智能客服系统的自动应答流程

免费试用

首页 > 客服系统功能 > 智能客服系统的自动应答流程

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。

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。

客服系统功能相关搜索：

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。