智能客服后台
传统的客服工作模式包括网站客服和电话客服：
(1) 公司向用户提供客户服务网站。用户通过网站提交问题反馈。这些反馈信息将通过系统显示给客服人员。客服人员每天都会对这些问题进行一一解决，解决后通过站内信函或短信的方式回复用户。在这种模式下，用户在客服网站上的操作往往比较繁琐，解决问题的过程周期长，可能需要数小时甚至数天的时间，导致用户体验不佳。
（2）公司向用户提供客服电话，用户通过电话咨询客服。这种模式虽然简单，但可能存在问题描述不清晰、沟通成本高等问题。例如，客服在解决某个问题时往往会要求用户提供额外的信息，而一个电话可能会持续很长时间。一般一名客服人员每天可以完成60-80个电话，服务效率低，客服人工成本高。
大多数客服问题实际上都是高频重复问题。这些问题往往都有标准答案，可以通过机器来解决。可以搭建智能问答系统，自动解答用户问题。当用户对答案不满意时，他可以向人工客服寻求帮助。在这种机器自动问答、人工客服协助的模式下，大部分客服问题都由机器解决，只有少数机器无法解决的复杂问题才会由人工客服解决。这不仅提高了用户体验，也提高了客服人员的水平。人的有效性。
与旧模式相比，这种新的客户服务模式的优点是：
（2）客户服务高效。 “棒棒”可以自动回答大部分问题。人工客服只需使用IM在线客服聊天工具即可回答少量复杂问题。机器加工与手工加工的比例约为8,333,602。每个IM客服人员每天大约可以处理120-150个用户咨询，远高于电话客服每天处理60-80个用户咨询。因此，我们会尽量让用户的询问首先流向IM在线客服，只有最复杂的问题才会被引导至电话客服。通过这种从智能客服到IM在线客服再到电话客服的方式，我们可以用有限的客服人员来处理更多的用户咨询。
--
02
邦邦智能客服系统
“棒棒”整体技术架构如图所示，包括基础服务层、应用服务层、编辑操作层、接入层和在线客服系统。
基础服务层提供对话系统的基础技术能力。系统需要理解用户输入的句子。这里需要一个自然语言理解模块来对句子进行分词、词性标注、实体识别、关键词提取、语法分析等。同时，需要识别用户的意图，包括一般意图和商业意图。一般意图是指用户是否进行业务咨询或聊天。业务意图是指用户是否进行业务咨询，咨询的具体业务是什么。将使用文本分类技术对其进行识别。用户意图。
基础服务之上是应用服务层。该层具体实现了基于问答知识库的KB-Bot机器人、Task-Bot任务对话机和Chat-Bot聊天型机器人。这就是“棒棒”系统核心能力的三类。编辑运营层是指支撑《棒棒》算法策略迭代的编辑团队。主要完成数据标注、问答操作、数据分析和效果评估的工作。这些工作的输出会影响基础服务层和应用服务层。基于应用服务层，我们向外界提供通用的接口服务，方便业务访问。我们支持Android、iOS 和Web 的访问。另外，机器也不是万能的。用户仍然有很多复杂的问题需要手动解决。有在线客服系统，提供人工在线客服能力。应用服务层将与这个在线客服系统无缝连接。
“棒棒”系统的核心是提供三种能力：KB-Bot、Task-Bot 和Chat-Bot。下面介绍这里所使用的技术。
KB-Bot是指基于问答知识库的会话机器人。主要实现“棒棒”——最重要的能力，并提供业务咨询服务。
58%的用户使用棒棒主要用于业务咨询，比如询问账号为何被锁定、帖子为何被删除、如何购买置顶服务等。业务咨询的答案需要基于问答知识库。这里的问答知识库是一个包含很多问答对的数据集。我们将问题分为标准问题和扩展问题。例如，“你为什么删除我的帖子？”这是一个标准问题。陈述表达很标准，就会有标准答案。提出问题的大致方法称为扩展问题，例如“你为什么删除我的帖子？”、“告诉我为什么你删除了我的帖子”等，都表达了相同的含义，并且这些问题也对应于相同的标准答案。有了问答知识库，当用户来提问的时候，就是一个问题匹配的过程。只需要将用户输入的问题与知识库中的问题进行匹配，得到含义最接近的问题，然后将对应的答案返回给User，就完成了一次问答操作。问答知识库的建设非常关键。这里，首先将客服团队历史积累的问题数据进行抽象，形成标准问题，然后结合算法和标注对标准问题进行扩展，形成初始问答知识库。系统上线后，将处理新的问题。生成的数据将被挖掘以不断扩展知识库。
