客服机器人的时代已经来临
1. 行业挑战
传统的客服行业是一个高人力投入的行业，客服人员在工作中经常碰到无聊的骚扰、大量重复性的问题、简单重复性问题等。而客服人员为了不被投诉，面对骚扰时只能和这些用户进行没结果的交流，浪费了大量的有效时间，而简单问题等往往占据了线上不低于60%的比例。
然而要解决客服服务质量的问题，只能从增加客服人员、提高人员单位服务效率两个方向上努力。增加客服人员，维护一个庞大的客服团队的人力成本是很多大公司都难以承受的，更何况一般的中小公司，这就导致了大部分的公司，通过压榨客服人工提高服务的质量，这也导致了客服团队人员流失率过高。
2. 行业机遇
人工智能技术的发展给客服行业带来了巨大的机遇，客服业者开始思考如何通过客服机器人帮助人工客服过滤骚扰电话、无意义的抱怨、高频简单重复性问题等，使得人工客服能更好地服务剩下的复杂问题。
在基于电话场景智能客服出现之间，基于文本的智能客服已经融入了各个APP，并且在应用上拓展了销售、投顾、投研、语聊等各种分角色。目前业界佼佼者有小蜜（手淘APP）、小蚂答（支付宝APP）。
技术的成熟给了应用更多的可能，电话，作为客服的主战场，怎么去结合人工智能技术就被提上了日程。在文本智能客服的前面加上一层语音识别，解析后再用语音合成反馈给用户的电话智能客服由此诞生。
3. 智能客服发展业态
目前智能客服在业界已经能够提供整套的本地化服务，且能满足用户的许多客制化需求，这类方案做得比较好的有追一科技、竹间智能等。也有提供云端部署方案的，例如：小蜜等。
随着算法优化+数据沉淀，使得目前这些机器人的准确率，都到了相对比较高的水平，根据知识库体量的不同，能够达到百级别80%的正确率、千级别70%的正确率。目前智能客服主要切入的行业有银行、保险、证券、电子商务等。
目前智能客服正处于一个99分到100分进化过程，各家公司都在努力将更多的服务接入智能客服机器人，提高用户的满意度，例如：多轮对话能力、基于知识图谱的知识推理、情感识别等。
电话智能客服流程框架
那么电话智能客服是怎么服务用户的呢，我们通过简单的流程图和流程说明，来给大家一个简单的认识：
- 用户通过口语描述自己的问题；
- 机器人将用户表述的语音信号经过语音识别的转写，将语音信号转成文本；
- 机器人将转写出来的文本，交由语义模型计算与现有QA库中标准问句相似度，在知识库中找到和它相似度最高的标准问句；
- 然后经过数据库中查表，将该问句对应的答案找出作为语音合成的合成文本；
- 语音合成服务拿到合成文本后，经过文本分析、韵律停顿预测等，将文本合成为用户听到的语音。
由于整个服务的流程是经过一层层处理的，而每次层都存在服务超时、置信度的问题，所以在每一层环节都会出现失败流失的情况。因此，在设计电话智能客服的时候，我们应该考虑到每一层失败时的处理。
通过产品流程的设计可以实现部分用户真实意图的召回，但是也损失了部分用户对电话智能客服的信任度，因此当我们设定了解决率的目标时，我们需要倒推每一层会影响流转的因素去优化。
电话智能客服的挑战
电话智能客服当然不会只是简单的识别回答用户问题那么简单，当我们在设计电话智能客服时需要考虑的情况比我们想象的要多得多，只有考虑尽可能多的失败情况，我们才能在电话智能客服与用户之间建立起足够的信任。
通过简单的描述电话智能客服中几个常见的问题，让大家对电话智能客服服务中的难点有一定的了解。
1. 语音识别词准率低
语音转写的质量直接决定了电话智能客服服务成功率的天花板，这也很好理解，当你给解析的是转写错误的文本，那你也不要奢望通过解析给出正确的答案。转写的错误有插入错误、替换错误、删除错误。
插入错误，即将经过转写的文本中插入了用户未表述的内容，如：
Q：我转到支付宝里的资金钱怎么如何传出去（用户真实问句为：我转到支付宝的钱怎么转出去）？
替换错误，即将用户真实表述的内容转写为其他语义的内容，如：
Q：我岳父在怎么还（用户真实问句：我月付怎么还）？
删除错误，即将用户真实表述的内容转写丢失的情况，如：
Q：我的怎么转出（用户真实问句：我的余额怎么转出）？
为了解决转写词准率的问题，除了优化语音识别的模型，还可以让相似度计算模型具有一定的纠错能力。
2. 对话上下文问题
在正式的电话语音客服场景中，用户咨询问题后，是会延伸出新的问题的，而且表述时通过代词指代、隐含信息等描述自己的问题，例如：
Q：我转进余额宝的钱什么产生收益
A：当天15：00之前转入…..
