首页 百科正文

给人工智能的建议(给孩子的人工智能图解)

编辑导语:如今随着科技的不断发展,人工智能渐渐的深入我们的工作和生活,比如现在很多平台都会使用智能客服进行工作,可以引导用户进行操作以及解决一些固定问题;本文作者分享了关于智能客服优化的建议,我们一起来了解一下。

给人工智能的建议(给孩子的人工智能图解)

人工智能领域,2020年迎来了NLP落地场景智能客服的崛起。不同场景和业务的应用要求智能对话更拟人、更懂客户。

本文以京东智能客服「开发票业务」从语音和图形两种产品形态,对智能对话的优化提出小小建议。

一、智能对话中语音交互和图形交互的区别

1)对话的引导项不同

语音交互的引导回复话术最多给出2-3个选择。图形交互的引导,在GUI页面内,可以显示多个引导项。

2)对话的上下文处理不同

语音交互的上下文存在对话树中,超过层级的对话内容会从对话树中删除,但用户人脑还存在上文感知,需要更专业和复杂的引导帮助用户进行下一步操作。

图形交互的上文存在对话列表内,用户很容易感知上文内容,哪怕上文失效,也可以回到之前的对话部分进行查看。

3)对话逻辑的处理不同

语音交互中,存在筛选、指代、相似内容搜索、跨场景对话等对话逻辑;一旦触发一个规则,需要增加更多引导回复方便用户完成对话任务。

图形交互的对话逻辑,可以用文本、tab、列表等方式辅助对话任务,便捷的点击操作,让用户更好的按引导完成对话。

4)对话的“拟人化”程度不同

用户要求语音交互比图形交互更“人性化”,希望对话的智能客服更像人;对话不仅包括ASR的声音拟人化,更要求对话的内容像日常说话一样自然,对话交互要秉持友好自然有个性的原则。

5)情绪识别模型的使用场景不同

语音交互中,情绪的感知相对比较强烈,用户一说话就能感知对方是情绪低落还是情绪高涨,情绪模型的对话应用于每一句用户回复的对话中。

图形交互中,只有用户输入的语言文字带有情绪内容,或使用情绪的表情符号,才能识别用户当前的情绪状态。

6)对话的兜底应答策略不同

语音交互中,经常会遇到智能客服回答不了的问题,这时候需要应对技能进入相对无解的状态,对话设计不能让用户的感觉“雪上加霜”,一般回复以「机灵可爱的承认没听懂+引导下一步话术」组合出现。

例如:“小东在自己强大的神经网路内走迷路啦,您如果还要继续开发票请对我说我要开发票”,图形交互的回复主要以展示下一步用户可能操作的TAB选项为主。

二、图形交互的智能客服1. 当前智能客服对话存在的问题回复话术内容过多文字过长堆叠严重,用户很难聚焦。关联推荐的关联问题相关性不是很好。没有精细的多轮对话流程引导。回复的内容没有进行流程步骤的拆解。

2. 产品优化建议

1)回复话术准确、简洁、有目标性

例如:用户说“我要开发票”,直接引导用户开发票,完成任务。

给人工智能的建议(给孩子的人工智能图解)

2)客服提示的问题和用户的下一步操作引导强相关,和用户当前业务无关的提示不再出现。

给人工智能的建议(给孩子的人工智能图解)

3)需要用户输入的选择性问题,以提示tab按键代替手动输入。

下图,蓝色方框为TAB按键:

给人工智能的建议(给孩子的人工智能图解)

4)智能客服的回复,将用户下一步潜在的需求以流程的形式在界面中展示出来。

给人工智能的建议(给孩子的人工智能图解) 给人工智能的建议(给孩子的人工智能图解)

5)以解决问题为导向,细化解决方案,将方案变成用户可操作的路径。

给人工智能的建议(给孩子的人工智能图解)

3. 图形交互对话设计样例

开发票按业务流程分为访问客服、选择订单、确认信息并下单、售后服务几个场景模块。

给人工智能的建议(给孩子的人工智能图解)

