发布时间：2024-07-03 14:28:10 人气：6244 来源：
随着人工智能技术的飞速发展，越来越多的企业开始借助AI为客户提供服务。其中，智能文本机器人因其服务范围广、部署灵活、配置简便、成本低廉等优势，成为众多企业上线智能服务的。然而，若重建设轻运营，随着时间的推移，机器人的训练难度将增加，服务效果将下降，进而影响客户满意度。为了更大化智能文本机器人的作用，需要对其进行持续、专业、科学的运营，以实现机器人数据效果与业务效果的不断优化。图灵AI知识研发团队，基于多年的行业与数据场景积累，从实际训练经验与案例出发，为大家分享文本机器人持续训练提升的方法。
一、机器人训练的3大核心目标
对于机器人的训练工作，首先要明确训练目标，即为什么要训练？训练要解决哪些问题？机器人的本质是为客户服务解决问题，因此，机器人需要先能够准确理解客户的问题；其次，能够在知识库中找到对应的标准答案；最后，以客户喜欢和愿意接受的方式传达给客户。围绕机器人服务流程，我们可以明确出以下三个训练目标：
机器人业务覆盖目标：确保机器人能够准确理解用户的问题。
机器人应答准确率目标：确保机器人能够找到客户问题的对应答案。
机器人答案满意目标：确保机器人的答案能够让用户听懂、听得舒服。
我们的训练工作就需要尽可能提升机器人的业务覆盖率、准确率、满意度，并降低转人工率。唯有围绕这些目标开展机器人的训练与优化，才能真正使得机器人在减轻人工服务压力的同时，保持甚至提升客户满意度，避免客户投诉和流失。
对于文本机器人的训练提升，可以从上述三个目标所对应的指标入手，拆解具体的细分影响数据，通过对话日志质检、数据指标趋势分析等发现影响这些指标的因素。以常见的转人工指标拆解为例，常见影响数据主要包括首句转人工、识别错误、答案不合理、无法回答等。通过质检和统计这些影响数据，从知识库结构合理性、知识点合理性、多轮问答设计、教育数据、答案话术设计等多个维度去分析评估问题，再根据不同的问题构建不同的解决方案，为最终的指标服务。
二、机器人知识库精细化运营
日志质检分析
机器人训练运营最重要的是用户对话日志质检。通过分析用户对话日志，我们能更加贴近真实客户，了解客户的真实意图与需求。对于日志的分析，要建立合理的数据跟踪指标，围绕目标设计一套完整的分析质检方案。
机器人教育数据优化
对于机器人准确率的提升，首要的是模型训练教育。教育数据通常来源于人工编写或用户日志，但这些数据不建议直接用作教育，需进行一定调整。以下为某公司教育数据优化标准：
教育数据必须是在知识点语义范围内，意图明确的，不能有跟意图和答案都不相关数据或无法解答的问句。
添加的教育数据不能漏掉重点词。
教育数据语义较丰富，不能模板化。
教育数据要保持一个适中的水平，避免出现低质量的数据。
教育数据分布均衡，不能出现头部知识点过多，尾部过少的情况。
机器人知识点新增
要想不断地提升机器人的业务覆盖范围，知识点的新增必不可少。新知识点可通过业务范围的扩大、日志质检发现、产品工具系统的快速发现等方式获取。但同样不建议把系统推荐知识点直接拿来即用，而是按照一定的规范来新增标准问。
机器人歧义优化
在实际的训练工作中，多人协同的工作模式往往容易出现理解歧义，最终影响到文本机器人问答准确率。要想尽可能避免这种情况，训练师团队要建立统一的作业标准，并定时通过歧义发现工具或质检流程开展歧义排查。
机器人答案话术设计
对于机器人答案话术的设计，不能简单地将标准知识库答案进行复制粘贴。可参考以下标准进行客户化调整：答案要具有针对性、通俗易懂、简洁明了，并考虑不同渠道的特点进行配置。同时，答案要体现温度，站在客户角度着想。
三、机器人服务流程策略优化实践
除了上述提及的几个方面，还可以从服务策略角度入手对机器人进行训练优化。
转人工策略优化
在面对转人工指标的情况下，除了从知识库本身出发外，还可以采用以下的优化策略降低转人工率：隐藏转人工入口以培养用户自主解答能力；优化拒识转人工策略；增加转人工场景并进行轮机器人识别。
满意度策略优化
满意度的提升可以通过优化邀评策略、对负向情绪进行人工处理以及简化满意度评价界面等方式实现。
机器人的训练优化是一个长期的过程。虽然每家的产品形态不一，但底层的方法论是通用的。在日常训练运营中，我们不仅要关注以上内容，还需要从外部视角去发现问题，多模拟用户去前端体验机器人，多花时间去体验、琢磨和探索业界最新、更佳的实践路径，从而为最终用户带来更佳的机器人体验和业务价值。同时，结合图灵AI电话机器人、图灵大数据等先进技术，可以进一步提升机器人的智能化水平和业务效果，实现AI外呼营销获客等多元化应用场景。
