确认过眼神，这就是你想要的环信机器人？
随着云计算和人工智能技术的发展，原来只能通过传统呼叫中心完成的客服工作通过在线客服、移动客服以及客服机器人实现了分流和效率提升，尤其是客服机器人的应用，为客服人员分担了大量重复性客服问题，使得他们能够专注与提供更有价值的服务。
然而，早期的客服机器人由于采用基于规则的方法，在构建和维护过程中，都需要人工对文本内容做非常精细的结构化分析，比如需要标出一个句子是不是疑问句，是问什么的疑问句，主语是什么，谓语是什么等等，因此需要专职人员每天做打标签工作，而且这类人员培训成本和替代成本都很高，给企业造成了新的成本负担。
过去两年来，深度学习算法的突破为客服机器人的应用带来了革新。作为在客服领域深耕多年的企业服务公司，环信在原有客服系统和产品的基础上，积极布局AI，在2016年初便开始搭建AI团队，研发基于深度学习和机器学习的智能客服系统。
基础算法能力：深度学习降低工作量
目前，环信客服机器人不仅能够通过语义相似度算法和意图模型，对海量高质量的互联网和行业数据进行训练，大大降低知识库的构建和维护成本，而且上线后机器还能自主学习，持续完善知识库，不断提高回复率和准确率。
那么，语义相似度算法和意图模型是如何降低标注工作量的呢?对此，环信AI负责人李理做了一个通俗的解释。
首先，语义相似度算法是一个通用模型，它输入的是两个句子，输出的是两个句子的相似程度。这个相似程度是基于一个回归模型得到的一个0到1之间的数值，分为0、0.25、0.5、0.75、1不同档。机器通过这个模型可以学习到虚词、句法之类的相似关系。由于这是一个通用模型而非行业知识，所以不需要专业人士，就可以来做这个训练，学习成本几乎为0。
其次，意图模型是对行业知识点的训练。比如“心脏病算不算重疾”这一知识点，只要给相似的问题标上“心脏病算不算重疾”的标签即可，然后把类似的很多句子送到模型里训练，之后再出现类似的句子，机器就知道是问“心脏病是不是重疾”的问题。
由于算法差异，基于深度学习的算法相比传统打标签的工作量会有指数级的减少，不仅降低了知识库早期的构建成本，也减少了企业后期的知识库维护和更新成本。同时，企业实际客服中产生的会话效果反馈，也会作为训练素材进入知识库，帮助客服机器人更加完善和智能。
业务解决能力：客服经验提升满意度
有了基于AI的客服机器人并不一定能真正解决实际业务中的客服问题，还需要客服系统提供商对客服有深刻的理解、对行业有足够的经验，并将这些理解和经验落实到机器人系统中，才有可能达到让客户满意的效果。
环信在过去几年时间里，通过服务20多个行业累计70000多家公司，积累了丰富的客户服务经验，具备很强的服务场景拆解能力和业务理解能力，能够从根本上帮助客户解决客服问题。
例如，快递行业的投诉和催单问题一直是一个痛点。环信的一个快递行业客户在采用了环信的客服机器人后，发现系统效果很好，但是并没有达到预期目的。原来客服机器人虽然能够准确地抓住问题和意图，并按照客户给定的标准答案进行回答：“您好，我是XXX，您的问题我们已经收到，请您耐心等待，如果您比较着急，请您查询XXX“ ，但是这样并不能真正解决问题。
为此，环信建议客户按照人工客服的解决思路来解决这个问题。具体方法是，先对该业务进行拆解，比如三天以内怎么办、三天以外怎么办，然后给客户做一个催单接口API，不同的人对应不同的话术，最后返回给用户一个催单号，告诉用户一天之内会打电话回访。通过把原来的单轮对话拆解成多轮对话，转人工的数量就大大减少了。
业务解决能力在客服行业至关重要，这不仅要求乙方真正懂客服，有服务意识，还要拥有行业服务经验，懂不同行业的场景痛点和解决办法。环信通过服务保险、证券、物流、教育等多个行业众多客户，积累了丰富的客服和行业服务经验，能够真正帮助客户解决客服问题，实现客服效果的明显提升。
平台开放能力：多种接口满足扩展性
