编辑导语：智能客服作为对话式AI产品的一种，如今已经在各行各业中广泛应用。而随着智能客服的广泛应用，与行业场景的结合也愈加紧密。那么，如何构建并运营一个电商智能客服呢？一起来看一下吧。
到了今天，智能客服（此处指纯文本交互的智能客服）作为对话式AI产品的一种，已经在各行各业广泛应用。从一开始的通过关键词进行问答匹配，到现在通过深度学习模型进行意图分析，智能客服的问答效果也在不断提升，越来越多的企业和用户开始关注智能客服所带来的降本增效的直观价值。
随着智能客服在各行各业的广泛应用，智能客服与行业场景的结合也愈加紧密，如保险、证券、电商等市场规模较大的行业，与行业场景的结合，对智能客服的问答能力和问答效果的提升起到了推动作用，同样也提升了机器人的业务服务表现。
那如何构建并运营一个电商智能客服？根据我自己的工作经验整理了下方内容和大家分享，有不准确的地方还请多多指教。
下方介绍的时候，会先介绍通用型智能客服，然后在此基础上介绍电商智能客服的差异点。
一、通用型智能客服介绍
智能客服的对话形式一般支持FAQ问答、Task（也叫多轮对话）、Chat（也叫闲聊）三种，核心技术是NLP技术，会涉及到自然语言理解、多轮对话、实体识别、分词等细分技术能力。
1. 智能客服和用户交互时的工作流程
其中，智能客服的NLG-自然语言生成的模块，一般是知识提前配置好的答案或答案模板，比较少通过算法模型直接生成。
2. 智能客服的核心功能模块
- 知识管理：对FAQ、Task、chat的知识进行增删改
- 知识教育：根据实际服务用户的问答数据，对智能客服的知识进行优化调整，以实现更好的问答效果
- 问答质检：通过人工标注，对机器人的实际问答效果进行质量检查，评估机器人的实际问答效果
- 数据分析：机器人问答数据分析，主要体现用户提问、知识覆盖等方面的指标
3. 智能客服的运营
目前机器人的运营，主要是根据服务客户的实际数据，对知识进行优化调整。根据线上的问答badcase分析结果，常见的运营动作主要包括“知识新增、合并、删除”、“新增识别数据，优化已有知识的识别效果”、“修改知识答案”、“调整知识的对话形式（由FAQ变成Task）”等。
4. 应用情况
此类通用型智能客服，可以用在任何行业，实现自动回复，但缺点在于能够回复的问题答案的不够直接准确。
举例1：
- 用户：我这个订单还能退货嘛
- 机器人：订单发货前，点击订单下的“退换按钮”申请退还即可；订单发货后，可以选择拒绝签收，商品会自动退回
举例2：
- 用户：电饭煲可以参与满400减60的活动嘛
- 机器人：可以查看商品详情页，有满400减60的活动标识，就是可以参加活动的呢
可以看出，上面机器人的答案，都无法给出用户最直接准确的信息（最好是Yes or No），而解决这些问题的方案就是将智能客服的问答与行业场景进行融合关联。
二、电商智能客服
概括来说，电商智能客服就是在通用型智能客服的基础上，对接电商核心的实体数据（商品、订单等），并在产品设计上加入 电商实体数据与知识关联关系管理的模块。
1. 电商数据与知识关联关系管理设计
对接电商平台/店铺的商品、订单数据，可以作为识别意图后回复答案时的筛选条件，也可以将商品或订单的数据用来渲染生成答案。电商数据与知识关联，主要是与知识的答案进行关联，所以在产品功能设计上，是对知识的答案配置部分进行改造升级。一般会和商品SKU或订单状态进行关联，形成多对多的关联关系。
用户咨询商品材质的问题，对于不同的商品，可以回答不同的答案（咨询意图 咨询的SKU共同确定最后的答案）。
用户咨询订单是否可以退货，根据用户所问的订单的状态，提供直接的答案。
另外，如果产品是提供给电商平台的B端商家用于服务店铺C端买家，一般会在额外进行如下设计：
- 产品中内置电商行业的常用知识，降低冷启动的门槛
- 将电商客户服务中需要多轮交互去完成的咨询场景，提前设计好交互流程，封装称为技能；降低使用者的学习门槛，常见的有售前尺码咨询、售后退换货等
个人觉得，未来随着电商行业精细化运营的要求进一步提升，贯穿客户生命周期的主动服务会越来越重要，同时客户服务数据也会越来越多的被加入到客户数据中，用于构建客户画像；客户服务会成为电商运营中更加重要的一环，智能客服也会有更多的应用场景和更好的服务效果。
本文由 @圆脸猫 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自 unsplash，基于 CC0 协议。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。