基于“店小蜜+訓(xùn)練師”優(yōu)化店鋪服務(wù)的探索

劉淑霞

[摘要]在人工智能（AI）飛速發(fā)展的今天，智能客服在電商行業(yè)的應(yīng)用迅速普及，阿里“店小蜜”智能客服的應(yīng)用，將人工客服從機械的重復(fù)工作中解脫出來，投入到人工智能訓(xùn)練師這一更具創(chuàng)造性的工作中去。文章將從人工智能訓(xùn)練師以診斷期為突破口，從數(shù)據(jù)看板診斷和聊天記錄質(zhì)檢兩個方面進行“店小蜜”優(yōu)化，通過店鋪優(yōu)化前后數(shù)據(jù)進行論證，實現(xiàn)人機協(xié)作，全面賦能服務(wù)，為電商保駕護航。

[關(guān)鍵詞]“店小蜜”；“店小蜜+訓(xùn)練師”；人工智能訓(xùn)練師；優(yōu)化；服務(wù)

[DOI]1013939/jcnkizgsc201916131

1阿里“店小蜜”，服務(wù)以一抵百

11電商網(wǎng)店客服現(xiàn)狀

由于店鋪產(chǎn)品多人工客服難以在短時間內(nèi)掌握，轉(zhuǎn)化率低，特別是“雙11”“618”等大促活動期間，接待量大，問題重復(fù)性大，響應(yīng)速度慢，在售后環(huán)節(jié)，分流不足造成接待能力有限，難以應(yīng)對爆發(fā)性咨詢，缺少感情投入交流，造成極差的客戶體驗，影響店鋪服務(wù)質(zhì)量。據(jù)資料顯示，淘寶網(wǎng)平臺的網(wǎng)店客服人員工作時間超過12 個小時占比479%，在 10～12 小時之間占比249%，很多客服人員認(rèn)為工作壓力大，負(fù)面情緒多，內(nèi)容枯燥，重復(fù)性強，流動性大，導(dǎo)致企業(yè)培養(yǎng)周期長，人工成本劇增，網(wǎng)店客服問題需要由勞動力密集型向科技密集型轉(zhuǎn)化。

在智能服務(wù)時代，人機結(jié)合將會成為服務(wù)主流，如何將人工客服與智能客服強強聯(lián)合，實現(xiàn)人機完美協(xié)作，提升店鋪服務(wù)質(zhì)量，目前國內(nèi)關(guān)于這方面的研究文獻較為缺乏，這也正是本文研究的現(xiàn)實意義所在。

12什么是“店小蜜”？

“店小蜜”是阿里巴巴推出的、懂電商的智能客服機器人。阿里巴巴在2017年3月發(fā)布，“店小蜜”有全自動和智能輔助兩種服務(wù)模式，第一種模式通過簡單的設(shè)置即可自動解答用戶大部分日常問題；第二種模式則是人機結(jié)合的服務(wù)模式，能實現(xiàn)詢單轉(zhuǎn)化、提升客戶滿意度、提高客服工作效率30%左右?！暗晷∶邸睅椭鉀Q長期以來電商企業(yè)的痛點，根據(jù)阿里資料顯示，天貓KA商家（Key Account大商家）中用“店小蜜”的商家超過50%，2017年承接服務(wù)69億次，服務(wù)人數(shù)164億，日均引導(dǎo)成交量13億元，幫助同家將服務(wù)平均響應(yīng)時長降低40%以上，用戶平均下一單要向“店小蜜”提3個問題，2017年“雙11”“店小蜜”單天完成對話12億次，目前一個人工客服每天大概接待250人左右，“店小蜜”相當(dāng)于16萬名人工客服的工作量，實現(xiàn)以一抵百服務(wù)的效果。

13目前“店小蜜”存在問題

“店小蜜”雖然在一定程度上減輕了人力成本，但實際操作過程中，還是存在很多問題，主要有：①知識庫配置問題：自定義知識庫配置難度較高，對自定義的問法和劃詞把握不足，則出現(xiàn)買家換一種問法可能就識別不了。②精準(zhǔn)性問題：“店小蜜”的解決能力不高，推薦不準(zhǔn)確、商品信息回答不夠完善、活動信息針對性不足。③場景轉(zhuǎn)化問題：話術(shù)僵硬，部分場景答案表述難，買家不易理解，售后類問題解決能力偏弱，會引起買家差評。④詢單轉(zhuǎn)化問題：詢單轉(zhuǎn)化率一直達(dá)不到要求。⑤對接問題：夜間無人值班，用戶咨詢無人接待，體驗不好導(dǎo)致客戶流失。