三、语音交互的智能客服1. 拆解业务场景

开发票从业务场景上主要分为三个部分业务咨询、实施过程、售后服务。

业务咨询解答通用的FAQ问题,实施过程是用户真正开发票的过程,售后服务针对性回复售后相关的内容。

对话的内容分为:问答、闲聊、任务,结合当前场景,不存在闲聊内容,主要是问答FAQ和任务型对话。

2. 关于智能客服的开场白

开场白要清楚简洁,并带有明确的引导性。基于用户的第一句话,回复意图分两个方向处理:如果是明确意图,开场白要精简明确。如果是非明确意图,开场白的回复要做推荐引导。

举例:

「对话一」

“我要开发票” 用户的开场白意图很明确。进入开发票的对话任务中,回复“好的,您要哪天的订单开发票呢?”

「对话二」

“你好”“在不”“有客服吗?”用户开场白意图不明确。由于不清楚用户具体需求,给出更多可能的推荐引导回复“您好,我可以帮你开发票、办理售后,请问您要办理什么业务?”

3. 复合型指令的智能回复

开发票的业务场景中,经常会用到选择订单,用户回复包括序号和选项内容,例如:“1、2020年8月4日订单”“第二个,婴儿床订单”,对话需要扩展可识别的指令词库,支持用户说订单时间、订单内容、商品信息等指令信息,方便用户在选择订单时能快速完成任务。

4. 针对FAQ问答出现在任务型对话中的解决方案

当前对话过程中,FAQ问答可穿插的任务型对话的任意节点,FAQ回复结束后,可自动返回之前的任务型对话节点让对话继续。

FAQ问答表示科普类的、名词解释类的通用回复内容。包括:电子发票是什么?都可以开哪种发票?发票什么时候发货?任务型对话表示基于明确任务目标的前提下,在达到最终节点前全部对话流程和槽位信息(填槽位的对话流程)。

例如:

给人工智能的建议(给孩子的人工智能图解)

当前列子中“发票多久可以收到”属于FAQ问答,智能客服回复以后,需要再次询问上一个节点对话内容,引导用户继续完成对话,当前市面很多产品并没有FAQ问答结束后再继续对话的产品功能。

5. 槽位信息的补充采用多轮对话的方式

任务型对话中,用户在完成开发票业务前,需要的发票信息内容,如纳税人识别号、发票表头等信息,可以通过多次询问补充和完善。

给人工智能的建议(给孩子的人工智能图解)

6. 在不同场景(对话树)发生跳转时进行干预

对话任务中会出现跨场景跳转,为避免超出用户预期,需要在跳转前进行二次询问。

举例:当前在业务咨询模块(一个场景的对话任务),用户再次询问售后服务模块(另一个场景对话任务)的时候;在语音交互中,防止失误识别而导致的对话跳转(即对话树的更改)需要再次询问用户“是否要询问售后服务关于发票收货时间的问题?”

如果用户确认,再更改对话任务;如果用户未确认,保持当前对话上下文。

给人工智能的建议(给孩子的人工智能图解)

7. 异常处理识别正确,但是没有对应的结果,如果回复。识别到两个或多个域都有结果,提示用户在两个里面做选择。(有歧义的query)时间过长导致上下文丢失,怎么处理?对话树层级太长,有部分上文丢失,但是用户还记得上文怎么处理?(基于对话树可以维持几层)用户无应答时候的处理。

很多朋友给我抱怨现在的智能音箱或者机器人很傻,不能理解自己。

我总是安慰说,给产品和技术更多一些时间;而智能对话是真实可提升用户直观感受的重要交互方式,在智能对话领域的探索,才是让智能产品更快应用于场景,更快找到落地方式的唯一手段。

公众号:小小仙女狮狮随想

本文由 @小小仙女王狮狮 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/baike/11041.html

发表评论

评论列表(0人评论 , 10066人围观)
☹还没有评论,来说两句吧...