基于“店小蜜+訓練師”優化店鋪服務的探索

劉淑霞

[摘要]在人工智能（AI）飛速發展的今天，智能客服在電商行業的應用迅速普及，阿里“店小蜜”智能客服的應用，將人工客服從機械的重復工作中解脫出來，投入到人工智能訓練師這一更具創造性的工作中去。文章將從人工智能訓練師以診斷期為突破口，從數據看板診斷和聊天記錄質檢兩個方面進行“店小蜜”優化，通過店鋪優化前后數據進行論證，實現人機協作，全面賦能服務，為電商保駕護航。

[關鍵詞]“店小蜜”；“店小蜜+訓練師”；人工智能訓練師；優化；服務

[DOI]1013939/jcnkizgsc201916131

1阿里“店小蜜”，服務以一抵百

11電商網店客服現狀

由于店鋪產品多人工客服難以在短時間內掌握，轉化率低，特別是“雙11”“618”等大促活動期間，接待量大，問題重復性大，響應速度慢，在售后環節，分流不足造成接待能力有限，難以應對爆發性咨詢，缺少感情投入交流，造成極差的客戶體驗，影響店鋪服務質量。據資料顯示，淘寶網平臺的網店客服人員工作時間超過12 個小時占比479%，在 10～12 小時之間占比249%，很多客服人員認為工作壓力大，負面情緒多，內容枯燥，重復性強，流動性大，導致企業培養周期長，人工成本劇增，網店客服問題需要由勞動力密集型向科技密集型轉化。

在智能服務時代，人機結合將會成為服務主流，如何將人工客服與智能客服強強聯合，實現人機完美協作，提升店鋪服務質量，目前國內關于這方面的研究文獻較為缺乏，這也正是本文研究的現實意義所在。

12什么是“店小蜜”？

“店小蜜”是阿里巴巴推出的、懂電商的智能客服機器人。阿里巴巴在2017年3月發布，“店小蜜”有全自動和智能輔助兩種服務模式，第一種模式通過簡單的設置即可自動解答用戶大部分日常問題；第二種模式則是人機結合的服務模式，能實現詢單轉化、提升客戶滿意度、提高客服工作效率30%左右。“店小蜜”幫助解決長期以來電商企業的痛點，根據阿里資料顯示，天貓KA商家（Key Account大商家）中用“店小蜜”的商家超過50%，2017年承接服務69億次，服務人數164億，日均引導成交量13億元，幫助同家將服務平均響應時長降低40%以上，用戶平均下一單要向“店小蜜”提3個問題，2017年“雙11”“店小蜜”單天完成對話12億次，目前一個人工客服每天大概接待250人左右，“店小蜜”相當于16萬名人工客服的工作量，實現以一抵百服務的效果。

13目前“店小蜜”存在問題

“店小蜜”雖然在一定程度上減輕了人力成本，但實際操作過程中，還是存在很多問題，主要有：①知識庫配置問題：自定義知識庫配置難度較高，對自定義的問法和劃詞把握不足，則出現買家換一種問法可能就識別不了。②精準性問題：“店小蜜”的解決能力不高，推薦不準確、商品信息回答不夠完善、活動信息針對性不足。③場景轉化問題：話術僵硬，部分場景答案表述難，買家不易理解，售后類問題解決能力偏弱，會引起買家差評。④詢單轉化問題：詢單轉化率一直達不到要求。⑤對接問題：夜間無人值班，用戶咨詢無人接待，體驗不好導致客戶流失。

2訓練師，助力智能服務

“店小蜜”在電商行業的逐步應用，一種新的職業——人工智能訓練師（簡稱：訓練師AI Trainer），已悄然興起，成為業界新寵，他“喂養”“店小蜜”，根據行業及自身店鋪情況，進行配置和不斷優化，助力“店小蜜”有效實現智能服務。