Q：周五转也一样么？
A：周五15:00之前转入…
还有一种常见的情况就是用户表述一个问题是断断续续地进行表述的，例如：
Q：我买了那个…
Q：用的是那个花呗…
Q：然后我什么时候还啊
解决上下文的问题除了应用上下文的技术外，还可以通过明确机器人的身份，并通过话术的引导，让用户对可以交互的操作有预期，尽可能将上下文的问题拆分为多个单轮问答对处理。
这里我们需要注意的是：当我们应用了上下文的服务时，为了避免端点检测结束识别语音，需要升级语音识别的语言模型，让机器人具备判断用户的话是否说完。
3. 表述口语化误触端点检测问题
用户在呼入电话时虽然是带着一个明确的问题，但是大部分用户在呼入电话前都没有组织过语音，而是在接通后边描述边组织，这就导致了用户组织语音断断续续的情况，例如：
Q：我那个…话费嘛（停顿1s）充了没有到账。
用户过于口语化的表述常常触发端点检测，让机器误认为用户已经描述完全了问题，然后开始解析用户的问题。然而此时用户描述的问题还是缺了关键信息的，这就导致了解析结果错误、无结果的情况。
解决这个问题，可以通过在端点检测之前做一层语音识别的语言模型判断，当语言模型判断用户的话还没说完时，就适当的停顿，让用户描述完再进行转写。
电话智能客服的产品设计
通过一个简单的导图，我们将电话智能客服产品设计的几个要点进行拆解并分条进行展开。
1. 角色形态
当我们做电话智能客服是需要考虑的第一个问题就是：我们要给用户展现的是一个尽可能拟人的智能客服，还是一个机器人的智能客服。
并针对选定的形象进行对应的人物特质设计，当我们需要一个尽可能拟人的机器人时，那么你就需要在交互话术，对话流程中进应该更多地考虑用户在真实的人人对话场景中的对话，让客服系统能支持更多可能的问法，而如果你只是选择一个机器人，那么可以将对话更多的只是用单轮的问答进行解决。
另外我们还需要明确机器人的边界，机器人的边界即机器人所承担的工作内容，我们是期望它们解决问题、闲聊还是查询业务等服务内容。机器人的边界在界定时除了考虑当前的业务之外，还需要考虑公司现有的业务是否有和机器人结合的可能。
例如：运营商的客服电话，用户除了查询话费、咨询套餐业务等常见问题之外，还存在用户拨打电话充值话费的可能性。
2. 质检设置
质检是客服中的另一个问题，为了避免被客户投诉，客服坐席除了接听用户电话，回访之外还会安排一部分的人员进行质检。智能机器人的回答虽然是人配置的，但是同样存在可能引发投诉的风险。
想象一下当一个用户说了：你好，怎么让一个人进医院，机器人给了一个你可以尝试去药店买点药，是否有点脊背发凉的感觉。
为了避免这些情况，智能机器人一般会设计“热词”进行过滤，当用户表述了“热词”时，机器人只会给定一个模糊的配置回复，这样就避免了被投诉的可能。
电话客服客服中的“热词”包括了敏感词、满意度过低表述、监管合规词等。
3. 话术设计与处理
开场话术：
设计开场话术我们要先明确我们期望开场话术实现的效果：
- 让用户知道自己面对的是什么
- 让用户知道能干什么
- 让用户知道什么时候可以说话
- 避免用户开场无语音输入
开场话术内容：
- 招呼语
- 开场介绍
- 正例描述
- 开场话术结束提示音
用过siri的都知道，在我们说完话后，siri会有一个提示音。
交互话术：
交互话术即在过程中的通用话术，包括无语音输入话术、转写文本计算相似度时低于置信度话术、结束话术等，在这里我们只讲两三个主要的。
在电话的场景中无语音输入是我们遇到的首要问题，因为无语音输入就提不上解决用户问题了，在语音识别这一层的转化直接决定了电话智能客服服务的天花板。但是在整个流程的不同环境无语音输入的处理也不一样，开头可以和用户提示他可以干嘛。我们还可以设置一定次数限制，到了限制时，让人工客服接入。
电话客服和文本客服之间的差别还体现子输入上，在文本客服中，用户输入的都是文本，因此不论天南地北的输入都是一致的，但是电话客服的输入则可能带上南腔北调，导致转写的文本计算相似度时低于置信度。当我们遇到低于置信度时，引导话术就成了能否实现用户意图召回的关键了。当然我们同样可以设置一定次数限制，到了限制时，让人工客服接入。
反问话术：
在电话智能客服中增加反问会存在很大的风险，因为用户没有一个可视化的界面，电话另一头对用户来说是一个黑盒。反问话术设置的原则应该考虑如何让用户进入下一轮，我们可以规定好话术，让用户在我们设计的范围内进行交互。
