客户服务聊天机器人：如何规模化优化支持

• 客户服务聊天机器人通过自动化对话来回答问题、将问题上报给支持人员，并收集客户信息

• 聊天机器人有几种类型，包括基于规则的聊天机器人、人工智能支持的聊天机器人和虚拟支持人员

• 聊天机器人非常适合处理简单的问题和请求，但复杂问题和高风险变更应由人工处理

• 高效的聊天机器人离不开可靠的知识、清晰的对话路径、上报规则以及持续的效果评估

客户服务聊天机器人可以帮助客户快速获取答案、完成简单请求，并且找到合适的支持路径，不必每次都等待支持人员。对于不断发展的团队，聊天机器人可以处理重复性问题，并将更复杂的问题交由人工处理。

当聊天机器人对接可信知识，并配置清晰的上报路径时，能够缩短响应时长，简化服务请求的管理工作。正确的做法是将自动化与人工支持相结合，确保客户在恰当的时机获得所需帮助。

什么是客户服务聊天机器人？

客户服务聊天机器人是一种软件，它通过自动化对话来回答客户问题、收集信息、分派请求或将问题上报给人工支持人员。

聊天机器人可部署在帮助中心、网站、客户门户、移动应用、即时通讯工具以及协作系统当中。

虽然许多聊天机器人都依靠人工智能处理用户消息并给出回复，但并非所有聊天机器人都具备人工智能能力：

• 一部分聊天机器人遵循预定义规则或决策树运行

• 一部分仅依靠人工智能识别用户意图并生成答案

• 一部分将结构化流程与人工智能支持的知识检索相结合

聊天机器人与虚拟支持人员也有所区别：虚拟支持人员不止能够回答问题，还可以完成各类支持任务，并引导客户完成服务工作流。

客户服务聊天机器人如何工作

客户服务聊天机器人遵循一套简单的工作流来提供客户支持，流程拆解如下：

• 客户发起提问

• 聊天机器人识别客户意图

• 聊天机器人搜索答案或启动流程

• 聊天机器人解决或分派请求

• 支持团队评估效果

Atlassian Customer Service Management 可借助人工智能客户服务支持人员支持这类使用体验，该支持人员能够回答问题、推送相关信息，并在需要人工支持时将请求上报。