基于知识库的问答可以使用检索或分类模型来实现。
检索答疑的过程为：首先对用户输入的问题进行处理，如分词、关键词提取、同义词扩展、句向量计算等；然后根据处理结果在知识库中进行检索匹配，例如使用BM25、TF-IDF或向量相似度等，来匹配问题集，这类似于推荐系统中的召回过程；由于我们是一个问答系统，我们最终会直接返回一个答案给用户，所以我们需要从问题集中选择最相似的问题。这里，问题集会被重新排序，例如使用规则、机器学习或深度学习模型来排序。每个问题都会被分配一个分数，并选出top1，并将该问题对应的答案返回给用户。这就完成了。一个对话的过程。在实际应用中，我们也会设置一个阈值来保证答案的准确性。如果每个问题的最终得分低于阈值，则排名靠前的问题将以列表的形式返回给用户。最终用户可以选择他想要的。提出问题并获得具体答案。
这里也可以使用分类模型来实现问答。一个标准问题有多种扩展提问方式。每个标准题都可以看作是一个分类。用户的输入被映射到标准问题以完成答案。因此，该问答可以看作是一个大规模的短文本分类问题。我们采用多特征、多模型、多分类结果融合的方法来完成短文本分类。我们尝试在特征层中使用单个字符、单词、词性、单词属性等多种特征。我们在模型层应用FastText、TextCNN和Bi。 -LSTM等模型，各个模型的结果输出最终会被融合，得到最终的分类结果。
Task-Bot在特定条件下提供服务，以满足目的明确的用户，例如查看天气、查看物流、预订机票等任务场景。用户需求一般比较复杂，通常需要机器人与用户进行多轮交互，帮助用户明确自己的目的。我们已经实现了标准的多轮对话系统。首先，自然语言理解模块会识别当前输入问题的意图和槽位，然后输入到对话管理器以确定下一步的回答动作，最后通过自然语言生成模块生成。答案返回给用户。
这是一个具体的应用示例。用户输入“你为什么删除我的帖子？”经过自然语言理解处理后，意图识别模块会将其识别为任务类型服务。用户想询问删除帖子的原因。通常，问答系统会向用户进行回问，要求用户在查询前提供帖子ID。这里我们用另一种设计来完成：首先调用发布中心接口拉取用户已发布的帖子列表并展示给用户，让用户选择对应的帖子。用户点击特定帖子后，帖子ID会传递到问答系统，问答系统再调用相关接口查询帖子删除原因并返回给用户。这整个过程就是一个用户自助查询的过程。与以往相比，用户必须向客服人员查询自己的帖子ID。客服人员登录相关系统，输入帖子ID查询结果，效率要高很多。
聊天服务基于聊天语料库，采用模板匹配、检索回答、生成对话等多种技术实现。模板匹配采用AIML和正则表达式匹配；检索答案类似于KB-Bot中的方法：先搜索，然后使用模型排序；当模板匹配和检索答案都无法给出聊天答案时，我们将使用SeqSeq生成对话，我们使用标准的Seq2Seq模型。问题首先输入到一个双向LSTM编码器，然后加入Attention机制，最后使用单层LSTM进行解码得到结果输出。生成式对话往往会产生难以理解的答案，这也是业界难以解决的问题。
在线客服系统是用户与客服人员之间的桥梁。 58业务场景下，支持多个业务部门不同客服团队的注册和使用。不同的客服团队可以管理自己的客服人员。当用户点击智能客服窗口中的转人工客服按钮时，智能客服会识别用户转入的目标客服团队，在线客服会指派客服人员与该客户进行沟通。用户。在线客服系统支持用户排队功能。当同时转人工客服的用户较多且客服人员有限时，用户会进入等待队列。智能客服在识别用户业务意图时往往存在一定的错误率。有时与用户沟通一段时间后，客服人员会发现用户的业务问题需要其他客服团队来解决。这时客服人员会将对话转接给其他业务团队，因此在线客服系统也需要支持对话流程。另外，数据在通信过程中也非常重要。例如，自动问答的答案可以根据人工通讯记录进行优化，因此数据监控也是必备功能。
一个智能客服系统需要一个完整的评价体系来评价其质量。在我们的评估体系中，有两种方法：基于人工标注的评估和基于用户反馈的评估：