訓練師工作日常是：熟練配置“店小蜜”并能校驗產品應用的效果；對店鋪咨詢問題進行收集、分類和標記，整理店鋪里商品相關屬性、店鋪活動內容等知識和答案，進行判斷和標注分類是否歸類準確；搭建和優化“店小蜜”的知識庫；根據店鋪實際情況，配置校對與更新“店小蜜”知識點并根據測試結果進行問題反饋和不斷優化；提升“店小蜜”對用戶問題的解決能力；根據店鋪實際人工服務流程標準，轉化成“店小蜜”服務買家的流程、規范及標準，完成產品配置；對“店小蜜”的服務情況進行數據分析和品質監控從而進行針對性地優化。

3“店小蜜+訓練師”，全面賦能服務

為提升店鋪服務質量，對“店小蜜”和人工智能訓練師提出不斷學習的要求，文章通過研究分析，提出訓練師以診斷期為突破口，從數據看板診斷和聊天記錄質檢兩個方面進行“店小蜜”優化，構建日常優化思路，全面賦能服務，并通過廣州某知名女裝服飾天貓店鋪的人工智能訓練師花花，在調教“店小蜜”工作過程中進行優化與論證。

31數據看板診斷優化

數據看板是“店小蜜”平臺提供查看機器人使用情況等各項數據指標據報表功能模塊，通過數據直觀地了解“店小蜜”的配置水平服務能力等各項指標，以及在同行業中排名情況，分析數據看板中實時和歷史，不斷優化“店小蜜”知識庫的配置，提升小蜜的接待能力。文章在數據看板診斷的三個方面：歡迎語卡片數據、轉人工知識高頻列表、未解決的買家問題聚類，基于知識庫配置的優化，更新與完善答案，整體優化思路如下：

（1）歡迎語卡片數據：一方面將高頻問題添加到歡迎語卡片；另一方面根據點擊量調整卡片問題。

（2）轉人工分析——轉人工知識高頻列表：一種是沒有配置答案轉人工，優化方法是按四個類別情況進行：知識答案未配置的完善答案配置、增加不關聯任何商品的通用答案、增加不關聯任何時效的通用答案、對使用標簽變量的確認商品沒有對應的參數；一種是給出回復但轉人工，優化方法是根據答案配置情況進行評估處理：答案中配置轉人工的引導提示評估是否合理、答案沒有及時更新的更新答案、答案模棱兩可的使答案明確及減少產生歧義、答案配置過于單一的設置多樣化答案。

（3）轉人工分析——未解決榜：查看未解決買家問題聚類，總結問題，配置到關鍵詞或自定義問答中。

通過分別訂閱三個行業包：服裝、鞋子和箱包，再加一個行業通用總共四個行業包，把官方沒覆蓋到的知識添加自定義問答，服裝屬性很多，比如版型、尺碼等會被買家咨詢，需提前收集，再分類關聯到知識庫中。每個場景可有無限個答案增加，一般一個場景，分四種答案：基礎通用答案、變量答案、關聯商品答案、關聯爆款商品答案，才能充分給予爆款詳細說明機會，讓產品相關的問題庫更豐富，也才能更加針對性地促使買家下單以促成交易。因此進行知識庫精細化配置，通過熟悉官方知識庫、豐富問法、精細分類幾個方法去搭建店知識庫，了解店鋪高頻咨詢，增加機器人識別買家提問的覆蓋面，才能打造出智能客服。

在日常診斷優化過程中，最好有線下動作記錄，方便日常管理和復盤，采用Excel設置優化記錄模板，內容包括原因定位、優化動作、優化后答案、命中次數等，有效提高日常優化工作效率。

32聊天記錄質檢優化

通過有規則抽檢“店小蜜”聊天明細的方式，數據沉淀，分析“店小蜜”的解決能力，對未解決問題做分析，反哺知識庫做優化，提升回復的準確度。聊天記錄質檢優化流程為：建立質檢標準-制作質檢記錄表-抽檢數據深沉-未解決原因分析-結果優化。

質檢常用工具買家咨詢熱點分析和查看接待過用戶的離線消息，質檢的主要路徑為：①離線消息抽檢-篩選請求轉人工客戶-未解決問題分析記錄-知識庫優化；②買家咨詢熱點抽檢-查看咨詢的聚類問題-高頻類問題重點抽查聊天明細-查看服務助手接待的命中問題是否解決-未解決問題分析并記錄質檢表-知識庫優化，并結合日常質檢和活動期質檢進行定期優化和實時優化。

