嘉 賓 簡 介

路飛：網易七魚合作夥伴明道偉業總經理，曾就職於騰訊，有超過10年的產品經理和咨詢顧問經驗。曾服務作業幫、恒信IDO、叮咚買菜、閃銀等企業的AI智能化服務落地。

內容架構

「智能客服的三個關鍵指標」

1. 服務效率

• 匹配率
• 解決率
• 好評率

2. 服務質量

• 專業度
• 響應度

3. 售前轉化率

• 預處理
• 售前路由分配
• 訪問軌跡建模

（長按識別二維碼，獲取內容架構導圖和高清PPT）

大傢好，今天想要跟大傢分享的是我們在幫助客戶做智能客服實施交付過程中的一些經驗和踩過的坑，包括核心指標如何拆解（見目錄）、每個細分指標的含義和提升方法、網易七魚一觸即達如何實現多輪會話效果，希望可以幫助大傢在使用智能化工具的時候切實地提升業務指標。

智能客服的三個關鍵指標

智能客服的關鍵指標其實有很多，這裡我挑瞭三個我認為對企業最有價值也是最核心的指標，兩個跟售後場景相關，分別是服務效率和服務質量；一個跟售前場景相關，是售前轉化。

指標一：服務效率

2f482d4fd8347b08af1409f73b3158e5

智能客服能夠幫助企業提升服務效率降低人工成本，這個結論相信大傢不會有太多爭議，存在爭議的無非是到底能夠提高到什麼樣的程度，到底能解決什麼樣的問題。所以我們先來聊一聊大傢最關心的一大指標，服務效率。

實際使用過程中我們發現，服務效率又可以拆解為三個細的關聯指標：匹配率、解決率、好評率。匹配率指的是顧客的提問中，機器人可以匹配的回答的占比；解決率是指，匹配的回答裡解決瞭客戶問題的占比；好評率是指，對機器人服務滿意的客戶占比。

匹配率

現階段的智能客服，雖然大傢聽過很多廠商高大上的“包裝修飾”，但從實際落地看，影響機器人匹配率的隻有知識庫和入口兩個因子。

1.知識庫

5c4b8942b47988a05a63abe6ed8045f5

知識庫相信大傢都聽說過，對於企業來說如何讓知識庫足夠完善足夠有效是一大難點。我們把這個任務做一下分解，大致可以分為兩個部分，第一部分是初始化，第二部分是上線後的維護。

我們碰到過很多企業，他們會覺得做知識庫的初始化就是讓客服同事一人整理一些問題，然後匯總起來形成問題列表，這就是知識庫瞭。其實不然。一個十人的團隊，一個月實際上要接待的會話量大概在幾十萬，而這幾十萬裡哪些問題是高頻問題，哪些是顧客下一步可能會關聯的問題，正常來講，沒有任何一個個體有能力從這麼海量的數據裡把這些信息提取出來。所以知識庫初始化絕非一人整理一些問題那麼簡單。再說到知識庫的維護，又可以分為挖掘和查重。

電商企業會有大量的運營活動，每一個活動規則不同會產生大量新的知識或者問題問法。如果我們指望人力來對這些知識進行快速的采集和挖掘，這幾乎是不現實的，可能你這個活動的知識沒收集好下一個活動又來瞭。所以知識挖掘想解決的問題是，在快速變化的業務中把當前用戶最關心的問題準確而迅速地識別出來。就像在網易七魚系統後臺裡可以直接標出提問次數，幫助我們捕捉到客戶最常問的問題。查重解決的則是知識庫效率的問題。知識庫的維護會不停的往裡面添加新的問題。隨著問題越來越多，相似問題也會越來越多，這就會導致機器人的匹配效率會不斷下降。最直觀的感受就是機器人在回答別人問題的時候很容易混淆。所以我們需要定期的對一個存量足夠大的知識庫進行查重。通常我們客戶的知識庫裡有將近一千條的問題，如果隻是安排一個同事把一千條知識挨個比對看是否重復那也是不現實的。綜上所述，機器人要起效很大程度上需要我們有一個初始化完整並且維護良好的知識庫，而初始化以及查重、挖掘又很難通過人力去解決。