2訓(xùn)練師，助力智能服務(wù)

“店小蜜”在電商行業(yè)的逐步應(yīng)用，一種新的職業(yè)——人工智能訓(xùn)練師（簡稱：訓(xùn)練師AI Trainer），已悄然興起，成為業(yè)界新寵，他“喂養(yǎng)”“店小蜜”，根據(jù)行業(yè)及自身店鋪情況，進行配置和不斷優(yōu)化，助力“店小蜜”有效實現(xiàn)智能服務(wù)。

訓(xùn)練師工作日常是：熟練配置“店小蜜”并能校驗產(chǎn)品應(yīng)用的效果；對店鋪咨詢問題進行收集、分類和標(biāo)記，整理店鋪里商品相關(guān)屬性、店鋪活動內(nèi)容等知識和答案，進行判斷和標(biāo)注分類是否歸類準(zhǔn)確；搭建和優(yōu)化“店小蜜”的知識庫；根據(jù)店鋪實際情況，配置校對與更新“店小蜜”知識點并根據(jù)測試結(jié)果進行問題反饋和不斷優(yōu)化；提升“店小蜜”對用戶問題的解決能力；根據(jù)店鋪實際人工服務(wù)流程標(biāo)準(zhǔn)，轉(zhuǎn)化成“店小蜜”服務(wù)買家的流程、規(guī)范及標(biāo)準(zhǔn)，完成產(chǎn)品配置；對“店小蜜”的服務(wù)情況進行數(shù)據(jù)分析和品質(zhì)監(jiān)控從而進行針對性地優(yōu)化。

3“店小蜜+訓(xùn)練師”，全面賦能服務(wù)

為提升店鋪服務(wù)質(zhì)量，對“店小蜜”和人工智能訓(xùn)練師提出不斷學(xué)習(xí)的要求，文章通過研究分析，提出訓(xùn)練師以診斷期為突破口，從數(shù)據(jù)看板診斷和聊天記錄質(zhì)檢兩個方面進行“店小蜜”優(yōu)化，構(gòu)建日常優(yōu)化思路，全面賦能服務(wù)，并通過廣州某知名女裝服飾天貓店鋪的人工智能訓(xùn)練師花花，在調(diào)教“店小蜜”工作過程中進行優(yōu)化與論證。

31數(shù)據(jù)看板診斷優(yōu)化

數(shù)據(jù)看板是“店小蜜”平臺提供查看機器人使用情況等各項數(shù)據(jù)指標(biāo)據(jù)報表功能模塊，通過數(shù)據(jù)直觀地了解“店小蜜”的配置水平服務(wù)能力等各項指標(biāo)，以及在同行業(yè)中排名情況，分析數(shù)據(jù)看板中實時和歷史，不斷優(yōu)化“店小蜜”知識庫的配置，提升小蜜的接待能力。文章在數(shù)據(jù)看板診斷的三個方面：歡迎語卡片數(shù)據(jù)、轉(zhuǎn)人工知識高頻列表、未解決的買家問題聚類，基于知識庫配置的優(yōu)化，更新與完善答案，整體優(yōu)化思路如下：

（1）歡迎語卡片數(shù)據(jù)：一方面將高頻問題添加到歡迎語卡片；另一方面根據(jù)點擊量調(diào)整卡片問題。

（2）轉(zhuǎn)人工分析——轉(zhuǎn)人工知識高頻列表：一種是沒有配置答案轉(zhuǎn)人工，優(yōu)化方法是按四個類別情況進行：知識答案未配置的完善答案配置、增加不關(guān)聯(lián)任何商品的通用答案、增加不關(guān)聯(lián)任何時效的通用答案、對使用標(biāo)簽變量的確認(rèn)商品沒有對應(yīng)的參數(shù)；一種是給出回復(fù)但轉(zhuǎn)人工，優(yōu)化方法是根據(jù)答案配置情況進行評估處理：答案中配置轉(zhuǎn)人工的引導(dǎo)提示評估是否合理、答案沒有及時更新的更新答案、答案模棱兩可的使答案明確及減少產(chǎn)生歧義、答案配置過于單一的設(shè)置多樣化答案。

