基于“店小蜜+训练师”优化店铺服务的探索

刘淑霞

[摘要]在人工智能（AI）飞速发展的今天，智能客服在电商行业的应用迅速普及，阿里“店小蜜”智能客服的应用，将人工客服从机械的重复工作中解脱出来，投入到人工智能训练师这一更具创造性的工作中去。文章将从人工智能训练师以诊断期为突破口，从数据看板诊断和聊天记录质检两个方面进行“店小蜜”优化，通过店铺优化前后数据进行论证，实现人机协作，全面赋能服务，为电商保驾护航。

[关键词]“店小蜜”；“店小蜜+训练师”；人工智能训练师；优化；服务

[DOI]1013939/jcnkizgsc201916131

1阿里“店小蜜”，服务以一抵百

11电商网店客服现状

由于店铺产品多人工客服难以在短时间内掌握，转化率低，特别是“双11”“618”等大促活动期间，接待量大，问题重复性大，响应速度慢，在售后环节，分流不足造成接待能力有限，难以应对爆发性咨询，缺少感情投入交流，造成极差的客户体验，影响店铺服务质量。据资料显示，淘宝网平台的网店客服人员工作时间超过12 个小时占比479%，在 10～12 小时之间占比249%，很多客服人员认为工作压力大，负面情绪多，内容枯燥，重复性强，流动性大，导致企业培养周期长，人工成本剧增，网店客服问题需要由劳动力密集型向科技密集型转化。

在智能服务时代，人机结合将会成为服务主流，如何将人工客服与智能客服强强联合，实现人机完美协作，提升店铺服务质量，目前国内关于这方面的研究文献较为缺乏，这也正是本文研究的现实意义所在。

12什么是“店小蜜”？

“店小蜜”是阿里巴巴推出的、懂电商的智能客服机器人。阿里巴巴在2017年3月发布，“店小蜜”有全自动和智能辅助两种服务模式，第一种模式通过简单的设置即可自动解答用户大部分日常问题；第二种模式则是人机结合的服务模式，能实现询单转化、提升客户满意度、提高客服工作效率30%左右。“店小蜜”帮助解决长期以来电商企业的痛点，根据阿里资料显示，天猫KA商家（Key Account大商家）中用“店小蜜”的商家超过50%，2017年承接服务69亿次，服务人数164亿，日均引导成交量13亿元，帮助同家将服务平均响应时长降低40%以上，用户平均下一单要向“店小蜜”提3个问题，2017年“双11”“店小蜜”单天完成对话12亿次，目前一个人工客服每天大概接待250人左右，“店小蜜”相当于16万名人工客服的工作量，实现以一抵百服务的效果。

13目前“店小蜜”存在问题

“店小蜜”虽然在一定程度上减轻了人力成本，但实际操作过程中，还是存在很多问题，主要有：①知识库配置问题：自定义知识库配置难度较高，对自定义的问法和划词把握不足，则出现买家换一种问法可能就识别不了。②精准性问题：“店小蜜”的解决能力不高，推荐不准确、商品信息回答不够完善、活动信息针对性不足。③场景转化问题：话术僵硬，部分场景答案表述难，买家不易理解，售后类问题解决能力偏弱，会引起买家差评。④询单转化问题：询单转化率一直达不到要求。⑤对接问题：夜间无人值班，用户咨询无人接待，体验不好导致客户流失。

2训练师，助力智能服务

“店小蜜”在电商行业的逐步应用，一种新的职业——人工智能训练师（简称：训练师AI Trainer），已悄然兴起，成为业界新宠，他“喂养”“店小蜜”，根据行业及自身店铺情况，进行配置和不断优化，助力“店小蜜”有效实现智能服务。

