如何降低客服机器人转人工的概率

一、识别更多

识别更多，即智能客服机器人是否能够理解用户的更多意图并给出相应的回复。在这里，需要机器人知识库来涵盖更多的业务问题。当业务覆盖率较高时，机器人可以识别更多的意图并回答更多的业务问题。

可以通过聚类历史数据过滤出业务问题。如何从更详细的指标中反映业务覆盖率？

知识库存储的越多，客服机器人能回答的就越多，即未识别问题的比例越低；能够确定和回答的问题越多，比例越高。在这两者之间，还有一个间接回答场景，即如果客服机器人知道但不确定，它会建议用户确认几个类似的问题。

一般来说，为了衡量客服机器人识别的程度，你可以根据机器人回答的类型来判断。直接回复的比例继续增加，间接回复和未识别回复的比例继续减少。

二．识别的准确性

我们想观察机器人是否准确。事实上，我们正在分析机器人是否有信心理解用户的意图，但事实上它是否正确。

机器人认为正确的问题，即我们前面提到的直接回答场景，即，机器人推送的正确消息数与机器人推送的消息数之比可概括为[直接推送精度]。当然，判断机器人的直接回答是否准确需要机器人培训师进行手动质量检查，以获得准确数据。

另外，从直接和间接回答两方面评估。虽然间接的回答是客服机器人没有信心，也没有给出直接的答案，但它给出了一个推荐问题；但是，如果推荐问题都是错误的，则没有意义，甚至会大大降低用户体验，所以我们仍然需要保证其准确性

因此，我们可以将其总结为[综合准确性]，公式可以总结为：（机器人直接推送和更正的消息数+机器人间接应答和更正的消息数）客服机器人直接和间接回答的信息总数。

当然，有些人可能会怀疑客服机器人的间接回答是否正确，这很难衡量，甚至在人工质量检查中存在很大的不确定性。的确，这个指标很模糊，但我们可以从用户的费用中观察到dback动作，即当机器人间接推荐问题，用户采用该问题查询答案时，我们理解机器人的间接答案是正确的。从这个定义开始，我们不需要进行手动质量检查。系统根据用户反馈进行统计。

三、回答是好还是不好

业务覆盖已经完成，准确性已经得到保证。最后，应该给出答案。客服机器人回答得好与否在很大程度上与人工智能能力无关，但与操作效果的衡量无关。在操作员回答每个知识库问题后，答案需要能够解决的问题，安抚了用户的情绪，让用户不会切换到手工工作。因此，这取决于答案是否正确。一方面，我们需要细化每个效果。另一方面，这是一个非常主观的问题，所以我们需要将主观性转化为客观性，即我们需要看用户对每个答案的反馈。

用户对机器人的反馈一般有两种，一种是是否切换到人工，另一种是评价，对应的指标是【答案解析率】和【答案满意度】。

答案解析率是指客服机器人给出答案后，用户是否会切换到人工。如果切换到人工，则表示该答案无法解决用户的问题。如果不切换到人工，则在某种程度上可以理解为回答用户的问题。因此，通过该指示器，操作可以筛选出问题问题的答案转化率最高，并进行有针对性的优化，提高答案的解决率。

答案满意度是通过用户的反馈进行评估，将其分为整体点赞率和单个答案的点踩率来分析问题客服机器人的答案是整体的和局部的。例如，如果一个答案的点击率特别高，我们需要调整策略，是否改变回复内容，甚至牺牲手动的转换率，以确保用户体验摘要，通过上面详细的测量方向，我们可以清楚地看到影响智能客户服务指数的因素，同时，我们也可以通过具体数据知道优化的方向。

点击免费试用，助力企业服务营销数字化升级>>