例如：请问您是哪个密码忘了？你可以回答登录密码或支付密码。
打断设置：
打断设置的不合理会严重影响用户的体验，设想你话说了一半顿了下，机器人问：“你还…”，而此时你也刚好要继续说，你会陷入我现在能不能说话的矛盾之中。因此我们对打断的设置需要相当谨慎，不在关键的流程节点允许用户打断。
处理减少打断的节点，我们在设置打断时还要考虑不同节点对打断的间隔容忍时间，例如：开场时的打断我们设置的时长可以为2S，因为此时用户刚开始交互。
在结束时，我们则可以设置3S，因为这是用户可能会突然问出一个新问题。
4. 答案展现样式选择
电话智能客服的根本目标在于解决用户问题，那么答案展现的方式决定了用户的问题是否得到了解决。答案展现的形式根据条件的不同有很多种选择，我们可以选择短信下发、语音播报、APP推送、人工客服播报等。
当我们选择展现方式时一定是组合式的，不同的答案适合不同的展现方式，操作类的答案适合APP推送，活动介绍、法规修改等简单的介绍类答案适合语音播报，通知类的答案适合进行短信下发，而一些复杂操作、长文本内容提取的答案则适合进行人工指导。
APP推送答案的前提是你得有个APP（fei hua），另外就是推送被打开时的落地页，支付宝的电话客服更是打通了自己的文本客服机器人，当用户咨询问题后，会由APP推送一条信息，用户点击打开后会跳转到支付宝APP中的智能客服对话页并展示答案。
通过对话页的配图及跳转按钮，缩短了用户的操作路径，体验后的用户体验相当好。这样做除了将电话客服向文本客服机器人的分流外，更是建立了用户对机器人的信任。
在活动开始、法规调整之前通过下发短信可以有效的降低活动开始、法规生效时的客服压力。当然这类答案也适合进行语言播报。
5. 人机切换规则
如何在合适的时间让人工坐席与机器人实现切换，也是电话智能客服设计的难点之一。如果转人工的入口设置的过深，或者难以触发，会导致用户在和机器人交互中渐渐失去耐性，最终失控成为投诉。
如果转人工的入口设置的过多且容易触发，则难以有效降低人工坐席的工作量。合理的人工切换机制可以让用户简单自助解决问题的同时，减少人工坐席的工作量，当我们设计人机切换规则时，可以分为四个维度去考虑：
（1）场景维度：
场景转人工一般是机器人在特定场景无法给用户进行服务时，进行转人工操作。当服务超时时，机器人就无法给用户进行服务，这时就必须进行转人工操作，避免用户在电话的另一头茫然地等待机器人回应。
除了服务超时的情况还有就是在语音识别、转写文本计算相似度时低于置信度时，机器人也应该进行转人工，当分数低于置信值时，如果不进行转人工，那么用户那边接受到的可能就是一个答非所问的结果。
上面两个说的都是机器人自身的情况，还有一种情况则是客服人员在后台设置了呼入电话全部转人工的情况。
（2）用户维度：
当机器人服务用户时，我们还会对用户进行区分，当用户是vip用户时，我们为了让他们满意，就会让客服人员进行一对一的服务，而不应该让机器人和他进行兜话。如果遇到了之前对机器人有过投诉的用户，那么一开始也就应该让人工客服直接面对他们。
还有一种情况则是用户之前有拨打骚扰电话的记录，甚至在电话中有过言语辱骂的用户，这些用户通常会被加入客服电话的黑名单，当这些用户呼入时，转人工的规则可以针对他们适当的趋严。
（3）答案维度：
有时候机器人给出的答案解决不了用户问题时，及时让人工客服接入，可以避免用户情绪暴躁。但是机器人是无法自己判断自己给出的答案是否正确的，不然回答的就是100%正确的了，但是我们可以通过一些用户的行为判断答案是否解决了用户的问题，例如：
- 机器人重复解析到同一问句；
- 用户反复问一样的内容。
当然，有的答案我们在配置时就知道是复杂的，用户难以理解。这部分我们可以在配置时就设置转人工。
（4）交互维度：
在人机交互的场景也存在需要转人工的情况，在交互时如果用户的问题一直没有解决，就会出现负面情绪，有的用户会主动表示需要转人工，而有的用户则直接爆粗口了，这两种情况我们都是需要及时转到人工客服的。
6. 挂断设置
用户没有主动挂断时，我们也会用一些条件判断是否需要主动挂断。当我们给用户答案后，用户通常会有一个通用性的表述，我们可以通过用户的回应，判断问题是否得到了解决。
例如：用户表示感谢时，意味着问题得到了解决，那么我们可以给予一个肯定的回应后进行挂机。还有的用户会说再见等，意味着用户有挂断的期望时，我们可以给予一个感谢的回应后进行挂机。