這是我們一傢合作客戶的知識圖譜。

通過網易七魚智能客服的後臺數據統計我們得到瞭知識圖譜，這是我們知識庫初始化的第一步。大傢可以看到，除瞭問題羅列外還有詞頻的統計，根據詞頻的統計還可以分為多個分類層次。所以知識庫不隻是一個簡單的FAQ聚集，而是有層次之分的。

這是網易七魚系統裡實際運行的知識庫的樣子。

知識挖掘就是由機器人對近期整個服務的數據進行匯總，把相似問題聚類和頻次統計，最後給到我們的運維人員。

關於知識查重我們剛才也說瞭，知識庫需要定期地合並刪除。這張表展示的就是機器人如何自動計算查重，並給到運維人員數據參考輔助人工作出審核判斷。

現階段的智能客服可以幹大量簡單重復規則明確的活，但是幹不瞭大量數據處理後的分析判斷，以及理清問題之間邏輯關系。所以智能客服效果的提升同樣也依賴於我們的運維團隊，能夠適當地介入到訓練過程中來。不過相比之前提到的人工查重人工挖掘，企業成本會非常低，安排一個運維人員定期的對機器人生成的數據表進行排查，就能夠保證知識庫的高效運作。

2.BOT入口

說完知識庫的初始化、查重、挖掘，接下來要說的是影響客服匹配率的第二個因子：BOT入口。

我們在服務過程中，有些消費者的問題目的很明確，比如投訴，但有些客戶的問題會存在很多步驟，比如之前和自如交流的時候他們遇到的比較高頻的報修類問題。這類問題需要我們在服務的時候去精準定位，比如報修的是冰箱問題還是門的問題，門的問題又到底是外觀受損還是門吸有問題。這類流程性問題有一個特點，就是逐級展開。針對這類問題的匹配率提升，我們要做的就是設置BOT入口來引導用戶，一步一步把問題鎖定。大傢不要小看鎖定的過程，鎖定的過程有幾個好處：首先通過鎖定可以讓原本機器人無法接待的服務變成可接待，即使很復雜，隻要最後鎖定到一個有固定答案的問題時，機器人就可以完成接待瞭。

其次通過這樣的問題拆解可以避免讓用戶打字。如果一個問題需要四步才能夠鎖定的話，通過這種BOT入口的引導，3到5秒內就可以完成問題的定位，並且由機器人給出標準答案。BOT入口設計的關鍵點就是之前提到的詞頻表。我們無法做到把產品所有的使用場景全部標準化放置在BOT入口上，這樣做反而會增加顧客的檢索時間。同時我們也無法僅憑過往經驗去篩選所謂的高頻問題。這時候就需要通過機器人來完成對數據的整理篩選，通過數據找到消費者最關心的問題，然後由我們挑選放在BOT入口上。這樣BOT入口的設計流程就具備很強的邏輯性和說服力。

*添加網易七魚小助手（qiyuxzs）可獲取完整版PPT

解決率

解決率是我們和企業交流過程中最容易產生理解偏差的，我每次跟客戶聊智能機器人，大傢都覺得機器人就是用來聊天的。聊天其實在我們這張表裡應該是屬於第一個范疇叫FAQ，問個問題答一個問題。大傢往往覺得，答得準確或者識別得準確，那就是機器人好唄，答得不準確，那就差點。當然這個理解本身沒有問題，隻是不夠全面，它忽略掉瞭機器人更大更多的能力。

