为什么转人工越来越难？解决好三个问题，文本机器人效果大幅提升

近期，AI客服再次登上热搜，引发网友集体吐槽，比如AI客服虽然态度客气，但听不懂客户诉求，回答问题驴唇不对马嘴，解决不了问题......

更有网友将这些问题升级到，企业就是不想解决问题才交给AI客服，这就是店大欺客等等。

网友提到的AI客服，在业内一般被称为文本机器人，作为现代客户服务最重要的工具之一，如今几乎所有有客户服务需求的企业都配备了文本机器人。

但正如网友吐槽，大多数企业使用文本机器人的效果都并不好。越来越多的消费者一旦发现客服是机器人，第一反应就是转人工。

文本机器人不仅没有起到替人工座席分担压力，提高客户服务效率的责任，反而成为加剧客户矛盾的绊脚石，许多企业的文本机器人也因此形同虚设。

那为什么会出现这种情况呢?为什么企业始终用不好文本机器人?天润融通基于多年的实践经验，来帮你解答这个问题。

01 提升文本机器人的三个关键

天润融通从长期的实践中发现，评价一个文本机器人好坏的关键是问题解决率。问题解决率越高，意味着文本机器人能替人工座席完成的工作越多，创造的价值也就越大。

而文本机器人问题解决率的关键又有三个：分别是知识工程，识别能力和长期运营。

首先在知识工程。

传统文本机器人回答问题，主要依赖于设定好的FAQ，即人工要将可能涉及的问题和答案提前设定好，待客户在咨询中提到相关关键词时，机器人再将准备好的答案发出去。

因此传统文本机器人回答问题的准确率，直接取决于FAQ的精细程度，但许多企业并没有意识到知识工程的重要性。

通常一个大型企业，一个产品的FAQ就高达上千条。如果是B端企业，由于产品线复杂，各种产品、型号涉及的FAQ就可能多达上万条，甚至数万条。

为了保证文本机器人的效果，FAQ一般都由专业人员配置，但许多企业由于没有意识到知识工程的重要性，也因为吝惜成本，导致在这方面的投入不多。

“许多企业不愿意花这个钱，坚持自己做，但又缺乏足够的经验。”一位文本机器人资深产品经理提到：“也有一些企业会说，你帮我配置一次，我凑合先用着，但这样解决不了问题。”

其次是机器人的识别能力。

在客户咨询和服务过程中，用户的提问方式往往十分多样且复杂。传统基于深度学习和NLP技术的文本机器人，在遇到长串背景叙述，或者多轮对话反映的问题时，无法真正识别客户意图，做出准确回应。

比如有客户咨询手机售后维修，但全程没有提到售后和维修的字眼，而是讲述了大量关于手机故障的事实性描述，传统文本机器人就很难匹配到“售后维修”的词条。

传统机器人处理问题流程示意比如在客户与文本机器人完成多轮对话后，再根据前面的背景提出诉求时，传统文本机器人也很难综合上下文理解用户意图。而这些又都会影响文本机器人的问题解决率。

最后则是长期运营的问题。

文本机器人与在线客服、呼叫等其他客服场景相比，最大的不同就是它需要长期运营，比如FAQ需要根据业务和用户的咨询情况不断丰富，传统FAQ也需要实时更新。

但许多企业由于缺乏后期维护，FAQ始终停留在文本机器人初次建设时期，因此直接导致文本机器人回答问题的准确率下降，解决问题的能力也因此下降。

02 大模型改变传统文本机器人

复杂业务场景下，传统文本机器人使用体验不好是行业的长期问题，过去由于技术和产品本身的局限性，因此一直难以解决。

但如今随着大模型在客户服务场景落地，天润融通推出基于大模型的文本机器人，让这些问题都得到解决。

首先，基于大模型的文本机器人不再需要配置复杂的FAQ。

企业只需要将相关文档，比如产品手册，售后须知上传到知识库，基于大模型的文本机器人就能够自动阅读并理解文档内容。当客户相关问题时，文本机器人就能够基于资料信息，根据对话语境生成内容进行回答。

其次，基于大模型的文本机器人不仅上下文理解能力得到提升，而且拥有更深度的意图识别能力，可以像ChatGPT一样与客户进行多轮对话。

最后，基于大模型的文本机器人还能够对客户服务过程中产生的所有数据进行沉淀和分析。

比如，基于大模型的文本机器人可以自动整理客户沟通过程中提到的高频词汇和相关回答，人工只需要进行审核，就能将这些新的资料纳入到知识库中。这意味着，之前需要消耗大量时间才能完成文本机器人维护工作，效率得到大大提高。

此外，基于大模型的文本机器人可以根据之前的聊天信息，并结合新的商业知识进行自主学习，持续提高客户服务的智能化水平。

随着大模型文本机器人的应用，传统文本机器人因为维护成本高，智能化程度低等问题带来的答非所问、绕圈子的问题都可以得到有效解决。

以后，企业再也不必担心文本机器人服务不好客户了。