（3）轉(zhuǎn)人工分析——未解決榜：查看未解決買家問題聚類，總結(jié)問題，配置到關(guān)鍵詞或自定義問答中。

通過分別訂閱三個行業(yè)包：服裝、鞋子和箱包，再加一個行業(yè)通用總共四個行業(yè)包，把官方?jīng)]覆蓋到的知識添加自定義問答，服裝屬性很多，比如版型、尺碼等會被買家咨詢，需提前收集，再分類關(guān)聯(lián)到知識庫中。每個場景可有無限個答案增加，一般一個場景，分四種答案：基礎(chǔ)通用答案、變量答案、關(guān)聯(lián)商品答案、關(guān)聯(lián)爆款商品答案，才能充分給予爆款詳細(xì)說明機會，讓產(chǎn)品相關(guān)的問題庫更豐富，也才能更加針對性地促使買家下單以促成交易。因此進行知識庫精細(xì)化配置，通過熟悉官方知識庫、豐富問法、精細(xì)分類幾個方法去搭建店知識庫，了解店鋪高頻咨詢，增加機器人識別買家提問的覆蓋面，才能打造出智能客服。

在日常診斷優(yōu)化過程中，最好有線下動作記錄，方便日常管理和復(fù)盤，采用Excel設(shè)置優(yōu)化記錄模板，內(nèi)容包括原因定位、優(yōu)化動作、優(yōu)化后答案、命中次數(shù)等，有效提高日常優(yōu)化工作效率。

32聊天記錄質(zhì)檢優(yōu)化

通過有規(guī)則抽檢“店小蜜”聊天明細(xì)的方式，數(shù)據(jù)沉淀，分析“店小蜜”的解決能力，對未解決問題做分析，反哺知識庫做優(yōu)化，提升回復(fù)的準(zhǔn)確度。聊天記錄質(zhì)檢優(yōu)化流程為：建立質(zhì)檢標(biāo)準(zhǔn)-制作質(zhì)檢記錄表-抽檢數(shù)據(jù)深沉-未解決原因分析-結(jié)果優(yōu)化。

質(zhì)檢常用工具買家咨詢熱點分析和查看接待過用戶的離線消息，質(zhì)檢的主要路徑為：①離線消息抽檢-篩選請求轉(zhuǎn)人工客戶-未解決問題分析記錄-知識庫優(yōu)化；②買家咨詢熱點抽檢-查看咨詢的聚類問題-高頻類問題重點抽查聊天明細(xì)-查看服務(wù)助手接待的命中問題是否解決-未解決問題分析并記錄質(zhì)檢表-知識庫優(yōu)化，并結(jié)合日常質(zhì)檢和活動期質(zhì)檢進行定期優(yōu)化和實時優(yōu)化。

一般將問題分為“店小蜜”無法識別買家問題、匹配錯誤買家問題、無答案回復(fù)三種，對應(yīng)優(yōu)化方法是總結(jié)買家問題并在關(guān)鍵詞或自定義問題中配置、在自定義問題中配置問題并測試與反饋匹配情況、設(shè)置不同商品/分類/時效的專屬答案。通過掌握店鋪商品特性，梳理商品各屬性，對商品屬性整體歸類，聯(lián)動運營部門設(shè)立新類目，配置直聯(lián)分類提供針對性答案，快速使商品屬性跟問法匹配。

對日常的抽檢記錄，做匯總形成質(zhì)檢記錄表，內(nèi)容包括質(zhì)檢時間、問題大類、買家問法、優(yōu)化方案、抽檢總量等，分析每類知識問題的解決能力，根據(jù)場景的解決能力高低進行重點優(yōu)化。

33訓(xùn)練師優(yōu)化“店小蜜”效果

通過數(shù)據(jù)看板診斷和聊天記錄質(zhì)檢，包括對聊天記錄分類與匯總、知識庫配置、買家咨詢熱點聚類分析等多個方面的分析和優(yōu)化，逐步延伸到對用戶的主動精準(zhǔn)營銷，根據(jù)用戶的購買習(xí)慣進行主動詢問，有效優(yōu)化詢單轉(zhuǎn)化，提高詢單轉(zhuǎn)化率，優(yōu)化網(wǎng)店客服效率，助力店鋪服務(wù)質(zhì)量提升。