训练师工作日常是：熟练配置“店小蜜”并能校验产品应用的效果；对店铺咨询问题进行收集、分类和标记，整理店铺里商品相关属性、店铺活动内容等知识和答案，进行判断和标注分类是否归类准确；搭建和优化“店小蜜”的知识库；根据店铺实际情况，配置校对与更新“店小蜜”知识点并根据测试结果进行问题反馈和不断优化；提升“店小蜜”对用户问题的解决能力；根据店铺实际人工服务流程标准，转化成“店小蜜”服务买家的流程、规范及标准，完成产品配置；对“店小蜜”的服务情况进行数据分析和品质监控从而进行针对性地优化。

3“店小蜜+训练师”，全面赋能服务

为提升店铺服务质量，对“店小蜜”和人工智能训练师提出不断学习的要求，文章通过研究分析，提出训练师以诊断期为突破口，从数据看板诊断和聊天记录质检两个方面进行“店小蜜”优化，构建日常优化思路，全面赋能服务，并通过广州某知名女装服饰天猫店铺的人工智能训练师花花，在调教“店小蜜”工作过程中進行优化与论证。

31数据看板诊断优化

数据看板是“店小蜜”平台提供查看机器人使用情况等各项数据指标据报表功能模块，通过数据直观地了解“店小蜜”的配置水平服务能力等各项指标，以及在同行业中排名情况，分析数据看板中实时和历史，不断优化“店小蜜”知识库的配置，提升小蜜的接待能力。文章在数据看板诊断的三个方面：欢迎语卡片数据、转人工知识高频列表、未解决的买家问题聚类，基于知识库配置的优化，更新与完善答案，整体优化思路如下：

（1）欢迎语卡片数据：一方面将高频问题添加到欢迎语卡片；另一方面根据点击量调整卡片问题。

（2）转人工分析——转人工知识高频列表：一种是没有配置答案转人工，优化方法是按四个类别情况进行：知识答案未配置的完善答案配置、增加不关联任何商品的通用答案、增加不关联任何时效的通用答案、对使用标签变量的确认商品没有对应的参数；一种是给出回复但转人工，优化方法是根据答案配置情况进行评估处理：答案中配置转人工的引导提示评估是否合理、答案没有及时更新的更新答案、答案模棱两可的使答案明确及减少产生歧义、答案配置过于单一的设置多样化答案。

（3）转人工分析——未解决榜：查看未解决买家问题聚类，总结问题，配置到关键词或自定义问答中。

通过分别订阅三个行业包：服装、鞋子和箱包，再加一个行业通用总共四个行业包，把官方没覆盖到的知识添加自定义问答，服装属性很多，比如版型、尺码等会被买家咨询，需提前收集，再分类关联到知识库中。每个场景可有无限个答案增加，一般一个场景，分四种答案：基础通用答案、变量答案、关联商品答案、关联爆款商品答案，才能充分给予爆款详细说明机会，让产品相关的问题库更丰富，也才能更加针对性地促使买家下单以促成交易。因此进行知识库精细化配置，通过熟悉官方知识库、丰富问法、精细分类几个方法去搭建店知识库，了解店铺高频咨询，增加机器人识别买家提问的覆盖面，才能打造出智能客服。

在日常诊断优化过程中，最好有线下动作记录，方便日常管理和复盘，采用Excel设置优化记录模板，内容包括原因定位、优化动作、优化后答案、命中次数等，有效提高日常优化工作效率。

32聊天記录质检优化

通过有规则抽检“店小蜜”聊天明细的方式，数据沉淀，分析“店小蜜”的解决能力，对未解决问题做分析，反哺知识库做优化，提升回复的准确度。聊天记录质检优化流程为：建立质检标准-制作质检记录表-抽检数据深沉-未解决原因分析-结果优化。

质检常用工具买家咨询热点分析和查看接待过用户的离线消息，质检的主要路径为：①离线消息抽检-筛选请求转人工客户-未解决问题分析记录-知识库优化；②买家咨询热点抽检-查看咨询的聚类问题-高频类问题重点抽查聊天明细-查看服务助手接待的命中问题是否解决-未解决问题分析并记录质检表-知识库优化，并结合日常质检和活动期质检进行定期优化和实时优化。

