当制造一个无比强大的FaceBook聊天机

制造一个无比强大的FaceBook聊天机器人是一种什么体验？

早在2016年四月份，我们介绍了Radisson Blu Edwardian的虚拟礼宾 Edward ，这么新员工帮助著名连锁酒店Radisson Blu 还要具有包装的功能化和高性能化Edwardian服务越来越的客人，并使酒店在NPS上的评分增加了13分！

今天想给大家介绍一下另外一名即将问世的聊天机器人小伙伴 基于FaceBook聊天功能的客户服务机器人，他将成为汽车制造商的新员工，帮助厂商回答潜在和现有客户的各类问题。由于该项目还未完全投入使用，我们姑且先称这件作品为 Monument Car 。

关键设计：超强性能的无名机器人

目前我们不打算给这位小伙伴正式命名，这样的考虑是我们想给予它更多的角色特征，所以我们决定专注于这个新系统的功能。为了完成这个，我们不得不避免使用第一人称单数，需要使用第一人称复数。在某些情况下，这很容易做到，特别是当机器人直接回答有关产品的特定问题时。

然而，还有其他一些情况则需要更多的思考。使用第一人称单数，你可以很容易地表达一个消息没有被理解： 对不起，我不明白你的意思，你能再说一遍吗？ ，但是将其转换为 我们 就会听起来很奇怪。因此我们通过多种句式变化来解决这个问题，如 不确定你的意思。你可以重申一下吗？ 这样一来，同样的意思，机器人可以随机使用不同的表达方式来表达。

后续问题 这样能解决你的问题了吗？ 也同样使用了随机提示技术。这个机器人足够智能，不会拘泥于同一种回答方式，如果客户开始提问下一个问题，机器人也会有很好的答复

对于诸如 你多少岁啦 或 谁建造你 的问题，都会有相应的答案（甚至是一些答案）。经验告诉我们，相当多的人会使用典型的会话标记，如 你好 ， 谢谢 或 再见 等，频率大概在14%左右，而机器人可以处理各种这样的消息，因此当客户了解产品功能后发出 酷！ 的感叹，机器人也不会手足无措。

从页结构到聊天媒体

当我们启动这个项目时，便向客户传达了一个关键问题：采用页上现有的内容并将其应用到新的媒体中可能并不是最优的方案。因为页本质上是富媒体的环境，允许高保真的信息显示，可以传达的信息量也不限于格式。然而，聊天恰恰相反 在基于对话思想的媒介中操作，并限制单次传递的信息量。如果将页上的内容直接粘贴到对话泡中显然并不合理。

因此，该项目的关键便在于消息和对话交互设计。部分中性提示如 客户可以在这里注册 ，需要换为第二人称单数： 您可以在这里注册 那些不能避免的长信息则必须分成320个字符的消息，以适应Face也具有老式液压万能实验机不可比拟的优点book Messenger的限制。

这是一个持续的过程，通过真实用户与beta测试用户的交互，我们可以更好地根据终端客户与服务器交互的需求进行定制。重要的是，机器人仍然需要经常将客户引导到具有更多信息的站。随着时间的推移，我们希望在机器人本身中整合站上的业务逻辑和内容，从而减少客户体验感的分散。

理解自然语言

为了打造这样一个非比寻常的机器人，我们还需要做的一件事就是让它能够理解上下文信息和自然语言。原始设定中的常见问题解答中提出许多问题作很可能永远不会被真实的人这样描述，例如 使用Monument Car的车辆的技术要求是什么？ ，这样一个问题，真实客户可能会说： 我的车需要什么才能使用Monument Car 或者其他数百种表达方式，毕竟语言没有边界。

我们的解决方案使用Aspect NLU帮助消除类似的问题，并成功地提取消息的意义和意图。为此，大约需要四个星期的时间来编写约100个问题的规则，以满足我们客户的准确度。投入的努力将迅速得到回报，凭借自然语意理解，我们可以转移联络中心的，并帮助一些客户做出购买决定。此外，一旦规则创建，他们就可以立即了解Aspect NLU支持的其他13种语言。

由于聊天本质上是对话性的，所以我们不得不适应不完整的句子以及与之连贯的后续问题，因为它们在日常使用语言中是常见的。

比如以下常见问题解答：

什么是礼宾服务？

如何联系礼宾服务？

礼宾服务的价格是多少？

我的合作伙伴或合作用户可以使用礼宾服务吗？

但是在实际谈话中，人们可能会使用代词来引用以前介绍的概念。所以一旦建立了 礼宾服务 的背景，后续的问题可能是 它多少钱 、 我的妻子可以使用它吗 而这些问题中 它 是什么？或者，作为一个语言学家会问：代名词是哪个前提？

有时完全相同的问题可以产生不同的答案，这便取决于对话的流程。上下文意识对于聊天者来说至关重要。没有上下文意识，用户会看到 我很抱歉，不确定你刚刚问了什么 ，而这也是在2016早期我们看到的聊天机器人中经常出现的问题。

与人力结合

聊天机器人就像是公司的新员工，它可以在第一天上班就直面客户，不需要同事的帮助来回答问题。但无论设计和测试有多好，人力备用也是至关重要的。在Monument Car的情况下，他们的社交媒体团队已经在欧洲建立联络中心与全球的客户进行沟通互动。

为了将机器人整合到客服团队中，我们必须实现与现有社交媒体平台的技术整合。与他们的供应商进行密切合作，我们结合了我们的API并构建了新的工作流程，从而实现各社交平台之间的顺利的切换。而当机器人不能解答客户问题时，它会说： 非常抱歉不能解答您的问题，可能客服人员为您进行服务，您可能需要稍等几分钟，现在为您接通客服人员吗？ 当另外一层材料沉积在第1层的顶部时，流畅地进行沟通渠道的切换，为客户提供很好的服务！

目前聊天机器人的概念验证已经取得成功，并已被客户正式接受。当我们将其投入到实用中，我们将能够分享更多使用心得和性能。敬请关注！

本文作者：Tobias Goebel

Tobias Goebel在IVR，自助服务和联络中心行业拥有超过12年的工作经验，具有跨工程，咨询，销售工程，计划和产品管理的职业背景。作为Aspect产品管理和营销团队的一份子，他致力于将移动应用，文字，语音，聊天，社交等渠道融入客户互动当中，从而定义移动客户体验的未来！