(1)基于人工标注的评价
“棒棒”可以自动回答业务咨询、任务和聊天类型。基于问答知识库解答业务咨询。系统的解答能力受限于知识库的丰富程度，因此并不是所有用户的问题都能得到解答。系统最好的状态是准确回答所有能回答的答案，拒绝所有不能回答的答案，即拒绝回答。因此，这里的评价指标包括结果率、拒绝率、召回率、准确率等。我们的目标是让系统的结果率无限接近数据的真实结果率，召回率和准确率为尽可能高。这里我们通过标注标准评价集来计算系统的各项指标。我们会从每天的全数据集中采样一个小数据集，保证小数据集的数据分布尽可能的匹配全数据集，然后标注团队会对数据集进行标注，得到实际答案每个问题都有注释。一般标注完成后会有一个质检步骤，以保证标注结果尽可能准确，从而生成标准的日常数据评估集。
基于这个标准评估集，我们会评估系统的质量，每次迭代新模型时，我们都会使用标准评估集来评估新模型。只有新模式生效了，才允许上线。
(2) 根据用户反馈进行评估
人工评价可以评价智能客服系统的准确性，但回答是否合理、能否为用户解决问题需要用户的反馈和评价。整个智能客服系统的最终目的是帮助用户解决问题。我们会在产品上设计智能客服和在线客服的评价功能。例如，会要求用户对智能客服的每一个回答或者某个对话进行评价。与人工客服聊天后，将向用户发送评价卡，以评估满意度。最后我们会统计参与率、满意度等指标。这些指标能够真实反映智能客服系统的质量。在实践中，用户参与评论的比例往往较低，因此我们会通过各种方式来刺激用户评论。
以上内容介绍了“棒棒”智能客服系统中的技术和评价体系。我们将在迭代算法策略时不断优化评价指标。首先，离线模型迭代时，会根据标准评估集计算离线指标。只有指标改善了，才允许模型上线。上线后会启动ABTest。首先新模式会小流量上线，然后就会看到数据效果。如果效果好的话，就会有更多的流量切换到上线。
这里的具体实现分为两种：
也有一些业务方不想通过微信获得“棒棒”的自动问答功能。他们只是希望我们提供一个接口。业务方可以输入问题，接口可以返回答案。对于这个方法，我们将其封装在问答引擎之上。提供了一层http服务，业务方只需要调用该服务即可。
下面介绍问答引擎的后台架构。问答引擎分为数据层、逻辑层和接入层。
数据层包括问答知识库、标注和操作数据以及构建的问答索引。逻辑层各功能模块基于SCF框架封装成微服务，包括NLU服务、模板匹配服务、检索服务、排序服务、预测服务、聊天服务和主服务。主要服务负责向外界提供通用接口并接收问答请求。调用各个子服务完成问答逻辑得到答案，并将答案返回给接入层。这里我们要做ABTest实验，主服务会请求ABTest平台“Sundial”（一个自研的ABTest平台，包含请求分流和数据监控功能）来获取具体的分流实验信息。此外，我们所有的算法迭代都是通过自主研发的人工智能平台实现的，标注和操作数据均由Web标注管理系统提供。
我们也会通过运营来提升问答效果。对于问答系统中高频出现的不良答案，我们会进行人工更正，并实时同步到线上系统，确保答案准确。
我们每天都会采样“棒棒”生成的部分问答数据来标注标准评价集。从标注结果中，我们可以看到哪些问题回答错误。我们将在这些问题上标出正确答案，并立即将其发布到网上。这是因为在线问答模型更新周期较长，通常需要几天或一周，而不良案例可以通过人工操作快速剔除。标准评估集数据较少，只会包含少量的不良案例。我们也会挖掘全天的数据，找出高频的类似问题，交给标注同事进行标注。如果答案错误，将在线发起批注操作。通过这种人工操作的结合，我们可以提高“棒棒”回答的准确性。
我们也会通过产品设计来提高问答的准确性。 “棒棒”的主要功能是解决业务咨询，这是基于我们构建的问答知识库。因此，可以设计一个输入提示功能。当用户输入问题时，会匹配问答知识库中的相关问题。如果匹配，用户可以直接选择相关问题。这时候我们的答案逻辑就是在知识库中进行硬匹配。代替使用算法模型匹配，可以大大提高答案准确性。在实际应用中，我们发现很大一部分问题会通过输入匹配来匹配。这种方法最终将答案准确率提高了8%，效果非常可观。
