用多指標判斷“客服機器人” 看快商通如何做？（二）
發布時間：2017年03月17日 閱讀：
快商通近年來一直在加強人工智能領域的投入和研究，而可以說客服行業可以稱的上是人工智能切入實際應用的前沿陣地，快商通采取多指標打造的的客服機器人早已在客戶服務中的應用。所采用的分別有以下五項指標。
一、問題識別率
問題識別率是業內主流客服機器人服務提供商或企業的工作邏輯，它指的是機器人能識別出客戶的問題數與所有問題數的比例。這項是行業中普遍應用的衡量指標。
在這個過程中，從客戶的千奇百怪的問題或者問法，機器人可以分析語義并尋找到知識標準答案，就算是問題識別對了，也就是給問題識別率加了一分。
而我們從做客服的角度來看，常常會懷疑這個數據，因為實際經驗中自己去使用機器人的時候，它們好像沒有那么智能啊，所以，這也從一個側面說明了，我們需要有另外的一整套指標來衡量，而不僅僅是單一的問題識別率。
二、撥測準確率
撥測準確率采用的是一種實驗的方法，即用一定的公司內部業務管理人員的人力，采取模擬客戶問題的方法和機器人實際開展對話，記錄結果的正確與否，人工判斷機器人回答準確的數量占到總問題數的比例。這個指標更笨但更真實的問題識別率
這個指標的好處在于，是人腦判斷的對錯，也是模擬客戶的角度去看待對錯，所以在樣本量越大的情況下，我們認為這個指標越真實。以我們的實踐來看，撥測準確率的數據比問題識別率要低3-4個點，即在90%左右的水平。
而這個指標也有它的缺陷，首先要耗費大量的人力去做這個事情，其次因為是業務人員去撥測的，因為非常熟悉業務的情況，所以不能完全真實的模擬客戶看到答案的感知，是否準確，是否看的懂，都存在一定的偏差。
三、答案滿意度
客戶是智能機器人的最終使用者，所以只有真實的客戶是否認同機器人的回答才是更真實的數據情況，普遍意義上可以有兩種典型的調研方式：
1、在機器人每回答一個問題的結束都設置一個評價小尾巴，客戶對逐條問題都可以選擇評價，并評價是否滿意這條回答。這樣做的好處是，通過大量的數據積累，可快速定位評分相對低的答案，然后回爐進行優化，以此往復，不斷提升；比如支付寶就是采用這種方式；
2、在整體機器人服務完成后彈出窗口進行調研，調研客戶對整通機器人服務的完整感知，是否滿意；這樣的好處是沒有那么頻繁的騷擾客戶，且評價具有整體性，但是對于具體的提升幫助不夠明顯。
這個指標是監控機器人能力又一重點指標，這個指標在應用上一定要注意UIUE的設計，盡量少的騷擾到客戶，所以建議不是常態化的用，最好在服務啟動的初期和關鍵點去應用。
四、服務滿足率
基本上，在線客服的行業的排列模式普遍是“智能機器人+在線人工服務”，機器人在前端解決大部分簡單、重復的問題，在機器人回答后則開放引導人工的入口，當客戶不滿意機器人的答案或者有更高的要求的時候，客戶可以有兩種選擇，第一，通過人工入口，點擊進入人工服務；第二，受不了了直接退出撥打同企業的人工服務熱線。
使用機器人最終是為了替代人力勞動，降低人工成本，因此監控客戶在機器人上完整解決問題的比例，對于智能機器人客服而言，意義很重大。在業內，基本上沒有相關可以參考的行業平均值，我們的情況在85%左右。
五、調研滿意度
設計一個調研問卷，用外呼的方式，針對近期接受過機器人服務的客戶開展調研，這個方法很常規。在一定樣本量的基礎上，這個數據應該最大概率的貼近客戶的真實感知，并且通過設計問卷的細項，我們可以找到具體的客戶認為機器人不滿的點在哪里，同時加以提升和修正。
這個方法雖然很老土，但是很實用；行業不同，調研的內容不同，這個數據的平均參考值也不同，但一般而言，85%會是一個較為合理的衡量標準。