我相信大傢對於多輪對話這個概念應該不陌生，因為現在有很多廠傢都會打這個概念，說自傢機器人支持多輪對話，原本一些復雜的問題通過類人的多輪對話就能解決瞭。我們可以簡單拋出一個公式，假設每一個對話，機器人有90%的概率能夠理解客戶在問什麼，那麼一個需要三輪才能夠解決的問題，實際上機器人理解客戶說什麼的概率就隻有73%。所以如果一個三輪會話服務，純粹用多輪對話來理解客戶提問其實是很難的，很可能因為各種各樣的意外導致一個三輪會話的解決率隻有50%。這對企業來說就很難接受瞭，機器人在跟客戶聊瞭半天，客戶打瞭半天字，突然發現沒有在聊同一件事情，那體驗就很尷尬。

所以在現實的應用中，多輪對話在各個主流企業裡的應用場景非常窄。所以我們聊到第三個能力，在網易七魚系統裡叫做一觸即達。這個功能想要做的是通過其他方式來實現多輪對話的效果。首先我們不會把整個對話的過程完全開放給客戶，比如辦簽證，如果機器人能夠知道辦簽證主要問的問題隻有正式員工和外包員工這兩種情況的話，其實機器人隻需要給用戶兩個選項即可，而不用讓他自由輸入。當用戶選擇正式員工後，這時候我們才會問他哪個國傢的簽證，得到答案以後再具體聊接下來的情況。通過給用戶提供可能的選項，讓多輪對話發生在指定范圍內，從而保證服務的有效性，這就是一觸即達實現的結果。那企業又如何知道多輪對話該給每一輪的場景設置什麼樣的結果？再次回到之前的表：

通過網易七魚智能系統的詞頻統計和分層管理，我們可以得到完整且有數據支撐的用戶引導脈絡圖。當然我們無法保證100%覆蓋所有問題，但是可以保證機器人的解決是有效的。

e6207943567a1fbba812ea6ac5168bfb

隨著用戶問法的改變或者產品、運營活動的調整，我們還會借助一些工具去保證這張脈絡表能夠長時間的保持有效性。比如我們可以隨時查看流程中每一個問題的占比和每個分支的訪問率，以及到達某個流程的流失率。如果出現訪問低的分支，我們就需要考慮這個問題到底是不是用戶最關註的；或者出現流失率高的回答，那麼我們就要考慮給出的所有選項到底有沒有用戶真正需要的。

好評率

第三個指標是好評率。

因為機器的服務和人不太一樣，我們不可能像對待人的方式去判斷機器人有沒有解決問題，也不可能派人去把所有的機器會話全部檢查一遍。所以我們對機器人解決率的定義是指，在某一個特定的時間范圍內，這個客戶沒有再來繼續向我咨詢問題。但這種方式必然是有些漏洞，所以我們引入好評率這個指標其實是為瞭盡量彌補缺陷。

大傢可以看一下這張表，我們可以對機器人的所有問題是否得到用戶好評來做一個基本的判斷，所以好評率在整個體系裡更多的是協助大傢判斷機器人智能客服有沒有在真正解決問題。

*添加網易七魚小助手（qiyuxzs）可獲取完整版PPT

指標二：服務質量

說完服務效率指標後，另一個關鍵指標是服務質量。服務質量可能很多人對此會有爭議，智能機器人是否能保障我的服務質量，以及能保障到什麼程度。其實智能客服對服務質量的影響相對來說比較間接，我們可以把它拆成兩個小的指標：專業度和響應度。

專業度

在和制造業客戶接觸的時候我們發現，他們的客服人員要解答的問題比較專業，如果產品線比較長的話，問題也會比較多，那麼對企業來說有一個非常大的成本就是人員的培訓。另外大傢也知道客服行業人員流動率很高，這樣對企業成本來說更是雪上加霜。所以我們希望通過智能客服能夠讓企業對人工專業度的要求可以適當降低一點。