本店鋪通過訓(xùn)練師以上的優(yōu)化嘗試，節(jié)取了優(yōu)化前2018年5月1日—7日一周數(shù)據(jù)，與優(yōu)化后11月1日—7日數(shù)據(jù)，進行數(shù)據(jù)比較分析，發(fā)現(xiàn)“店小蜜”在接待人數(shù)增加了704人、接待占比提升134%、轉(zhuǎn)人工率降低1659%，優(yōu)化效果明顯，具體數(shù)據(jù)如下表1所示：

除了在一周平均數(shù)據(jù)上優(yōu)化明顯，在2018年“雙十一”11月11日，這個購物狂歡節(jié)中，本店鋪“店小蜜”接待買家人數(shù)為26039人，最終承擔(dān)率為4882%，接待占比達(dá)到6296%，“店小蜜”參與的詢單轉(zhuǎn)化率達(dá)到4447%，解決率達(dá)到7754%，節(jié)省人力74人，店鋪同類排名第38名，效果顯著。其中轉(zhuǎn)人工率，2018年5月份轉(zhuǎn)人工率都是高達(dá)2914%，“店小蜜”7個月以來通過訓(xùn)練師優(yōu)化后，截至11月達(dá)到1856%，下降了1058%，平均水平保持在22%左右，這也是行業(yè)平均水平或更高，5月—11月轉(zhuǎn)人工率數(shù)據(jù)具體為圖1所示。

圖1“店小蜜”轉(zhuǎn)人工率情況

4人機完美協(xié)作，為電商保駕護航

新零售模式是基于“互聯(lián)網(wǎng)+”為核心，借助人工智能技術(shù)手段，重塑產(chǎn)業(yè)結(jié)構(gòu)，在AI賦能下，人工智能訓(xùn)練師需懂得大數(shù)據(jù)分析、語義分析等全面知識體系，在優(yōu)化“店小蜜”方面，通過實踐總結(jié)訓(xùn)練師需要儲備以下五個方面知識：①用前準(zhǔn)備期：電商基本知識、自身店鋪知識、店鋪服務(wù)流程；②快速開啟期：“店小蜜”接待模式、知識庫基礎(chǔ)配置；③內(nèi)容豐富期：自定義知識配置、答案配置技巧、關(guān)鍵詞設(shè)置、測試窗運用；④診斷運營期：質(zhì)檢知識、數(shù)據(jù)看板運用、店鋪診斷思路；⑤特殊活動期：大促活動配置知識。同時還需具備店鋪運營思維，時刻關(guān)注店鋪咨詢問題分布，抓住咨詢重點進行優(yōu)化，提升“蜜答復(fù)”準(zhǔn)確性，為用戶提供更好的服務(wù)體驗，為企業(yè)帶來更強大的競爭力，提升整個業(yè)態(tài)的效率。

“店小蜜”優(yōu)化是一個長期持續(xù)的過程，文章只是從兩個這方面進行診斷優(yōu)化，未來還需要在平臺大促活動配置、店鋪服務(wù)流程、關(guān)鍵詞設(shè)置幾個方面進行補充完善，不斷探索以調(diào)測出更加符合店鋪的智能機器人?！暗晷∶?訓(xùn)練師”基于人工與智能完美協(xié)作，將構(gòu)建新一代新零售新服務(wù)體系，為電商發(fā)展保駕護航。

參考文獻：

[1]唐曉波，李新星.基于人工智能的知識服務(wù)研究[J].圖書館學(xué)研究，2017（13）.

[2]李忠美.基于人工智能的網(wǎng)絡(luò)零售客服智能化升級研究[J].合作經(jīng)濟與科技，2017（24）.

[3]肖鵬，鐘紹輝.基于人工智能的在線客服研究.萍鄉(xiāng)學(xué)院學(xué)報，2015（6）.

[4]陳全忠.喂食機器人這個飼養(yǎng)員有點酷[J].就業(yè)與保障，2018（8）.