晚上十点,一位用户在产品页刷新了几次,订单状态停在“已发货”两天没动。他点开客服窗口,输入“我的件到哪了”,系统回了一句标准话术:请提供订单号。他给了。系统回复:您的订单正在运输中。他又问:大概几天能到?系统再次回复:请提供订单号。
第三遍,他打出三个字:转人工。
这个场景在各类网站上反复上演,也很难靠换一个模型解决。把这段对话拆开看,用户第一句问的是当前位置,第二句问的是时间预期,字面上只差几个,背后却是两个不同的意图。
它多数时候在“猜”,不是在“听”
意图识别通常是一个分类过程:把用户这句话放进若干预设类别里,算出一组概率,取偏高的那一个。麻烦在于,当两个类别得分接近时,系统往往不承认自己拿不准,而是挑一个看起来最像的方向作答。于是就出现了那种“回答得没错,但完全没解决问题”的回复——它把“运输中”这个状态又说了一遍,而用户想知道的是明天上午还是后天下午。
知识库也常被误解。它更像一堆被切成段落的文档,系统靠字面和语义相似度去取。取到哪一段,取决于原文怎么写。如果关于时效的说明本身含糊,检索再准,也只是把含糊原样搬给用户。
一次对话里,混着三件不同的事
- 把事情办成:修改收货地址、查物流、解绑账号。这类动作有明确入口,也有权限边界。
- 把信息说清:规则、时限、例外条件。这属于知识如何组织的问题,不是话术问题。
- 把人接住:用户带着情绪来,先需要被确认,而不是先收到一段条款。
很多智能客服上线后效果不及预期,原因不在模型不够强,而在上面三件事被塞进了同一个对话框,又用同一套指标衡量。业务办理看完成率,知识问答看命中率,情绪安抚没法量化,就容易被忽略。
“转人工”不该被当成失败的信号
不少团队把转人工率看成一项要压下去的指标。可用户按下这个按钮,通常说明他判断这件事需要有人负责——要么涉及例外,要么已经沟通了几轮仍没结果。把这个动作压住,表面上对话闭环了,问题还悬在那里,用户只是换了个渠道再来一次。
更该被关注的是转过去之后,坐席看到了什么:完整的对话记录、已经确认过的信息、用户真正卡住的那一句。如果人工接通后还得从头问“请问有什么可以帮您”,前面几十轮就白费了。转接是交接,并非把问题抛给下一环节。
有些事,它早点说“不知道”更好
涉及承诺、例外和责任的问法,比如“能不能今天发出”“这个损失谁承担”,本身已经超出了知识检索的范围。系统可以查规则,但无法替企业做判断,也不该在没有授权的情况下给出承诺。这类问题越早交出去,用户等待的时间越短。
我比较在意一个细节:系统有没有诚实地表达不确定。“这个问题我不确定,帮您转给同事”这句话,比一段编得很顺的答案更让人安心。前者让用户知道下一步会发生什么,后者则会让用户在半小时后发现自己被误导。是否敢于承认不知道,通常比多背几百条话术更有用。
回到开头那位用户。他要的并非一段更流畅的回复,而是一个能告诉他“明天上午到”的人。智能客服真正能做的,是把确定性的事办干净,把不确定的事尽快交到人手上。这两点做到,它就不必再费力假装自己像人。