服系統仍是主流。但人工客服的低效率往往使得平臺無法滿足高峰時期的客戶咨詢需求，而人工客服的業務處理速度也不存在較大彈性伸縮的可能性。同時，客戶咨詢的問題往往包含大量重復內容，而現有機器客服可以輕松處理這些已知的重復性問題，并且在性能上具備良好的伸縮性，可以滿足高峰時的咨詢需求。同時，結合人工客服對未知問題的處理，可以更好地滿足客戶咨詢的需求，提升服務質量。因此，本文主要針對現有客服系統在受限成本下的服務質量瓶頸問題進行優化，提出一種能夠根據服務特征有效解決服務質量與使用成本之間不平衡的優化方案。

1已有客服系統概述

現有客服系統存在的問題主要體現在隨著公司業務逐步轉移至線上，客服系統不斷擴大，人工客服的坐席數量越來越大，而簡單增加客服坐席數并不能有效滿足線上業務的服務需求。以目前線上業務來說，與傳統線下業務存在以下區別：業務量的波動幅度更大；業務高峰時段非傳統工作時間；業務時段分布不均，全天皆有；整體咨詢量更大。對于以上問題，如果堅持使用全人工的服務方案，需要大量的客服席位，且由于業務量的波動較大，如需滿足高峰業務需求，則需要大量增加席位，會造成非高峰時期的人力資源浪費；如果設計滿足常規需求，那么在高峰時段則會出現無法滿足咨詢需求，損失客戶，降低服務質量等問題，又難以平衡成本。另外，線上業務的時段分布不均也會造成大量不必要的人工開銷。同時在咨詢過程中，由于企業知識庫的不斷擴大，人工客服需要記憶大量的知識以備客戶咨詢，這又增加了人力的消耗。同時，由于人的局限性，很可能難以處理過于龐大的知識庫，進而手工查詢，耗費時間。也是由于這個原因，人員入職門檻較高，企業需承擔培訓成本，而客服人員的流動性本身較大，無疑大幅增加企業開銷。因此，現有客服系統在在成本受限情況下的現狀主要表現為：無法應對高峰時段咨詢需求；高峰時段無法保證服務質量；非常規工作時間難以保證服務；人員流動造成的高額培訓費用問題；知識庫巨大導致客服入職門檻過高；服務質量監管困難；客戶數據損失；人工客服工作量波動過大。

2優化方案設計

本系統的優化方案設計如圖1所示。與已有人工客服系統相比，我們引入了機器客服。一方面，機器客服對客戶提供服務，一方面，機器客服為人工客服提供輔助的消息提示。解決了高峰時段咨詢難的問題。同時，機器客服的輔助也降低了客服人員的培訓成本，提升了人工客服的服務質量和效率。與已有的機器客服系統相比，我們的系統優化主要體現在系統中同時存在人工客服和機器客服對咨詢提供回復，同時該回復由哪種客服提供對于客戶而言是完全無感知的。人工客服與機器客服的切換由消息調度系統實現。通過此項機制，當機器客服有極高把握回復時，將替代人工客服直接回復，而不能或沒有足夠高把握回復的消息，將給出知識庫的相關知識內容，并交由人工客服回答，人工客服可以利用機器客服給出的相關知識內容，快速進行回復。同時，機器客服的引入也有效緩解了業務量的波動，便于評估人工客服的需求。在系統設計中，引入獨立的數據記錄與分析模塊。利用獨立的數據記錄和分析，不斷優化機器客服模型，提升機器客服能力，同時也對人工客服平臺的服務質量加以監管。