由于AI在客服行业的落地不止于文字客服机器人这一点，还有智能IVR(互动式语音应答)、智能质检、智能外呼、智能知识库等。因此对于一些本身拥有较强IT能力的大客户来说，还希望利用乙方的平台，调用其中的句法分析、意图识别、情绪分析等能力，来搭建其他系统。这就要求乙方提供的系统不能是一个黑盒，而应该是一个开放的平台。
另外，对于很多大客户来说，花费大量时间和精力维护的知识图谱价值巨大，他们一般都希望能够把这些知识图谱调出来进行复用，这也对乙方的平台开放性提出了更高要求。
环信中文语义计算平台为大客户提供了丰富的接口，除了可以进行基于知识库内容的问答外，还可以进行基于业务系统接口的信息调用，实现二次开发、业务信息查询等功能。此外，环信智能客服机器人还支持知识库批量导入和导出，使客户能够更方便地管理和运用自己的知识库。
人机协作：客服机器人不是万能药
当然，客服机器人虽然能够通过单轮对话和多轮对话帮助人工客服解决大量简单重复性问题，但是在一些高客单价、强转化需求的场景下，使用客服机器人风险较高，只有人工客服才有可能达到预期效果。
比如一个医美公司通常需要花费千元成本从百度获取一个流量，如果交给客服机器人，潜在客户很容易流失，只有经验丰富的老销售上场，才有可能成功实现转化。但是一家公司的老销售数量有限，且培训成本较高，如何让其他销售快速具备丰富的销售经验，是很多公司都面里面的难题。
环信智能客服机器人的人机协作功能很好地解决了这一问题。
不同于单轮对话和多轮对话的自动回复，人机协作场景下，仍然是人工客服在提供服务，机器只是通过一个小窗口实时给出回答建议，人工客服可以对推荐回答进行编辑修改或直接发送，不仅能够提高回复效率，还能减少销售培训成本，把公司的业务知识和销售经验通过实时推荐的方式辅助客服人员，达到知识和经验传递的效果。
人机协作虽然只是辅助人工客服，但是也涉及到算法和产品层面的诸多难题。
首先，算法层面。如何通过训练生成推荐答案，如何利用客服实际选择的答案进行强化训练，如何让实际会话数据自动进入知识库进行自主学习，以及如何实现机器人和人工客服的自动切换等等，都是当前学术界和工业界研究的热门领域。
其次，产品层面。比如提示窗口的位置如何不影响人工客服的高效工作界面，自动隐藏和弹出的时间如何让人工客服用起来刚好合适，人机协作功能如何跟客服系统紧密结合等等，都需要公司对客服有深刻的理解。
环信基于多年的客服经验以及AI团队的技术实力，能够从算法和产品两方面优化人机协作产品功能，帮助企业真正提高人工客服效率和服务水平，实现客服的场景的价值转化。
解决方案：客服+AI解决行业难题
经过两年多的努力，环信智能客服机器人已经在保险、证券、教育、物流、银行、运营商、航空等领域树立了一批标杆客户，包括新东方、泰康在线、中意人寿、中信证券、长江证券、天津农商行、南京银行、中通快递、厦门航空等。
其中，在保险、证券、教育、物流四大领域，环信已经通过规模化复制积累了丰富的服务经验，形成了全套客服解决方案，并能够在两周之内快速上线。
教育领域，支持教学和客服两条业务线，能够帮助教育企业有效降低服务和教学成本，提升教学质量，挖掘潜在数据价值。
保险领域，针对保险的售前、售中及售后环节提供垂直智能化解决方案，降低服务成本、提升服务体验。
证券领域，针对开户、打新、资金管理等核心场景，以及账户管理、交易等环节，提供智能化解决方案，提升客户价值。
物流领域，针对商家大促、物流爆仓等场景，帮助物流企业平稳度过电商大促等高峰期，同时在日常服务中降低人工成本，提升服务效率和体验。
今年，环信将继续拓展在银行、运营商、航空等领域的规模化复制，并加速树立其他领域的灯塔客户。
人工智能对客服行业的变革已是大势所趋。对于企业来说，如何利用新技术、新产品最大化客服价值，如何把客服这个成本中心转化为利润中心，已成为当务之急。“工欲善其事，必先利其器“，环信智能客服机器人，将是企业实现客服智能升级、挖掘客服价值的利器。(作者：T客汇)
