文章摘要：售前機器人的效果主要依賴背后的知識庫，也不斷地在豐富自己的知識庫。問答知識庫通過原始客戶提供的對話記錄，抽取相關的問題。采用半自動構建的方式，自動抽取QA+人工檢驗。產(chǎn)生式知識庫用于特征辨別，來確定場景。采用人工構建的方式，其中可通過聚類分類的方法來降低人工量。

我們在網(wǎng)上購物時，無論多晚找客服咨詢，對面均會回復一句“在呢，請問有什么可以幫助您？”，屏幕背后大部分為智能客服機器人。

在不同業(yè)務場景對話中，如何提高智能售前營銷機器人對用戶意圖識別和對話邏輯控制，提高營銷轉(zhuǎn)化，是每個智能機器人廠商不斷迭代的技能。

為什么售前機器人這么神？

別想當然，售前售后機器人大有不同

在對話的深度、明確的目標、相應的速度、聚焦對話管理這四方面處理上，均有一些差異。

（1）對話深度：在售前咨詢里，很多用戶的問題不明確，售前機器人需進行多輪對話，引導出用戶的真實需求，并總結(jié)變成真正的問題，然后再做解答。

（2）明確目標。在售前場景中需給機器人定一個明確的目標，如拿到用戶的手機號碼、微信號等。而售后則是訪客問什么問題，機器人就解答什么。

（3）響應速度。在售前場景里，如果商家的回答速度慢了，很容易流失掉用戶，因此售前機器人的響應速度非常重要。

（4）聚焦對話管理。售前機器人不僅對當前對話搞清楚就可以，而是要記錄多輪對話以及明確終極導向目標，這是個整體對話的過程，對話控制尤為關鍵。

多輪對話、NLP 技術，打造自然人機交互智能客服體驗

在售前營銷機器人的多輪對話和 NLP 技術上做了眾多算法創(chuàng)新，從而給用戶自然的人機交互智能客服體驗。

售前營銷機器人的對話系統(tǒng)邏輯結(jié)構主要分為意圖識別和對話邏輯控制兩部分。

一、意圖識別算法通過分析訪客話語，抽取特征（語義標簽），來識別訪客的真實意圖，獲得訪客信息。

通俗來說，意圖識別主要是識別訪客在對話過程中表達的意思，其中可分為特定信息識別，如手機號、微信號等聯(lián)系方式。還有特征判別，如時間、地點、年齡、項目等，還有咨詢報名時間、咨詢項目價格等意圖。

二、對話邏輯控制算法則根據(jù)意圖、訪客信息，在場景間轉(zhuǎn)換，進行特征遷移，根據(jù)更加細節(jié)的特征以及規(guī)則產(chǎn)生式生成回答，控制對話流以導向既定目標（比如索聯(lián)）。

對話管理可分為對話記憶和場景。對話記憶是記錄整個對話流程，便于了解用戶當時和歷史意圖。場景是在指定前提條件下，訪客可能會說什么內(nèi)容，機器人將做出什么應答。

機器學習模型加持，知識庫輔助

值得一提的是，客服機器人使用機器學習模型的方法主要應用在意圖識別部分，提高識別正確率是模型優(yōu)化的目標。客服機器人結(jié)合Bert深度模型，并根據(jù)模型占用算力的差異采用了分層識別架構，加上自適應快速聚類方法和知識庫輔助構建，以及主動學習、小樣本學習、強化學習等機器學習技巧，相較于早期簡單識別方法，新方法將識別正確率提高到98%以上，在部分場景下識別正確率可達100%，而識別速率幾乎沒有下降。

售前機器人的效果主要依賴背后的知識庫，也不斷地在豐富自己的知識庫。問答知識庫通過原始客戶提供的對話記錄，抽取相關的問題。采用半自動構建的方式，自動抽取QA+人工檢驗。產(chǎn)生式知識庫用于特征辨別，來確定場景。采用人工構建的方式，其中可通過聚類分類的方法來降低人工量。

文章為沃豐科技原創(chuàng)，轉(zhuǎn)載需注明來源：http://m.gototw.com.cn/ucm/faq/16879