新聞中心/行業動態/呼叫中心實現成功部署智能聊天機器人的四個基石

呼叫中心實現成功部署智能聊天機器人的四個基石

       隨著機器人和虛擬客戶服務數量的急劇增長,挫折和失敗部署的數量也隨之而來。集時通訊通過自身的行業經驗及收集相關資料,概述了實現成功部署人工智能呼叫中心的四個基石,以及如何讓聊天機器人為你工作。

  很像“黑客”這個詞,我們對軟件機器人的概念過去完全是負面的。但是,就在黑客攻擊成為新標簽的時候,它也標志著酷酷的書呆子黑客們構建我們軟件驅動的未來,機器人從惡意病毒中畢業,并成為一種新型幫助機器人,旨在讓我們的生活變得更美好。作為“軟件機器人”的縮寫,機器人只不過是用來執行服務功能任務的一堆代碼,通常是線上的。

  在過去的十年里,我們看到主要的技術供應商都接受了幫助機器人的概念,這些機器人可以在我們的軟件系統中管理、引導甚至清理數據。利用所謂的自然語言理解技術(NLU),我們已經能夠構建可以分解和解析人類生成的文本的機器人,從而將其歸類為語義。這些機器人可以理解我們,并能進行對話。這就是聊天機器人。

  聊天機器人大腦發育

  隨著聊天機器人在青春期的快速成長,我們人類致力于確保這些軟件大腦能夠進行學習。當我們開始對聊天機器人的反饋響應機制應用新的認知和理解層次時,我們可以在客戶服務流程的核心使用聊天機器人技術,以顯著改善所有級別的客戶體驗。仔細地應用,聊天機器人是你的新前線,這是一個好消息。

  但是對聊天機器人進行的人工智能教育并不是一件簡單的事情。我們不能簡單地打開開關,期望這些機器能夠自動學習。隨著聊天機器人和虛擬客戶服務助理數量的增加,失敗項目的數量和受挫的客戶數量也在增加。回想一下上個世界九十年代基于電話的語音識別預訂服務“你好,來電者,我想你說”,我們不能讓智能聊天機器人變得更愚蠢。

  復雜的問題,智能聊天機器人

  聊天機器人只會用在它出生時被程序員賦予的信息進行交流。更聰明的人工智能聊天機器人可以通過接觸數據池中信息的多樣性來自我學習和訓練。一個類似數據事件的淺池會造就一個比較狹隘的聊天機器人。

  太多的人工智能項目在開發和部署到公司的聯絡中心時失敗

  許多簡單的客戶服務任務都能很好地實現自動化,但是當客戶問題越來越復雜時,我們如何確保我們能提供同情心和專業知識來維持高水平的客戶滿意度呢?太多的人工智能項目在開發和部署到公司的聯絡中心時失敗了。聯絡中心是完成人類交互的中心,從企業內部擴展到客戶和合作伙伴。那么,實現自動化和輔助客戶服務的無縫集成到底需要什么呢?

  機器人的四個基石

       收縮,然后擴展:任何級別的機器人開發都應該“先收縮,后擴展”。沒有任何大腦(不管是人類的還是計算機的)善于在第一天就會用消防軟管喝水,而且兩種大腦都需要適當的學習空間。

       共享聊天機器人和人類的DNA:聊天機器人虛擬助理人工智能永遠不應該被認為是人類客戶服務的替代渠道。相反,它應該嵌入到客戶服務渠道的每個部分當中,以便在每次對話或交互時提供智能幫助。

       無縫轉移:對于聊天機器人來說,當一個請求過于復雜時,它應該無縫地將對話轉移到合適的技術人員那里。但是,更重要的是,這些更復雜的查詢結果應該以數據的形式反饋給聊天機器人,以便用于學習。

       不斷迭代:使機器人開發成為一個真正的迭代過程,與企業的商業目標和市場戰略有機地發展。在這里,機器人不應該只是回答問題,它們還需要處理請求,就像我們希望人類座席解決我們的問題一樣,而不僅僅是在我們聯絡呼叫中心時給我們提供建議。這不僅僅是人工智能的問題,還包括將機器人過程自動化(RPA)與自動化任務相結合的解決方案。

  所以,就像一個好的客戶服務機器人一樣,讓我們停下來問問自己,到目前為止我們學到了什么。我們知道,成功的現代商業是由了解與客戶協作價值的公司與客戶之間情感豐富的互動所驅動的。我們也知道,聊天機器人可以成就一個非常寶貴的“前端”接口層,它能積極地提高客戶體驗,如果是精心設計和建立的話。

  這聽起來可能是一個用于軟件編程的奇怪術語,但用心的聊天機器人開發是將人工智能作為多渠道客戶旅程的一部分來謹慎應用的,而不是作為單獨的信息孤島或替代渠道隨意添加的。謹慎的聊天機器人開發也明白聊天機器人需要時間來學習如何工作;他們需要一種分階段的方法來集成到業務操作中,因為他們變得更聰明了。太多的聯絡中心通過創建快速修復的聊天機器人軟件而沒有經過認真的思考過程造成了急功近利的結果。

  “每年,來自客戶的互動數量增加了近10%,而客戶使用的渠道數量每年都在增長。幾年前是電話、電子郵件和網絡聊天--現在是Facebook、Twitter、微信和WhatsApp等消息傳遞渠道。對于一個企業來說,不斷擴大聯絡中心來吸納這個數量和復雜性是不可持續的。企業別無選擇,只能以聊天機器人和虛擬助手的形式引入人工智能。但是交付一個優秀的客戶體驗,不僅僅是控制成本,這些聊天機器人不應被視為另一個渠道,他們需要成為其他渠道的一部分,提供智能前端和主動無縫切換到一個善解人意的人工座席是有意義的。

       10000個小時的訓練

  雖然聊天機器人的開發成功主要取決于現實和最佳實踐,但迄今為止,沒有一個虛擬助理能夠勝任,直到它擁有豐富的、深入的、多樣化的數據池,從中汲取經驗。

  社會哲學作家馬爾科姆格拉德威爾(Malcolm Gladwell)提出,人類需要大約1萬個小時(持續一年以上)才能成為某方面的專家。IFS-mplsystems的理查森(Richardson)回應這種斷言時說,即使對于像請求你的賬戶余額一樣簡單的事情可以有超過1000種方式問這個問題,相當于大量的樣本數據需要訓練你的機器人回答一個簡單的請求。

  聊天機器人就像人類一樣需要訓練。他們還需要仔細地應用和智能地分級經驗,同時在豐富的量化和合格的數據流上。如果我們能給我們新的虛擬團隊成員這種教育和工作經驗,那么他們就可以從青少年時期成為真正有生產力和積極的社會成員。讓我們永遠不要忘記,一個有效的聊天機器人是一個快樂的機器人……不久他們就會提醒我們這個事實。

注明:文章轉自CTI論壇

設置
香港六合彩走势图