一般將問題分為“店小蜜”無法識別買家問題、匹配錯誤買家問題、無答案回復三種，對應優化方法是總結買家問題并在關鍵詞或自定義問題中配置、在自定義問題中配置問題并測試與反饋匹配情況、設置不同商品/分類/時效的專屬答案。通過掌握店鋪商品特性，梳理商品各屬性，對商品屬性整體歸類，聯動運營部門設立新類目，配置直聯分類提供針對性答案，快速使商品屬性跟問法匹配。

對日常的抽檢記錄，做匯總形成質檢記錄表，內容包括質檢時間、問題大類、買家問法、優化方案、抽檢總量等，分析每類知識問題的解決能力，根據場景的解決能力高低進行重點優化。

33訓練師優化“店小蜜”效果

通過數據看板診斷和聊天記錄質檢，包括對聊天記錄分類與匯總、知識庫配置、買家咨詢熱點聚類分析等多個方面的分析和優化，逐步延伸到對用戶的主動精準營銷，根據用戶的購買習慣進行主動詢問，有效優化詢單轉化，提高詢單轉化率，優化網店客服效率，助力店鋪服務質量提升。

本店鋪通過訓練師以上的優化嘗試，節取了優化前2018年5月1日—7日一周數據，與優化后11月1日—7日數據，進行數據比較分析，發現“店小蜜”在接待人數增加了704人、接待占比提升134%、轉人工率降低1659%，優化效果明顯，具體數據如下表1所示：

除了在一周平均數據上優化明顯，在2018年“雙十一”11月11日，這個購物狂歡節中，本店鋪“店小蜜”接待買家人數為26039人，最終承擔率為4882%，接待占比達到6296%，“店小蜜”參與的詢單轉化率達到4447%，解決率達到7754%，節省人力74人，店鋪同類排名第38名，效果顯著。其中轉人工率，2018年5月份轉人工率都是高達2914%，“店小蜜”7個月以來通過訓練師優化后，截至11月達到1856%，下降了1058%，平均水平保持在22%左右，這也是行業平均水平或更高，5月—11月轉人工率數據具體為圖1所示。

圖1“店小蜜”轉人工率情況

4人機完美協作，為電商保駕護航

新零售模式是基于“互聯網+”為核心，借助人工智能技術手段，重塑產業結構，在AI賦能下，人工智能訓練師需懂得大數據分析、語義分析等全面知識體系，在優化“店小蜜”方面，通過實踐總結訓練師需要儲備以下五個方面知識：①用前準備期：電商基本知識、自身店鋪知識、店鋪服務流程；②快速開啟期：“店小蜜”接待模式、知識庫基礎配置；③內容豐富期：自定義知識配置、答案配置技巧、關鍵詞設置、測試窗運用；④診斷運營期：質檢知識、數據看板運用、店鋪診斷思路；⑤特殊活動期：大促活動配置知識。同時還需具備店鋪運營思維，時刻關注店鋪咨詢問題分布，抓住咨詢重點進行優化，提升“蜜答復”準確性，為用戶提供更好的服務體驗，為企業帶來更強大的競爭力，提升整個業態的效率。

“店小蜜”優化是一個長期持續的過程，文章只是從兩個這方面進行診斷優化，未來還需要在平臺大促活動配置、店鋪服務流程、關鍵詞設置幾個方面進行補充完善，不斷探索以調測出更加符合店鋪的智能機器人。“店小蜜+訓練師”基于人工與智能完美協作，將構建新一代新零售新服務體系，為電商發展保駕護航。

參考文獻：

[1]唐曉波，李新星.基于人工智能的知識服務研究[J].圖書館學研究，2017（13）.

[2]李忠美.基于人工智能的網絡零售客服智能化升級研究[J].合作經濟與科技，2017（24）.

[3]肖鵬，鐘紹輝.基于人工智能的在線客服研究.萍鄉學院學報，2015（6）.

[4]陳全忠.喂食機器人這個飼養員有點酷[J].就業與保障，2018（8）.