產品經理在創造AI,到底在創造什麼 | 人人都是產品經理

編輯導語:在商場里經常會看到AI機器人,幫助顧客解答各種問題,以免在顧客找不到工作人員時不知道應該怎麼辦;AI已經運用到生活中了,提高我們的效率,減少人工的成本;本文作者從AI客服的角度進行分析,我們一起來看一下。

今天想聊的,是最近在做的一個需求:會話智能總結。

這個需求的背景是這樣,客服對接待的每通會話都會做總結,包括選擇業務分類和填寫備註。

這個過程客服遇到的問題是,接待壓力大,而需要篩選的分類數量太多,選擇小結需要同時兼顧速度和準確性;隨之帶來的是客服認為選擇成本高,影響接待效率。

所以我們想利用AI對用戶&客服的會話內容做分析,自動生成總結,不需要客服費盡心思思考,從而幫助客服提升接待效率。

一、遇到的問題

在與演算法大大定義總結的分類相關業務意義時,卻發現事情遠沒有那麼簡單;對於會話選擇哪個小結,整個部門沒有一個明確標準。

比如某些會話中,用戶會諮詢多個意圖,但現場客服為了省時間只會選擇一個,此時質檢人員也會認為客服是對的;而我去諮詢分類規則制定的業務部門時,他們卻希望客服能夠選擇多個,保證小結的精準性。

可能有人說,那就按照業務部門的意思就好了,客服只是執行者;我曾經想過這個思路,但很快就在與演算法同學的討論中否決了自己。

AI智能總結的能力是有限度的,不能全部交由AI判斷,還是需要在AI推薦後由客服確認提交,從降低選擇成本去提升效率,而非零成本;此時,若按照業務定義去推薦,客服會認為與自己的選擇不一致,不會採納AI的推薦,從而認為AI是(sha)錯(bi)的——這樣會導致客服不僅需要選擇分類,還要刪除分類,成本不降反升。

二、問題背後原因(5Why)

因為一直做的都是B端業務,該類情況在之前的接觸中也是經常見到。為什麼會出現這種情況,我們可以試著用5Why方式探討一下。

  • 為什麼會出現偏差—>業務規則制定過程沒有準確同步給客服;
  • 為什麼會出現同步不準確—>業務人員優先考慮先上線,后完善並同步(然後沒有然後—->跟改天請你吃飯的道理一毛一樣);
  • 為什麼會考慮先上線—>業務經常變動,所以及時上線才是最重要的;
  • 為什麼業務會經常變動—>業務不成熟;
  • 業務為什麼會不成熟—->公司快速發展中;

所以說到底就是業務不規範導致的管理層預期與客服實際執行有偏差。

如果在成熟度高的業務線,業務與客服對各類事情的預期和理解都是一致的,那這個問題基本不會存在;但全天下又有多少個公司是業務成熟度高的呢?

三、B端產品的困境:規範全流程OR優化一隅之地

從5Why中可以看到,這個問題在很多企業中都是一個高概率事件。

作為產品經理在落地B端產品,為企業提效的時候,往往都是從執行者的效率優化入手,比如釘釘是為了提升員工之間溝通的效率。

但在業務不規範的時候,應不應該去推動全流程的規範,再去講究執行者效率呢?

還是釘釘的例子,假設現在公司每個部門之間的組織架構很亂,員工A要解決一個技術問題,但BCD三個部門都在互相扔鍋,這個情況確實不能指望一個工作類IM工具幫忙解決;看起來要真正為組織提效,就應該規範化整個組織架構,再用上釘釘,才是最完美的。

經濟學講究「激勵」,也就是會注重某個事件發生會導致的結果。

所以試想一下,當我們不考慮全業務流的整合,而只是優化一隅之地的效能,最終結果可能執行效率確實有所提升,但業務還是一樣亂,一看整體數據並沒有提升多少,瞬間就傻眼了!

隨之帶來的影響是:業務認為產品不行,如果是甲方爸爸甚至不會買單或者不會續費;而產品卻認為我確實提供了能力且有效果數據,你怎麼能不認可呢,美其名為有限度的服務。

我猜想這可能也是國內B端產品發展緩慢的原因之一;當業務成熟度不高,業務方希望通過第三方幫忙提供解決方案去整體提效,但乙方卻只能提供部分能力,這是一個什麼有意思的現象呢?

相當於女方結婚要求男方有車有房有存款,但男方只有存款,且還是少量;尷尬的是,女方(甲方)又不可以同時找有車的,有房的,有存款的;但同時有的優質男士又少見。

作為B端產品,規範業務流程又談何容易?先不說乙方,就算是同在一個公司,產品經理去推動其他部門的業務規整也是吃力不討好的一件事。

但也不是無解,產品經理一定是解決當下問題且兼顧將來的一個角色;所以在優化執行效率的同時,需要想辦法去推動業務的規範化,但實際推動者以及推不推得動的結果,與產品經理的關係就不大了。

說白了,B端產品提供能力是基礎服務,提供解決方案才是核心服務。

要跟業務方講清楚內在的邏輯和影響面,給出規範化的建議和方案(讓業務方自個兒去推動);這也是為什麼說TOB產品經理必須是行業專家,才能知道能做什麼,不能做什麼;不能做什麼的情況下又能再做什麼。

「老婆,雖然我現在沒車沒房,但是在我的規劃中,這兩年可以通過你我的共同努力,好好攢一筆錢,兩年後可以攢到房子首付,第三年再搞個家用車也是可以的;所以相信我,我能給你帶來幸福的!」

四、AI困境:COPY客服OR COPY業務

回到AI這個話題,我思考的另一個角度是:當我在做智能客服產品的時候,我在做什麼?

如果我們是為了提升客服效率,按照他們的日常操作選擇小結,就相當於我們CTRL C/CTRL V一個客服;如果我們copy的是業務,那還是回到最開始的問題,對客服效率可能不增反降。

這個問題的本質,應該是AI能為人類做什麼。

雖然有點大,但我一直認為,AI的使命應該做人類做不好的事情,解放人類去做其更擅長的事情,從而實現比現有社會分工更有效率的人機分工。

假設我們只幫助客服提升其選擇小結的效率,那如果有一天諮詢量減少了,客服有時間慢慢做選擇,此時我做的智能小結所帶來的效率提升意義就不大了。

而這件事,客服做得不好的地方在於,客服由於理解偏差,沒辦法完全按照業務要求選擇分類(5why分析導致該現象的必然發生)。

所以,我最終決定,這個需求所創造的AI,是CTRL C/CTRL V業務部門,而非客服部門。

其所帶來的負面影響(與客服理解不一致),可以通過推動業務人員與客服的宣導來盡量縮小偏差(如同B端產品提供解決方案類似);也可以梳理會話總結的相關分類的知識庫文檔,解答客服對AI小結的不解之處;同時,也能讓客服從AI推薦的小結中,理解每個會話準確的小結方式,反向又推動了信息的一致性。

所以,AI應該是COPY業務心中的金牌客服!