編輯導語：智能客服作為對話式AI產品的一種，如今已經在各行各業中廣泛應用。而隨著智能客服的廣泛應用，與行業場景的結合也愈加緊密。那麼，如何構建並運營一個電商智能客服呢？一起來看一下吧。
到了今天，智能客服（此處指純文本交互的智能客服）作為對話式AI產品的一種，已經在各行各業廣泛應用。從一開始的通過關鍵詞進行問答匹配，到現在通過深度學習模型進行意圖分析，智能客服的問答效果也在不斷提升，越來越多的企業和用戶開始關注智能客服所帶來的降本增效的直觀價值。
隨著智能客服在各行各業的廣泛應用，智能客服與行業場景的結合也愈加緊密，如保險、證券、電商等市場規模較大的行業，與行業場景的結合，對智能客服的問答能力和問答效果的提升起到了推動作用，同樣也提升了機器人的業務服務表現。
那如何構建並運營一個電商智能客服？根據我自己的工作經驗整理了下方內容和大家分享，有不準確的地方還請多多指教。
下方介紹的時候，會先介紹通用型智能客服，然後在此基礎上介紹電商智能客服的差異點。
一、通用型智能客服介紹
智能客服的對話形式一般支持FAQ問答、Task（也叫多輪對話）、Chat（也叫閑聊）三種，核心技術是NLP技術，會涉及到自然語言理解、多輪對話、實體識別、分詞等細分技術能力。
1. 智能客服和用戶交互時的工作流程
其中，智能客服的NLG-自然語言生成的模塊，一般是知識提前配置好的答案或答案模板，比較少通過演算法模型直接生成。
2. 智能客服的核心功能模塊
- 知識管理：對FAQ、Task、chat的知識進行增刪改
- 知識教育：根據實際服務用戶的問答數據，對智能客服的知識進行優化調整，以實現更好的問答效果
- 問答質檢：通過人工標註，對機器人的實際問答效果進行質量檢查，評估機器人的實際問答效果
- 數據分析：機器人問答數據分析，主要體現用戶提問、知識覆蓋等方面的指標
3. 智能客服的運營
目前機器人的運營，主要是根據服務客戶的實際數據，對知識進行優化調整。根據線上的問答badcase分析結果，常見的運營動作主要包括「知識新增、合併、刪除」、「新增識別數據，優化已有知識的識別效果」、「修改知識答案」、「調整知識的對話形式（由FAQ變成Task）」等。
4. 應用情況
此類通用型智能客服，可以用在任何行業，實現自動回復，但缺點在於能夠回復的問題答案的不夠直接準確。
舉例1：
- 用戶：我這個訂單還能退貨嘛
- 機器人：訂單發貨前，點擊訂單下的「退換按鈕」申請退還即可；訂單發貨后，可以選擇拒絕簽收，商品會自動退回
舉例2：
- 用戶：電飯煲可以參與滿400減60的活動嘛
- 機器人：可以查看商品詳情頁，有滿400減60的活動標識，就是可以參加活動的呢
可以看出，上面機器人的答案，都無法給出用戶最直接準確的信息（最好是Yes or No），而解決這些問題的方案就是將智能客服的問答與行業場景進行融合關聯。
二、電商智能客服
概括來說，電商智能客服就是在通用型智能客服的基礎上，對接電商核心的實體數據（商品、訂單等），並在產品設計上加入 電商實體數據與知識關聯關係管理的模塊。
1. 電商數據與知識關聯關係管理設計
對接電商平台/店鋪的商品、訂單數據，可以作為識別意圖后回復答案時的篩選條件，也可以將商品或訂單的數據用來渲染生成答案。電商數據與知識關聯，主要是與知識的答案進行關聯，所以在產品功能設計上，是對知識的答案配置部分進行改造升級。一般會和商品SKU或訂單狀態進行關聯，形成多對多的關聯關係。
用戶諮詢商品材質的問題，對於不同的商品，可以回答不同的答案（諮詢意圖+諮詢的SKU共同確定最後的答案）。
用戶諮詢訂單是否可以退貨，根據用戶所問的訂單的狀態，提供直接的答案。
另外，如果產品是提供給電商平台的B端商家用於服務店鋪C端買家，一般會在額外進行如下設計：
- 產品中內置電商行業的常用知識，降低冷啟動的門檻
- 將電商客戶服務中需要多輪交互去完成的諮詢場景，提前設計好交互流程，封裝稱為技能；降低使用者的學習門檻，常見的有售前尺碼諮詢、售後退換貨等
個人覺得，未來隨著電商行業精細化運營的要求進一步提升，貫穿客戶生命周期的主動服務會越來越重要，同時客戶服務數據也會越來越多的被加入到客戶數據中，用於構建客戶畫像；客戶服務會成為電商運營中更加重要的一環，智能客服也會有更多的應用場景和更好的服務效果。