我们在网上购物时，无论多晚找客服咨询，对面均会回复一句“在呢，请问有什么可以帮助您？”，屏幕背后大部分为智能客服机器人。

在不同业务场景对话中，如何提高智能机器人对用户意图识别和对话逻辑控制，提高营销转化，是每个智能机器人厂商不断迭代的技能。

7 年来专注研发“AI＋SaaS”售前在线客服产品的易聊科技，作为较早一批将 AI 技术应用于售前客服领域的企业，打造出在线客服、售前 AI 客服机器人、CRM、SCRM、AI 智能外呼等产品。其中以售前机器人而言，其市场份额已超过 80%，覆盖医疗、教育等 20 多个行业 70%的头部企业。

为什么易聊科技售前机器人这么神？在近日的媒体沟通会上，易聊科技首席科学家&AI算法带头人王函石深度解析下。

01 别想当然，售前售后机器人大有不同

王函石表示，在对话的深度、明确的目标、相应的速度、聚焦对话管理这四方面处理上，均有一些差异。

（1）对话深度：在售前咨询里，很多用户的问题不明确，售前机器人需进行多轮对话，引导出用户的真实需求，并总结变成真正的问题，然后再做解答。

（2）明确目标。在售前场景中需给机器人定一个明确的目标，如拿到用户的手机号码、微信号等。而售后则是访客问什么问题，机器人就解答什么。

（3）响应速度。在售前场景里，如果商家的回答速度慢了，很容易流失掉用户，因此售前机器人的响应速度非常重要。

（4）聚焦对话管理。售前机器人不仅对当前对话搞清楚就可以，而是要记录多轮对话以及明确终极导向目标，这是个整体对话的过程，对话控制尤为关键。

为什么易聊科技深耕售前机器人？

易聊科技联合创始人张炜表示，做售后机器人的好处是风险低、易切入，如售后机器人可以处理 40%的问题，就相当于企业节省 40% 的人工成本，剩下部分处理不了的就交给人工来处理。反之，售前领域门槛高、风险大，对访客转化率有需求，所以厂商很少，假如自己做得别人的转化率稍高一点，便拥有很多机会。

02 多轮对话、NLP 技术，打造自然人机交互智能客服体验

易聊科技在售前机器人的多轮对话和 NLP 技术上做了众多算法创新，从而给用户自然的人机交互智能客服体验。

易聊售前机器人的对话系统逻辑结构主要分为意图识别和对话逻辑控制两部分。

一、意图识别算法通过分析访客话语，抽取特征（语义标签），来识别访客的真实意图，获得访客信息。

通俗来说，意图识别主要是识别访客在对话过程中表达的意思，其中可分为特定信息识别，如手机号、微信号等联系方式。还有特征判别，如时间、地点、年龄、项目等，还有咨询报名时间、咨询项目价格等意图。

二、对话逻辑控制算法则根据意图、访客信息，在场景间转换，进行特征迁移，根据更加细节的特征以及规则产生式生成回答，控制对话流以导向既定目标（比如索联）。

对话管理可分为对话记忆和场景。对话记忆是记录整个对话流程，便于了解用户当时和历史意图。场景是在指定前提条件下，访客可能会说什么内容，机器人将做出什么应答。

目前易聊科技已拥有 100 万级的特征，近 6万场景，近百万迁移产生式的对话系统规模。

举例来说，在实际应用中，用户与智能客服对话时，常常遇到用户需要重复多次，机器人才理解的场景。对此王函石表示，在技术上需要拆成两部分来看，一是机器人对访客的理解是不是需要访客多次重复问题后才能理解，二是当机器人理解后，是否回复多次相同的回复。

首先，机器人对访客问题的理解由意图识别的精准度、覆盖率和意图识别的记录来决定，它会对上下文做相关记录。如果是在电商售后场景上，基于单问单答的方式，对上下文不会做太多处理；在售前场景上，会在多轮对话上做优化，再结合上下文来处理。

二是问题理解后，可以避免重复回答。为了让这个回答显得更加自然，对同样含义的问题会备很多回答，机器人将随机选择一个之前没有回答过的进行回答就好。

03 机器学习模型加持，知识库辅助

值得一提的是，客服机器人使用机器学习模型的方法主要应用在意图识别部分，提高识别正确率是模型优化的目标。易聊客服机器人结合Bert深度模型，并根据模型占用算力的差异采用了分层识别架构，加上自适应快速聚类方法和知识库辅助构建，以及主动学习、小样本学习、强化学习等机器学习技巧，相较于早期简单识别方法，新方法将识别正确率提高到98%以上，在部分场景下识别正确率可达100%，而识别速率几乎没有下降。

售前机器人的效果主要依赖背后的知识库，易聊科技也不断地在丰富自己的知识库。问答知识库通过原始客户提供的对话记录，抽取相关的问题。采用半自动构建的方式，自动抽取QA+人工检验。产生式知识库用于特征辨别，来确定场景。采用人工构建的方式，其中可通过聚类分类的方法来降低人工量。

最后告诉大家一个好消息，易聊在线客服系统（IM）于日前宣布永久免费向公众开放，助力企业进行营销转化。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。