智能AI赋能的售前营销机器人都有哪些AI技术？

文章摘要：售前机器人的效果主要依赖背后的知识库，也不断地在丰富自己的知识库。问答知识库通过原始客户提供的对话记录，抽取相关的问题。采用半自动构建的方式，自动抽取QA+人工检验。产生式知识库用于特征辨别，来确定场景。采用人工构建的方式，其中可通过聚类分类的方法来降低人工量。

我们在网上购物时，无论多晚找客服咨询，对面均会回复一句“在呢，请问有什么可以帮助您？”，屏幕背后大部分为智能客服机器人。

在不同业务场景对话中，如何提高智能售前营销机器人对用户意图识别和对话逻辑控制，提高营销转化，是每个智能机器人厂商不断迭代的技能。

为什么售前机器人这么神？

别想当然，售前售后机器人大有不同

在对话的深度、明确的目标、相应的速度、聚焦对话管理这四方面处理上，均有一些差异。

（1）对话深度：在售前咨询里，很多用户的问题不明确，售前机器人需进行多轮对话，引导出用户的真实需求，并总结变成真正的问题，然后再做解答。

（2）明确目标。在售前场景中需给机器人定一个明确的目标，如拿到用户的手机号码、微信号等。而售后则是访客问什么问题，机器人就解答什么。

（3）响应速度。在售前场景里，如果商家的回答速度慢了，很容易流失掉用户，因此售前机器人的响应速度非常重要。

（4）聚焦对话管理。售前机器人不仅对当前对话搞清楚就可以，而是要记录多轮对话以及明确终极导向目标，这是个整体对话的过程，对话控制尤为关键。

多轮对话、NLP 技术，打造自然人机交互智能客服体验

在售前营销机器人的多轮对话和 NLP 技术上做了众多算法创新，从而给用户自然的人机交互智能客服体验。

售前营销机器人的对话系统逻辑结构主要分为意图识别和对话逻辑控制两部分。

一、意图识别算法通过分析访客话语，抽取特征（语义标签），来识别访客的真实意图，获得访客信息。

通俗来说，意图识别主要是识别访客在对话过程中表达的意思，其中可分为特定信息识别，如手机号、微信号等联系方式。还有特征判别，如时间、地点、年龄、项目等，还有咨询报名时间、咨询项目价格等意图。

二、对话逻辑控制算法则根据意图、访客信息，在场景间转换，进行特征迁移，根据更加细节的特征以及规则产生式生成回答，控制对话流以导向既定目标（比如索联）。

对话管理可分为对话记忆和场景。对话记忆是记录整个对话流程，便于了解用户当时和历史意图。场景是在指定前提条件下，访客可能会说什么内容，机器人将做出什么应答。

机器学习模型加持，知识库辅助

值得一提的是，客服机器人使用机器学习模型的方法主要应用在意图识别部分，提高识别正确率是模型优化的目标。客服机器人结合Bert深度模型，并根据模型占用算力的差异采用了分层识别架构，加上自适应快速聚类方法和知识库辅助构建，以及主动学习、小样本学习、强化学习等机器学习技巧，相较于早期简单识别方法，新方法将识别正确率提高到98%以上，在部分场景下识别正确率可达100%，而识别速率几乎没有下降。

售前机器人的效果主要依赖背后的知识库，也不断地在丰富自己的知识库。问答知识库通过原始客户提供的对话记录，抽取相关的问题。采用半自动构建的方式，自动抽取QA+人工检验。产生式知识库用于特征辨别，来确定场景。采用人工构建的方式，其中可通过聚类分类的方法来降低人工量。

文章为沃丰科技原创，转载需注明来源：https://www.udesk.cn/ucm/faq/16879