智能客服对话场景设计方法
发布网友
发布时间：2022-09-13 18:20
共1个回答
热心网友
时间：2024-11-15 00:22
用户解决某一个问题，需要与机器人进行多次对话才可以解决的问题，就是智能客服中的对话场景。一般它分为单场景对话和多场景对话。
1.单场景对话
定义：用户与机器人只进行一个主题的对话，如“查天气”
例1 场景【 查天气】
用户：明天天气怎么样
Bot ： 零下10度，可以多穿一些哦。
用户：那上海呢？
Bot ：:零下1度哦。
2.多场景对话
定义：用户与机器人联系进行了多个主题的对话，如“查询订单+退货”。
例2 场景 【查询订单+退货】
用户：看一下我买的东西到哪了
Bot： 向用户发出订单列表
用户： 嗯，看一下第二个
Bot： 发出订单详情
用户：还没发货啊，帮我退了吧。 ——从用户的这句话开始，对话的场景就从“查询订单状态””变成了“退货”，退货与查询订单是两个不同的主题，他们既可以独立存在，也可以合二为一。
.
二.场景设计
设计一个对话场景，主要包含两个方面：起始条件整理、流程整理。
小知识：假设“查一下明天上海的天气”是用户说的第一句话，那么它就是一个场景中的起始条件，而在这句话是由两个要素词构成的“明天”，“上海”，这两个要素词分别代表了时间和地点。由此可以推论出这个起始条件的主要结构是时间+地点。
1.起始条件整理
在对话场景中用户与机器人第一次交互时，所说的话为起始条件。而一个对话场景有多个起始条件，不同的起始条件会让机器人与用户的对话的流程出现不同的走向。所以场景设计的第一个步，我们需要将对话场景中不同的起始条件全部整理出来。
例3 场景 【查天气】
条件举例
例4 场景【请假】
条件举例
2.对话流程
整理好全部的起始条件后，就可以根据去撰写每一个条件下的流程。具体可以看下面的例子。
例5 场景【请假】
起始条件：仅包含请假
U：明天请假
A:请到哪天呢？
U:后天
A:请告诉我工号
U:001
A:您的请假申请已经提交了。
例6
对话起始条件：仅包含请假天数。
U：请三天假
A:请问您是哪一天开始请假？
U:后天。
A:请到什么时候呢？
U:周五。
A:请告诉我您的工号
U:001
A:您的请假申请已经提交了。
通过例5和例6我们可以看到起始条件的不同，会导致对话的流程也不同。所以整理出全部的起始条件事关重要。不过对话流程整理好之后，场景设计的部分就高于段落了。接下来就需要进行意图的整理。
三.对话意图的设计
这一部分主要介绍意图的分类、如何拆解场景中的对话意图、对话意图知识的设计及优化。
1.意图的定义与分类
意图是指用户的目的，如用户说“我想听音乐”，那么听音乐就是用户最终的一个目的，我们只要给他播放一段音乐就可以了。在智能客服的使用情况中，意图一般分为两大类：问答意图和对话意图。问答意图是指一问一答，如用户问“退款时效”，退款时效这个问题，每个商家都有一个固定的答案。这就是一个问答意图。
但在对话场景中，用户都会与机器人多次交互，每一次交互用户都会表达自己的目的，这个目的其实就是我们所说的对话意图。 请看例子
例 7 场景【查快递】
在网上买完商品时，我们会查买的商品的派送情况，图中的用户说“我的快递到哪了”。“我的快递到哪了”这句话就是一个对话意图，用户说它的目的就是查询快递派送的进度。
2.对话意图的拆解
一个对话场景中一般都包含多个对话意图。基本上，用户和机器人的每一次互动就是一个单独的对话意图。我们可以把例7图里的对话流程写下来 看一下
例8 场景【查快递】
起始条件：多个商品订单
U:我的快递到哪里
A:订单列表
U:选择一个订单
A:显示订单派送情况
在这个场景中，用户表达了一个目的就是“查询订单状态”，所以机器人会向用户推出订单列表，确定用户询问的是哪个订单。这就是一个对话意图。接着用户确定了具体查看的订单后，机器人需要把确定好的这个订单的物流信息发给用户，这也是一个对话意图。