客户服务聊天机器人的类型

您可以将多种类型的聊天机器人集成到客户服务管理中，既有功能完备的虚拟支持人员，也有简易的基于规则的聊天机器人。

基于规则的聊天机器人

基于规则的聊天机器人依靠预设路径、按钮以及决策树为客户提供支持。此类聊天机器人最适合处理简单、可预判的请求。

例如，一款基于规则的聊天机器人可以识别客户问题中的关键词，引导客户查看对应的常见问题解答，或是给出预设回复。

人工智能支持的聊天机器人

人工智能支持的聊天机器人借助自然语言处理技术理解客户提问。此类聊天机器人最适合处理表述方式多样的问题，但回答质量取决于底层数据源。

混合型聊天机器人

混合型聊天机器人将结构化流程与人工智能问题回答相结合。例如，借助人工智能提供常见问题解答，而对于需要收集数据或是其他特定步骤的服务请求，则使用结构化流程。

混合型聊天机器人最适合对灵活性有要求的支持团队。

虚拟支持人员

虚拟支持人员不仅能回答简单的问题，还可以引导客户完成工作流、收集数据、创建工作单或附带上下文进行移交。

虚拟支持人员可以处理访问请求、状态更新、故障排除和政策问题。

客户服务聊天机器人的优势

聊天机器人的价值取决于其知识质量、工作流以及上报流程。将聊天机器人对接恰当的支持渠道，能够帮助团队充分发挥自动化的价值，同时不会牺牲客户体验。

何时使用聊天机器人，何时使用人工支持人员

优质的支持体验是用聊天机器人处理可重复的任务，而把需要判断、调查或是情感共情的问题交给人工支持人员。

如何打造更优质的客户服务聊天机器人

打造一款高效的客户服务聊天机器人，首先要选对适合自动化处理的请求，并为聊天机器人提供可供使用的可靠信息。您可以按照这份分步指南着手开展工作。

第 1 步：识别重复的支持问题

团队应首先查看工作单历史记录、聊天记录、帮助中心搜索记录以及支持人员反馈，以找出最高频重复的支持问题。此类问题通常非常适合进行自动化处理。

一些不错的起步场景包括：

• 密码重置

• 帐户访问权限

• 订单状态

• 计费常见问题解答

• 产品设置

• 政策问题

• 常见故障排查步骤

您也可以搭建知识库来解答常见问题。题的答复内容。知识库为客户、支持人员以及聊天机器人提供一个集中的数据源，从中调取常见问题的解答。

第 2 步：按意图对问题进行分组

接下来，将您收集的常见问题列表按意图进行分组。意图指客户联系支持团队想要达成的目标。

例如，需要帐户访问权限或密码重置的客户，其意图是完成登录。客户查找故障排查步骤，则是想要解决软件相关问题。

理解意图，有助于聊天机器人将每一条请求关联至对应的答案、工作流或上报路径。

第 3 步：将聊天机器人对接可信知识

客户服务聊天机器人的效果完全取决于它所能调取的知识来源。请将聊天机器人对接可信知识库，确保每一条答复都经过审批、内容最新且通俗易懂。

文档质量欠佳，会导致聊天机器人输出质量低下的答复。上线前需要核查处理过时、重复或是内容相互矛盾的文章。

搭建自助知识库，能够让客户自行查找答案，以此减少支持请求总量。

第 4 步：设计清晰的对话路径

对话路径应当聚焦于解答问题、完成请求或是分派问题所必需的信息。对于使用对话式工作单处理的团队，同样适用该原则：收集足够的上下文信息推动请求处理，同时避免交互流程不必要地冗长。

以下是设计清晰对话路径的一些准则：

• 使用通俗易懂的语言

• 避免长菜单

• 在执行操作前，确认客户的问题

• 明确告知后续步骤

• 提供联系人工的方式

第 5 步：定义上报规则

制定清晰的规则，以定义聊天机器人何时应将对话移交给人工支持人员，或将请求分派至帮助台。使上报规则与您的服务级别协议 (SLA) 保持一致，以便紧急或高优先级请求能在要求的响应时长内送达对应团队。

可使用的一些常见触发条件包括：

• 低置信度回答

• 负面情绪

• 多次尝试处理失败

• 高优先级问题

• 敏感帐户或计费问题

• 客户要求接入人工

第 6 步：评估与优化

上线之后，需要审查无人解答的问题、问题规避率、工作单分流率、客户满意度评分 (CSAT)、移交质量以及知识缺口。利用这些洞察信息，持续优化答复、更新内容，并完善上报规则。

客户服务聊天机器人最佳实践

• 从高发、低风险的请求开始：聚焦常见、易于解决的请求，以此保障客户满意度。

• 答复保持简短实用：仅包含客户理解答案以及执行下一步操作所必需的信息。

• 简化上报流程：当客户需要人工支持人员时，为其提供清晰的转接路径。

• 使用经过批准的知识来源：仅从已批准的知识来源提取答案，以确保答案准确。

• 定期审查失败的对话：关注未回答的问题、转移、不必要的上报与知识缺口。

• 明确告知客户正在与机器人对话：清晰标识聊天机器人，让客户知晓自己正在和自动化系统交互。

• 保护敏感信息：限制敏感数据的收集与共享，需要验证时使用安全、经批准的工作流。

借助互联的人工智能，实现客户支持规模化

当客户服务聊天机器人在能够调用可靠知识、拥有清晰工作流以及便捷人工支持转接路径时，效果最佳。对重复性问题与请求实现自动化处理，可以让支持人员有更多时间关注复杂问题，同时帮助客户更快获取解答。

Atlassian Customer Service Management 通过共享背景信息与工作流，将客户支持团队与产品、研发及运维团队相关联。其人工智能客户服务支持人员可以处理查询、展示有用信息，并附带背景信息转接复杂请求，无需客户重新描述问题。