智能客服系统的自动应答流程 - 快商通

免费试用

智能客服系统的自动应答流程

作者:快商通发布时间:2020年06月04日阅读量:
摘要:
智能客服系统在自动回复用户提问场景中, 结合用户相关的业务系统日志挖掘平台的分析结果, 可以更加准确地理解用户,从而可以反馈有效的 FAQ 和答案。
客服系统
1、客服系统的用户意图分析
在线客服客户端接收来自用户的文本会话消息,对用户报障/问题咨询进行文本语义识别,客服引擎通过对文本上下文语义分析、关键字提取,对用户情感聚类分析,获取客户意图等关键信息;
2、根据用户行为判断意图
客服系统会实时分析用户行为数据,根据用户历史操作行为数据,对用户的当前业务行为进行分类,确定与用户相匹配的当前行为特征, 生成 UserID 维度的用户行为分析报告, 作为用户报障及问题咨询的辅助分析来源。 
3、生成日志
结合用户的访问行为,客服系统将会确定和更新用户异常特征行为匹配,生成 UserID 维度的用户业务异常告警, 作为用户报障及问题咨询的辅助来源。 
4、匹配精确回复
通过产生的日志和访客提问内容关联起来, 智能客服系统实现会话语义分析与业务日志挖掘的双重辅助分析,快速定位异常行为特征缩减答案范围,精确回复用户咨询问题。 例如用户在频繁拔插数据线电缆,及异常日志中产生连接错误代码, 则用户可能在连接手机阶段时出现问题,客服引擎则结合用户特征生成解决方案,提高问题解决成功率;
智能客服系统的自动应答流程
5、问题处理解决
客服系统根据用户的咨询问题, 将有效的 FAQ 和解决方案推送至用户客服终端。 用户根据客服系统回复的解决方案,对故障进行处理,最后在确认问题是否得到解决及满意度方面进行评价反馈;
6、更新用户特征数据库
客服系统通过用户满意度反馈,基于 LSTM 长短期记忆网络模型、CNN 神经网络模型等深层次自学习,更新用户的特征及解决方案库、调整权重等参数。
总结:
本文提出的智能客服系统, 通过获取业务系统的用户行为及异常日志数据进行深度挖掘分析, 同时与用户提问上下文语义情感分析相关联, 基于用户 LSTM 长短期记忆网络模型、CNN 神经网络模型等深层次分析算法,比传统应答式客服系统可以更准确诊断用户问题特征和情感诉求。 智能客服系统先于用户在业务使用过程中发现问题, 在用户投诉前及时推送问题预警及解决方案关怀信息, 并精确回复用户咨询问题,最终达到提升使用业务系统的用户感知,降低用户故障投诉率,降低传统的人工客服压力和节约企业成本的目的。
自动回复机器人
本文所有权归属于快商通所有,未经本公司许可,不得转载、引用、摘录、摘编、复制、下载、打印、传播,否则快商通将依法追究相关行为人的法律责任。

在线客服免费试用,输入手机号即可

免费试用
联系我们

服务热线:400-900-1323

地址:厦门市集美软件园三期B20栋11-13层

扫码关注微信公众平台