一般将问题分为“店小蜜”无法识别买家问题、匹配错误买家问题、无答案回复三种，对应优化方法是总结买家问题并在关键词或自定义问题中配置、在自定义问题中配置问题并测试与反馈匹配情况、设置不同商品/分类/时效的专属答案。通过掌握店铺商品特性，梳理商品各属性，对商品属性整体归类，联动运营部门设立新类目，配置直联分类提供针对性答案，快速使商品属性跟问法匹配。

对日常的抽检记录，做汇总形成质检记录表，内容包括质检时间、问题大类、买家问法、优化方案、抽检总量等，分析每类知识问题的解决能力，根据场景的解决能力高低进行重点优化。

33训练师优化“店小蜜”效果

通过数据看板诊断和聊天记录质检，包括对聊天记录分类与汇总、知识库配置、买家咨询热点聚类分析等多个方面的分析和优化，逐步延伸到对用户的主动精准营销，根据用户的购买习惯进行主动询问，有效优化询单转化，提高询单转化率，优化网店客服效率，助力店铺服务质量提升。

本店铺通过训练师以上的优化尝试，节取了优化前2018年5月1日—7日一周数据，与优化后11月1日—7日数据，进行数据比较分析，发现“店小蜜”在接待人数增加了704人、接待占比提升134%、转人工率降低1659%，优化效果明显，具体数据如下表1所示：

除了在一周平均数据上优化明显，在2018年“双十一”11月11日，这个购物狂欢节中，本店铺“店小蜜”接待买家人数为26039人，最终承担率为4882%，接待占比达到6296%，“店小蜜”参与的询单转化率达到4447%，解决率达到7754%，节省人力74人，店铺同类排名第38名，效果显著。其中转人工率，2018年5月份转人工率都是高达2914%，“店小蜜”7个月以来通过训练师优化后，截至11月达到1856%，下降了1058%，平均水平保持在22%左右，这也是行业平均水平或更高，5月—11月转人工率数据具体为图1所示。

图1“店小蜜”转人工率情况

4人机完美协作，为电商保驾护航

新零售模式是基于“互联网+”为核心，借助人工智能技术手段，重塑产业结构，在AI赋能下，人工智能训练师需懂得大数据分析、语义分析等全面知识体系，在优化“店小蜜”方面，通过实践总结训练师需要储备以下五个方面知识：①用前准备期：电商基本知识、自身店铺知识、店铺服务流程；②快速开启期：“店小蜜”接待模式、知识库基础配置；③内容丰富期：自定义知识配置、答案配置技巧、关键词设置、测试窗运用；④诊断运营期：质检知识、数据看板运用、店铺诊断思路；⑤特殊活动期：大促活动配置知识。同时还需具备店铺运营思维，时刻关注店铺咨询问题分布，抓住咨询重点进行优化，提升“蜜答复”准确性，为用户提供更好的服务体验，为企业带来更强大的竞争力，提升整个业态的效率。

“店小蜜”优化是一个长期持续的过程，文章只是从两个这方面进行诊断优化，未来还需要在平台大促活动配置、店铺服务流程、关键词设置几个方面进行补充完善，不断探索以调测出更加符合店铺的智能机器人。“店小蜜+训练师”基于人工与智能完美协作，将构建新一代新零售新服务体系，为电商发展保驾护航。

参考文献：

[1]唐晓波，李新星.基于人工智能的知识服务研究[J].图书馆学研究，2017（13）.

[2]李忠美.基于人工智能的网络零售客服智能化升级研究[J].合作经济与科技，2017（24）.

[3]肖鹏，钟绍辉.基于人工智能的在线客服研究.萍乡学院学报，2015（6）.

[4]陈全忠.喂食机器人这个饲养员有点酷[J].就业与保障，2018（8）.