“棒棒”是一个通用的智能客服平台，需要连接58集团内部多个业务方。为了提高访问效率，我们设计了通用的Web访问平台。业务方注册登录平台后，只需简单配置机器人并导入知识库即可获得智能客服能力，如配置机器人欢迎语言、热门问题、配色等。会自动生成前端页面的链接，业务方可以嵌入相关门户。智能客服上线后，我们会将在线数据反馈给接入方，接入方可以在Web平台上查看统计数据和详细数据。还有一点需要强调的是，我们将知识库的管理开放给接入方。接入方可以导入并更新自己的问答知识库。我们还会对问答数据进行分类、聚类、主题提取等操作。向业务方提供相关中间结果，业务方据此更新知识库。
“棒棒”已接入五吧集团三大平台：五吧、赶集、安居客的30多个业务场景。每天可以解决数万用户的客服咨询。此外，“棒棒”还应用于公司内部HR、行政和运维系统中，提高内部员工的办公效率。通过我们不断迭代算法策略，目前“棒棒”问答系统的召回率已经达到90%，准确率达到85%。
詹坤林，58集团AI实验室负责人、高级算法架构师，负责推动AI技术在58生活服务行业的落地，为集团打造综合AI能力。曾任腾讯高级工程师，负责腾讯微博/腾讯新闻推荐算法研发。
标签：
用户评论
哎，看了这个智能客服系统，真是长见识了。58同城这技术真是“棒棒”的，感觉以后找房子、找工作都方便多了。
有15位网友表示赞同！
我一直觉得58同城的客服挺不错的，现在这智能客服系统一上线，简直不要太贴心。技术“棒棒”的，点赞！
有14位网友表示赞同！
58同城的智能客服系统“棒棒”的技术，可是解决了我们这些经常在58同城找信息的人的大问题啊。太实用了！
有15位网友表示赞同！
58同城的智能客服系统，这名字起得真“棒棒”，技术揭晓后，感觉以前的不满意都可以原谅了。
有18位网友表示赞同！
58同城这智能客服系统一出，感觉其他平台的客服都弱爆了。技术揭秘后，我算是彻底服气了。
有7位网友表示赞同！
58同城的智能客服系统“棒棒”的技术，我算是见识了。再也不用担心找不到合适的房源或者工作信息了。
有17位网友表示赞同！
这个58同城的智能客服系统“棒棒”的技术，简直让我对58同城刮目相看。以前对他们的印象都改观了。
有20位网友表示赞同！
58同城的智能客服系统技术揭晓，这回是真的“棒棒”了。我都要开始重新考虑在58同城发布招聘信息了。
有6位网友表示赞同！
看了58同城智能客服系统的技术揭晓，我觉得他们真的在用心做服务。这技术“棒棒”的，必须给好评。
有8位网友表示赞同！
58同城的智能客服系统，这回是真的让我感受到了科技的力量。技术“棒棒”的，希望其他平台也能跟进。
有11位网友表示赞同！
以前觉得58同城的客服不太给力，现在看了智能客服系统的技术揭晓，真是“棒棒”的，太让人惊喜了。
有8位网友表示赞同！
58同城的智能客服系统“棒棒”的技术，让我对他们的印象完全改观。以后找信息，就找他们了。
有18位网友表示赞同！
58同城的智能客服系统，这技术“棒棒”的，可是把其他平台的客服都比下去了。太厉害了！
有16位网友表示赞同！
58同城的智能客服系统技术揭晓，这回是真的让我对他们的服务有了信心。感觉找信息都变得简单了。
有17位网友表示赞同！
58同城的智能客服系统，这技术“棒棒”的，感觉就像有个小助手在身边。再也不怕找不到合适的信息了。
有14位网友表示赞同！
58同城的智能客服系统“棒棒”的技术，让我对他们的好感度飙升。这回真的要给他们点个赞！
有15位网友表示赞同！
看了58同城智能客服系统的技术揭晓，我真是大开眼界。这技术“棒棒”的，未来可期啊！
有15位网友表示赞同！
58同城的智能客服系统，这回真的让我对他们的服务有了信心。技术“棒棒”的，希望他们能继续保持。
有20位网友表示赞同！
58同城的智能客服系统，这技术“棒棒”的，感觉像是未来的科技已经来到了我们身边。太神奇了！
有20位网友表示赞同！
58同城的智能客服系统“棒棒”的技术，让我对他们的印象完全改变了。这回是真的觉得他们很用心了。
有20位网友表示赞同！