綜上，智能機器人的技術發展日新月異，人工智能算法也在飛速的發展當中， 相信在不久的將來，人工智能在客服的應用將遠超想象，快商通通過這五大關鍵指標監控，在不斷的發現問題和解決問題。
一、問題識別率
問題識別率是業內主流客服機器人服務提供商或企業的工作邏輯，它指的是機器人能識別出客戶的問題數與所有問題數的比例。這項是行業中普遍應用的衡量指標。
在這個過程中，從客戶的千奇百怪的問題或者問法，機器人可以分析語義并尋找到知識標準答案，就算是問題識別對了，也就是給問題識別率加了一分。
而我們從做客服的角度來看，常常會懷疑這個數據，因為實際經驗中自己去使用機器人的時候，它們好像沒有那么智能啊，所以，這也從一個側面說明了，我們需要有另外的一整套指標來衡量，而不僅僅是單一的問題識別率。
二、撥測準確率
撥測準確率采用的是一種實驗的方法，即用一定的公司內部業務管理人員的人力，采取模擬客戶問題的方法和機器人實際開展對話，記錄結果的正確與否，人工判斷機器人回答準確的數量占到總問題數的比例。這個指標更笨但更真實的問題識別率
這個指標的好處在于，是人腦判斷的對錯，也是模擬客戶的角度去看待對錯，所以在樣本量越大的情況下，我們認為這個指標越真實。以我們的實踐來看，撥測準確率的數據比問題識別率要低3-4個點，即在90%左右的水平。
而這個指標也有它的缺陷，首先要耗費大量的人力去做這個事情，其次因為是業務人員去撥測的，因為非常熟悉業務的情況，所以不能完全真實的模擬客戶看到答案的感知，是否準確，是否看的懂，都存在一定的偏差。
三、答案滿意度
客戶是智能機器人的最終使用者，所以只有真實的客戶是否認同機器人的回答才是更真實的數據情況，普遍意義上可以有兩種典型的調研方式：
1、在機器人每回答一個問題的結束都設置一個評價小尾巴，客戶對逐條問題都可以選擇評價，并評價是否滿意這條回答。這樣做的好處是，通過大量的數據積累，可快速定位評分相對低的答案，然后回爐進行優化，以此往復，不斷提升；比如支付寶就是采用這種方式；
2、在整體機器人服務完成后彈出窗口進行調研，調研客戶對整通機器人服務的完整感知，是否滿意；這樣的好處是沒有那么頻繁的騷擾客戶，且評價具有整體性，但是對于具體的提升幫助不夠明顯。
這個指標是監控機器人能力又一重點指標，這個指標在應用上一定要注意UIUE的設計，盡量少的騷擾到客戶，所以建議不是常態化的用，最好在服務啟動的初期和關鍵點去應用。
四、服務滿足率
基本上，在線客服的行業的排列模式普遍是“智能機器人+在線人工服務”，機器人在前端解決大部分簡單、重復的問題，在機器人回答后則開放引導人工的入口，當客戶不滿意機器人的答案或者有更高的要求的時候，客戶可以有兩種選擇，第一，通過人工入口，點擊進入人工服務；第二，受不了了直接退出撥打同企業的人工服務熱線。
使用機器人最終是為了替代人力勞動，降低人工成本，因此監控客戶在機器人上完整解決問題的比例，對于智能機器人客服而言，意義很重大。在業內，基本上沒有相關可以參考的行業平均值，我們的情況在85%左右。
五、調研滿意度
設計一個調研問卷，用外呼的方式，針對近期接受過機器人服務的客戶開展調研，這個方法很常規。在一定樣本量的基礎上，這個數據應該最大概率的貼近客戶的真實感知，并且通過設計問卷的細項，我們可以找到具體的客戶認為機器人不滿的點在哪里，同時加以提升和修正。
這個方法雖然很老土，但是很實用；行業不同，調研的內容不同，這個數據的平均參考值也不同，但一般而言，85%會是一個較為合理的衡量標準。
綜上，智能機器人的技術發展日新月異，人工智能算法也在飛速的發展當中， 相信在不久的將來，人工智能在客服的應用將遠超想象，快商通通過這五大關鍵指標監控，在不斷的發現問題和解決問題。
分享到