所以上面的场景中包含了两个对话意图。到这针对于这个场景的对话意图的拆解，就结束了。
3.对话意图知识的设计
拆解好场景中所包含的对话意图后，我们需要设计意图。还是用场景请假来举例
例 场景【请假】
起始条件：仅知道开始时间
U：明天请假
A:请到哪天呢？
U:后天
A:请告诉我工号
U:001
A:您的请假申请已经提交了。
对话有三轮，所以这个流程里有三个对话意图。我们先来看第一个对话意图的对话内容。
U：明天请假
A:请到哪天呢？
明天请假，在这句话里明天是一个要素词，它代表了请假开始的时间。所以这个意图=请假开始的时间， 它的构成成分就是具体的时间/日期 ，如今天、明天、12月30日等等，而一般的对话系统中会把时间类的词语都内置进去，所以这里就不在进行穷举了。
这个对话中只含有了一个要素词，但根 据起始条件的不同 ， 对话意图中包含的要素词的数量都是不一样的 ，具体的可以参考每一个起始条件的流程去设定。
4.对话意图的知识优化
对于同一句话，每一个人的表达方式都是不一样的。为了使机器人能更准确的解读用户所表达的意思，做好知识的优化是一件必要的事情。优化步骤包括：写出所有句子——拆解组合——归纳同义词。
例： 快递到哪了
物流到哪了
东西到哪了
这几个句子表达的意思都是“查物流”，可它们的用词并不完全相同，通过拆解，我们可以得到以下结论：这条知识=快递的同义词+到哪了的同义词
例： 查快递
查一下快递
快递查询
查一下商品物流
这组句子表达的意思也是“查物流”，它们的用词并不完全相同，通过拆解，我们可以得到以下结论：这条知识=查的同义词+快递的同义词。
分析完上面两个例子，可以很明显的看到这两组的组合都只有两个词组，而其中有一个词组是相同的，所以可以将这两组组合进行合并：快递的同义词+查/到哪了的同义词。
四. 意图知识的线上管理
1.机器人的分配
将所有问答意图及对话意图设计和优化一遍之后，就要将这些准备好的知识导入到机器人的线上平台进行操作。一般的客户在平台上只需要建立一个机器人，同时绑定多个知识库，就可以达到效果了。
但像一些客流量大电商客户，他们会根据整个的业务场景去创建机器人，如售前机器人、售中机器人、售后机器人。这样做有一个好处，就是当客户有问道一些机器人无法回答的问题，可以直接转人工到相关类别的坐席。
还有一些客户，会复杂一些。他们是一个大的企业，在他们的内部有很多的部门，每个部门都在使用同一个后台。
例 A企业下有人力、财务、行政、生产、项目等部门，他们使用同一个企业账号登录一个后台。每个部门都会建立知识库，但是如果都绑定在一个机器人上就会出现一些问题。
如果非要使用同一个企业账号，在这种情况下建议，每个部门可以在后台各自都建立一个机器人，并将自己部门的机器人只绑定部门相关的知识库即可。（最好可以有权限设置）不过最好每一个部门都使用独立的企业ID，各自登录各自的后台，不会造成干扰。
2.对机器人进行评价及调整
经过了一段时间的运营，我们需要知道机器人的效果到底是怎么样的？一般来说，只要去将机器人的对话日志导出，进行分析即可。
1）日志分析的内容
一般分析日志会分析以下内容
总交互次数、交互完成总量、未识别意图量及占比、识别错误意图量及占比、无效意图及占比
问答意图总量及占比、对话意图总量及占比、对话意图与问答意图在总量中的占比
高频问答意图及占比、高频对话意图及占比、对话场景完成量及占比。
2）调整机器人
分析结束后，会根据得到的具体的结果对机器人的意图和知识进行调整和优化。
需要注意的问题
未识别问题很多的情况，有几种可能
①用户说的话，在知识库中不存在相似的问法，所以只要添加即可。
②用户说的话，在知识库中有类似的问法，那么就需要人工去排查是否是其它知识造成的错误，还是技术原因等等......
