智能客服案例解析：以知识图谱、NLP、机器学习构建高精度对话机器人

乐言科技基于高精准的语义理解技术所打造的客服机器人，能在海量数据中挖掘优质话术，模拟优秀人工客服回复逻辑，对用户多轮对话沟通内容、订单信息、店铺优惠活动、商品信息等各维度进行全方位感知，从中提取出有效信息，从而精准且拟人化地回复用户咨询信息。

中国电商行业： 营销售后能力亟待智能客服予以提升

移动社交时代的到来为品牌商家提供了更加直接有效服务消费者的能力和销售渠道。随着电子商务行业交易规模持续扩大，售前和售后服务作为电商平台的重要组成部分，传统的客服方式已无法满足大量的市场营销需求。某服装公司是国内规模领先的服务商家，其在电商平台的销量在同行业中排名前列，日常的客服咨询量巨大，也因此为其客服团队带来挑战：

1. 客服系统功能局限：传统客服系统往往只作为接待访客咨询的工具使用，无法跟网站商品、订单查询、店铺信息等业务模式做完美整合，而需要人工客服去进行二次查询。当访客数量较多时，常常会造成问题回复不及时，或回复不准确，造成用户体验下降。

2. 高峰期人力依赖：节假日及促销打折期间，电商公司往往需要临时安排上百人的客服来进行接待和答疑以应对客服需求量的激增，不仅导致了人力成本消耗大，还因客服专业知识及信息水平参差不齐而无法做到快速且准确地满足用户咨询的诉求。

智能客服案例解析：以乐言科技为某服装厂部署智能客服机器人为例

乐言科技研发的“乐语助人”客服机器人以全栈式电商知识图谱为底层，专注于自然语言处理和机器学习的行业应用。乐语助人乐语助人具备高精准的语言理解能力，可以进行买家咨询接待、业务问题处理、智能推荐、客情维系等工作。

一、核心技术

知识图谱 - 对非结构化文本、半结构化网页和结构化数据库进行统一建模、抽取、融合和存储，积极面对多源异构数据融合的挑战，为上层面向特定领域的语言理解、认知计算和对话机器人提供行业知识库。

自然语言处理 - 采用知识驱动的语言认知技术，包括高精度的领域识别、领域内意图识别、情感识别、分词、语言模型、领域词向量和句向量表示及语义相似度计算等，将非结构化的人类语言，变成计算机可以理解和操作的结构化表示，形成知识图谱形式的知识，从而实现人机互动。

结构学习 – 通过研发面向结构的机器学习技术，提供细粒度实体识别与链接，基于领域本体的关系与事件抽取，及面向知识问答的语义角色标注服务。

深度问答 - 面向行业知识库的深度问答引擎，融合了基于模板、语义解析、信息检索和端到端深度学习等主流技术。针对行业复杂化信息需求，系统可以提供精准的问句解析和完备的答案回复。

二、核心功能

拟人化智能问答 – 客服机器人采用高精度的自然语言理解技术，搭建以数据驱动为核心的AI算法模型，通过服务数万家客户积累海量真实语料，进行高维机器学习与深度训练，反哺算法模型，可以模拟金牌客服的回复逻辑，提高客服机器人的语义理解与问答回复能力。

智能跟单 – 包含催下单、催付款、催好评三催功能，通过识别买家对话语境、付款及牵手进度自动进行询单或推荐，以客户订单及付款转化率。该模块同时包含付款推送、发货推送及退款挽回功能，可通过发送提前设置好的话术全称保证用户网购体验。

智能推荐 - 可根据不同用户、不同场景，基于数据反馈实时调整推荐商品，同时可自动过滤已下架、不应季或转化不好的不合理商品。

智能质检 - 于AI和数据挖掘技术，对会话数据进行深度学习，实现客服的质检缺陷识别，帮助商家规范客服行为，提升客服团队服务质量和效率、帮助发掘潜在商机。

三、应用效果

乐语助人机器人首次响应时间可以达到0.5秒以内，缩短了客服的平均响应时长，案例中服装公司电商事业部在部署乐语助人后，其平均客服响应速度从2017年的120秒，降低到2018年的40秒，再优化到2019年的19秒。大幅提升了客户接待效率，缓解了售前咨询压力。此外，客户接待效率的提升也优化了客服团队的成员配置。该服装厂售前基本不需要客服回复，客服70%的工作重心都是在售中和售后，可以给到用户更细致、更人性化的服务，从而提升用户粘性与店铺销售转化。客服数量也从之前的50人，降低到18人，其中白班12人左右，人均每天接待1700-1800人，取得了很好的降本增效效果。

责任编辑：PSY