那麼專業度影響因子又分為三部分，分別是接線分配策略、專業難度、培訓成本。

我們可以看一下這張圖。

左側，我們可以按照技能值設置會話分配策略，讓專業客服解決專業問題，基礎客服解決基礎問題。當然還有其他分配方式，我們可以讓客戶屬性和客服的專業度盡可能匹配。

右側顯示的是我們的知識庫。除瞭讓智能客服服務客戶之外，知識庫的另一個應用場景就是讓客服人員可以快速給出答案。那麼在這個過程中，客服人員就由一個接待員轉變成瞭一個導航員，客服人員不再需要記下復雜具體的知識點，隻需要記下知識點的核心要素或者關鍵特征就可以檢索出正確答案並推給顧客，大大降低瞭企業的培訓成本。

響應度

響應度最直觀的理解是因為機器人分擔掉大部分基礎工作量，我們的人力能夠騰出更多的人手去及時響應、接待客戶。

這裡我可以給大傢分享一個數據，就是剛剛提到瞭教育客戶，在過去的暑假因為業務特征會有很大的波峰波谷效應，比如暑假的接待量是平常的三倍。但其實很多任務是標準化的，所以這段高峰期他們實際隻增加瞭30%的人力，就解決瞭3倍的業務量，那麼對於企業來說它的響應度就非常從容瞭。同樣的，對電商行業的大促期也可以發揮同樣的價值。另外，很多企業不會在下班時間安排人工做接待，而是選擇郵箱或留言板讓客戶留言。在線客戶的特點就是如果用戶不再二次接入，你任何反向觸達的手段基本都是無效的，除非消費者是註冊用戶。在某些售前場景下，甚至可能因為響應不及時而直接導致丟單。所以如果有一個具備復雜接待能力的機器人的時候，下班時間的接待有效率也會有很大提升。這也是提升服務質量的一部分。

*添加網易七魚小助手（qiyuxzs）可獲取完整版PPT

指標三：售前轉化

雖然智能客服在售前轉化這塊的應用並不多，但其實它對於售前轉化還是能起到很多作用的。這裡我把售前轉化拆分為三個點。第一個是預處理，第二個售前路由分配，第三個是訪問軌跡建模。

預處理

預處理又可以分為海量線索篩選和騷擾數據過濾。

企業會收到各種渠道來源的各種咨詢，當然不可能每一條都是有效線索，所以我們可以在七魚系統裡設定一些規則初步篩選出對業務有價值的咨詢，比如咨詢多少輪對話後可以判定為有效線索，這樣就不用人工逐條檢查瞭。有時候受客戶產品引導策略的影響，導致瞭他們接觸的客戶裡面有90%屬於無效客戶，像K12教育行業的服務過程中會有很多小孩發起的咨詢，那麼我們可以通過機器人攔住第一道騷擾數據，比如多問幾個問題，讓小孩在點選的過程中失去興趣，就不會觸發人工的接待。這樣的騷擾數據過濾幫我們的客戶節省瞭至少30%的接待量。

售前路由分配

售前預處理完之後，接下來就是路由分配。

售前路由分配跟售後的會話分配有一定關聯性，但是規則和策略模型會更加復雜。除瞭我們前面提到的按照技能值以外，還有用戶的訪問頁面，或者企業的CRM、ERP系統裡客戶的指標和標簽，這些在售前轉化裡都可以幫接待人員去做出更合理的接待準備。

訪問軌跡建模

第三部分是訪問軌跡建模。這部分相對來說復雜性更高，更多是屬於有潛力的一個應用。回到我們前面講的這個問題，售前接待很大程度上，它背後是有一套階段策略支撐的，這個階段策略根據業務的特點有可能復雜也可能簡單。如果我們能夠對某些字段進行篩選，而客戶可以在自己的企業中設立一系列的轉化策略模型，當我們的客服系統在接待客戶的時候，將對應的采購信息傳到的策略中臺，我們的企業就可以根據自己的接待策略給到客服人員一些指導，來實現最後的成單轉化。以上就是我這次的全部分享，希望能給大傢帶來價值。

如想瞭解更多，可直接點擊下方鏈接，我們會快速安排專人與您取得聯系！