在线机器人运营最佳实践：3大目标，精细运营，持续提效

随着人工智能技术的发展，越来越多的企业开始应用人工智能为客户提供服务，其中智能文本机器人以其服务受众面广、部署形态多样灵活、配置简单、服务成本低等优势几乎成为大多数企业上线智能服务的首要选择。

但如果在机器人的使用中重建设，轻运营，随着机器人使用时间的增加，机器人的训练难度增加，服务效果下降，会拉低客户服务满意度。要真正将智能文本机器人的作用最大化，就需要对机器人进行持续、专业、科学地运营，实现机器人数据效果与业务效果的不断优化。追一科技知识研发团队，基于多年的行业与数据场景积累，从实际训练经验与案例出发，为大家分享文本机器人持续训练提升的方法。

机器人训练的3个目标

对于机器人的训练工作，首先要明确机器人的训练目标，即为什么要训练？训练要解决哪些问题？

机器人的本质是为客户服务解决问题，那么机器人要先能够明白客户说什么；其次要能够在知识库当中检索到对应的标准答案；最后以客户喜欢和愿意接受的方式传达给客户。围绕着机器人服务流程，我们即能明确出机器人训练目标所在；

1、机器人业务覆盖目标：知道用户问的是什么；

2、机器人应答准确率目标：能够找到客户问题的对应答案； 

3、机器人答案满意目标：机器人答案能够表达的让用户听懂、听得舒服；

因此，我们的训练工作就需要尽可能提升机器人的业务覆盖率、准确率、满意度/降低转人工率为主的三个目标，如图一所示。唯有围绕目标开展机器人的训练与优化，才能真正使得机器人在减轻人工服务压力的同时，又不会降低客户满意度，更不会引起客户投诉，造成客户流失。

对于文本机器人的训练提升来说，可从上述三个目标所对应的指标下手，拆解具体的细分影响数据，通过对话日志质检、数据指标趋势分析等发现影响这些指标的因素。以常见的转人工指标拆解为例，常见影响数据主要包括：首句转人工、识别错误、答案不合理、无法回答等。通过影响数据的质检和统计，从知识库结构合理性、知识点合理性、多轮问答设计、教育数据、答案话术设计等多个维度去分析评估问题，再根据不同的问题构建不同的解决方案，为最终的指标服务。

机器人知识库精细化运营

1、日志质检分析

机器人训练运营最重要的是用户对话日志质检，通过分析用户对话日志能更加贴近真实客户，知道客户真实意图与需求。对于日志的分析，要建立合理的数据跟踪指标，围绕目标设计完整的一套分析质检方案。这里同样以转人工指标为例，可建立出一套如图二所示的转人工日志质检分析方案。

图二、转人工日志分析方案

2、机器人教育数据优化

对于机器人准确率的提升，首要的是模型训练教育。教育数据通常来源于人工编写或用户日志，但这些数据不建议直接用作教育，需进行一定调整，如下为某公司教育数据优化标准：

A.机器人教育数据必须是在知识点语义范围内，意图明确的，不能有跟意图和答案都不相关数据或无法解答的问句。例如“未完成订单处理”意图，教育数据不能有“哪里可以查询订单”、“怎么下单”等不符合意图语义的问句。

B.添加的教育数据不能漏重点词

例如“为什么不能在线投保？” 

不能“为什么不能投保？”漏掉重点词“在线”的问句

C.教育数据语义较丰富，不能模板化

例如“保全异地办理”的意图，教育数据不能全部是“听说你们这里可以保全异地办理”，“朋友告诉我你们这里能保险异地办理吗”，保全在异地如何办理”“保全异地怎么办理”“异地怎么办理保全”这一类，而需要尽量变化句式和增加真实用户的问法。

D.教育数据要保持一个适中的水平，例如“未完成订单处理”，避免出现“我的订单昨天下的，当时点的是一份芝士蛋糕，一份榴莲披萨，还有一箱酸奶，可是我忘记付款了，这个未完成的订单怎么处理呢？”这类低质量的数据

E.教育数据分布均衡，不能出现头部知识点过多，尾部过少的情况，通常建议教育数据至少30条，最高不建议超过150条。

3、机器人知识点新增

要想不断地提升机器的业务覆盖范围，知识点的新增必不可少。新知识点可通过业务范围的扩大、日志质检发现、产品工具系统的快速发现等方式获取，但同样不建议把系统推荐知识点直接拿来即用，而是按照一定的规范，来新增标准问：

A.遵循客观规律，以用户为导向，不凭空假想。相对而言，客服日志的数据会更加真实，而测试数据要稍加注意，可能与行业无关，或者只是一些特有数据，就没必要添加了。

B.先头部再长尾，由少到多、循序渐进

C.知识点覆盖范围应适当，不能过于宽泛，不能过于狭窄。比如一个东西的办理、流程、条件、时效都放一起，答案就缺少针对性，教育数据也容易混杂。而太狭窄能解决的问题又会非常局限。

D.知识点间语义无交叉、重复

E.知识点的标准问句避免过于口语化

4、机器人歧义优化

在实际的训练工作中，客服中心往往都是以训练团队的试行开展训练工作，多人协同的工作模式往往容易出现因不同训练师的理解不同，而产生理解歧义，最终影响到文本机器人问答准确率。要想尽可能避免，训练师团队要建立统一的作业标准，并定时通过歧义发现工具或质检流程开展歧义排查，及时地发现知识库存在的歧义，进行相关歧义的增删合并等。

5、机器人答案话术设计

对于机器人答案话术不同不能简单将标准知识库答案进行复制粘贴，可参考以下标准进行客户化调整：

A.针对性的答案（机器人答案不宜出现过多文字）；比如用户问时效的问题，就给时效的答案，不要回答一堆其他无关的内容，用户再自己去找。

B.通俗易懂、简洁明了（减少专业术语和官方描述）；

C.直观展示，不同渠道配置不一样的答案（如：手机端与PC要针对渠道特点设置不同的答案；能用图片表格展示，就不需要一堆文字）；

D.有温度的答案（站在客户角度着想，比如直接给到用户办理入口，联系客服的写上电话）； 

机器人服务流程策略优化实践

对于机器人训练优化，除了上述提及的几个方面，还可以从服务策略角度入手。

1、转人工策略优化

在面对转人工指标的情况下，除了从知识库本身出发外，还可以采用以下的优化策略降低转人工：

A.转人工入口隐藏，培养用户自主解答能力

B.拒识转人工策略优化，通常建议拒识2次后转人工

C.增加转人工场景，在用户进线后直接转人工，第一轮可以通过询问“为了更好的为您提供服务，请一句话描述您的问题”类似的话术进行第一轮的机器人识别，用户第二轮进行人工转接。当然针对用户一些投诉等，建议直接转人工。

2、满意度策略优化

A.满意度的提升可以一定程度的优化邀评策略，例如主动邀评机制只针对单轮交互、交互时间短、未转人工等进行主动邀评。

B.负向情绪识别进行人工处理，提升用户满意度。

C.满意度评价界面简洁明了

机器人的训练优化是一个长期的过程，每家的产品形态不一，但底层的方法论可以通用。在日常训练运营中，不光要关注以上的内容，也需要多从外部视角去发现问题，多模拟用户去前端体验机器人，多花时间去体验、琢磨和探索业界最新、最佳的实践路径，从而为最终用户带来更佳的机器人体验和业务价值。

延伸阅读