3方法介紹

3.1機器客服的職能

機器客服的引入，主要是解決傳統人工客服的諸多局限性，實現替代絕大部分人工客服的工作，通過建立機器客服系統，人工&機器客服調度系統，數據分析系統實現業務。自然語言引擎處理輸入的句子，根據句子結構，詞性關系，實詞內容，中心詞等按規則檢索知識庫，獲取知識后按規則構句輸出。通過復雜而精細的規則適配多種場景多種問題，達到穩定的回復表現，具體體現如下：一是快速的句子拆分，規則匹配。二是多重知識庫的檢索能力。利用句子拆分和復雜的規則匹配，將生成多條檢索請求，而這些檢索請求并非相同權重，根據規則判斷其權重大小，結合搜索結果判斷內容與問題的匹配程度。使用多個維度進行檢索，可以有效地避免無用知識，并且盡可能全面的拉取最相關的知識進行整合或推薦至人工客服。三是數據分析能力。直接記錄經過客服系統(含人工客服)的所有消息，拆分問答對，從問答中抽取特征生成報告，鑒于系統需求高度可靠性，規則或知識庫的條目增加需要人工審核和測試，機器學習僅用于生成建議模型，但并不直接添加至規則庫或知識庫。同時，也可以對通過語言情感分析，咨詢內容分析等，了解客戶的滿意程度，客服平臺的服務質量。同時，可以對客戶進行建模，建立畫像等信息，有助于精準的推廣和營銷活動的進行。在這種應用背景下，本系統中的機器客服可以為客戶提供不同類型的回，主要包括：一是對于事物屬性類咨詢的回復。對于事物的屬性類咨詢，可以通過拆分句子結構的方法判斷，判斷特定句子類型。同時提取句中的實詞等信息，抓取關鍵字，調用知識庫進行回復。此類問題答案較為固定，句子特征明顯，從現有技術上來看，實現較為簡單。二是對于簡單產品屬性對比的咨詢回復。對于簡單的產品屬性對比，基本可以使用同第一條的方式進行句意判斷。由于多屬性對比涉及主觀因素。故機器客服無法進行綜合的，多屬性的對比。三是對于非主觀的，知識性問題的回復。此部分問題，依然可以通過句子特征進行判斷。例如：“×××是××么？”，此類問題答案較為固定，知識庫中存在即可進行回復。四是簡單查詢類的回復。對于查詢物流，查詢日期等問題的咨詢，可以通過機器客服直接調取知識庫進行。五是基礎問候語句的回復。此部分需要較為完善的回答模型，根據上下文判斷當前狀態，僅可以對基礎的問候語句進行回復。六是所有業務類問題的相關內容建議。對于機器客服不能解答，不能理解的問題，可以對句子中的主要實詞進行查詢，將獲取到的內容反饋給人工客服，提升人工客服回復效率。七是曾經人工客服回復過的問題的再次提示.對于人工客服曾經回答過的問題，如再次有客戶詢問，且機器客服仍然不能解決的。將會為人工客服給出相關聊天記錄的建議和提示，方便人工客服參考。

3.2人工客服的職能

本系統中依然存在人工客服，主要是因為人工客服具備大量機器客服無法完成的能力。如突發事件的處理，主觀問題的處理，卓越的學習和理解能力，遠超機器客服的構句能力，日常交流能力。這些與機器客服相比十分突出的能力決定了人工客服的不可替代性，但這里的不可替代僅僅是客服業務中的部分業務。恰巧，這部分業務占比并不大，企業可以通過雇傭少量的，高質量的，長期的人工客服來處理這部分業務，以提高服務質量和穩定性。而非必須人工客服的業務，則交由機器客服，一方面緩解了人工客服的工作量，一方面使對人工客服的業務量波動更小，提升服務質量。因此，在本系統中人工客服的具體工作與傳統人工客服的工作并無兩樣。但機器客服將為人工客服給出相關的建議，大大提升了人工客服的工作效率，同時也節約了人工客服的學習成本。同時，基于數據分析和機器學習的新的問答模型構建，也將由人工客服進行測試和審核。

3.3客戶無感知的服務調度

在已有的客服系統中，機器客服機械的回復并不友好，如果要切換到人工客服卻經常需要排隊等候，整體服務質量并不很高。而本系統針對這一點做出了改進，在機器客服與人工客服的調度上，對客戶無感知。即機器客服可以回答的問題將由機器客服直接回答，哪怕上一個問題是人工客服進行回答的。同時，在人工客服較忙的情況下，機器客服將給出一些拖延時間的話語，如“請稍等”等語句，盡可能的提升用戶體驗。同時，在人工客服過于繁忙，消息量過于巨大的情況下，可以適當降低機器客服的回復門檻，讓機器客服將一些較為全面的建議內容直接回復給客戶。

4結語

目前，基于機器客服的客服系統已經初步應用于各大電商客服，網站客服等。但機器客服較多使用的仍然是基于關鍵詞的回復，且機器客服與人工客服的調度仍然不夠流暢，一方面造成了客戶體驗不佳，一方面增加了人工客服的工作量。隨著機器客服的日漸成熟，加上本系統中設計的合理的調度系統，基本可以無縫銜接機器客服與人工客服，即：一問多答的模式，無論哪個客服能解答，都可以進行回復。而剩下的如重復消息、上下文、歷史咨詢等問題，將交由調度系統。不僅大幅減少了人工客服的數量，還保證了類似全人工客服的服務質量，同時提升了服務穩定性。

作者：申珈宇 單位：南京信息職業技術學院