智变中的美团客服（37页PPT）

语言	格式	评分
中文（简体）	.pptx	3
概览
智变中的美团客服基础研发平台 \| AI 平台 NLP 中心 02 智变之路智变基础，智变途径，系统架构， QABot ， TaskBot ， ChatBot ，自主学习流程 03 落地效果 QABot 线上效果， TaskBot 线上效果 04 总结人机协同学习，加速进化客服系统简介演变中的客服系统，对话系统，智能客服机器人，美团业务简介，美团客服系统目录 01 话音呼叫中心纯人工服务模式只支持语音电话人效低，成本高网页在线客服基于网页会话支持文本和语音访客轨迹跟踪流量统计分析客户关系管理智能化是客服系统演变的方向，智能客服通过算法、人机协同、自主学习可以极大地提高人效和体验。自动回复自助解决问题人机协同自主学习多渠道接入丰富的辅助功能简单知识库管理 1.1 演变中的客服系统 SaaS 客服智能客服闲聊型对话问答型对话任务型对话图谱型对话对话系统 1.2 对话系统简介 • KBQA • 基于图谱推理 • 解决特定问题 • TaskBot • 多轮会话 • 针对特定场景 ChatBot 不解决问题自然交互多轮会话 • QABot • 单轮会话 • 上下文无关 • • • • > 将对话系统技术融入在线客服体系 > 综合利用语义分析技术、大数据技术以及深度学习技术 > 由过去单一售后服务变为贯穿售前售中售后全客户服务周期 > 智能客服机器人是下一代客服的核心驱动力 1.3 智能客服机器人语义识别机器人简单检索机器人场景导向机器人智慧机器人 > 业务种类多，吃喝玩乐全都有 > 客户端种类多 > 智能客服是解决有限的客服资源与不断增长的海量用户服务请求矛盾的唯一选择 1.3 美团业务简介 1.4 美团客服系统 2 智变之路智变大量业务专家大规模 GPU 计算引擎购买红包套餐投诉骑手修改配送时间修改收餐手机号商家餐品错送新用户首单未减免查询订单送达时间准时保赔付未收餐显示已送达查询配送状态如何申请退款红包无法使用如何成为配送员修改配送地址无骑手接单商家少送餐支付宝无法使用餐品有质量问题我想追加备注配送超时催单强大算法团队业务数据的特点决定了智变的必要性，团队资源为智变提供了良好的保障 2.1 智变基础问法数量统计 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 海量场景数据不断向人学习不断压低这根线 2.2 智变途径 > 语义理解层全生命周期的会话管理。综合用户行为轨迹、会话上下文、用户情绪等信息综合判断用户意图，准确找到问题甚至预测问题。 > 机器人处理层执行单轮会话的答案生成。执行多轮任务会话。主动学习人工客服会话，自动问题归类、自动生成新 Task 。智能发现不合理 Task 流程设计，智能优化。 > 基础数据 & 服务层为会话管理和语义理解提供信息支撑。 > 人工层静默坐席解决机器人解决不了的问题。 AI 训练师辅助机器人进化。业务专家制定合理的解决方案。 2.3 系统架构 > 线上提供语义识别能力 > 线下具有离线学习能力 > 返回精确答案或者推荐问题 > 数据驱动智能 > 少量干预加速进化 2.4 单轮会话机器人 QABOT 包子酸了 . 吃出了两个异物，送的腐竹是长毛的大早上吃出来苍蝇一杯可乐兑了半杯水水果店给我坏的水果这肠子怎么有点味呀吃到一半还吃出了异物干煸四季豆都黑糊糊了米线里有苍蝇，很恶心 > 理解用户的问题 > 综合利用搜索技术、翻译技术、图谱技术、深度学习和统计学习技术 2.4.1 语义识别餐品有质量问题 > 利用模型模拟人的处理过程 > 综合应用了搜索、机器翻译、深度学习以及统计学习相关技术 > 模型具有良好的迁移性 2.4.2 语义识别流程识别技术深度学习短语翻译图谱意图实例匹配 > 拓展问与标准问的并行数据作为训练语料 > 拓展问 Ngram 特征串作为关键词建立倒排 > Ngram 特征分布作为权重 > 用来做粗筛， Top20 准确率： 99.76% 2.4.3 基于匹配的识别 2.4.4 基于短语翻译的识别短语对齐 2.4.5.1 基于深度模型的识别 -- DSSM 配送超时催单餐品有质量问题我的外卖怎么还没到 0.98 0.62 2.4.5.2 基于深度模型的识别 -- Seq2Seq Sequence Loss 超时配送催单 Attention State Loss=0.03 loss 越小，输入与输出越相似我的外卖怎么还没到配送超时催单 Hidden Vector Decode Encode 图谱三元组 < 实体 1 ，实体 2 ，关系 1> < 实体 2 ，实体 3 ，关系 1> 2.4.6.1 基于知识图谱的识别 -- 隐式实体向量表示 TranE 短语翻译模型 Seq2Seq DSSM … 并行语料：回锅肉菜品代金券红包 2.4.6.2 基于知识图谱的识别 -- 显式基于词典语义相似度计算 Man does not translate a simple sentence by doing deep linguistic analysis. --Nagao 1984 2.4.7.1 基于实例的翻译怎么会没人接单呢相似怎么都没人接单啊怎么还没人接单呀怎么今天没人接单基于片断拼凑和句法分析计算相似度特定相似度邻域内的样本进行投票决定待预测问题的答案 2.4.7.2 基于实例的识别无骑手接单无骑手接单推断已知 > 根据业务逻辑建模 > 根据业务模型建立分层意图体系 > 建立意图间相容相斥关系 > 训练意图识别模型 > 根据意图识别结果和意图关系对候选进行过滤 > 保持问题的意图一致性 2.4.8 基于业务模型的意图过滤 > 初级语义识别能力，支持反问明确用户意图 > 负面情绪判断，及时安抚或转人工处理 > 支持 Task 流程重入、流程回溯， SlotMap 全局共享 > Activiti 二次封装： NLP 和情感识别自动嵌入； error handler 统一处理；存储优化、并发优化； > HA ：业务接口自动熔断；流程状态故障迁移； session sticky 负载均衡等 2.5 TaskBot 整体框架 > 三个核心能力： - 多轮交互 - 情绪识别 + 意图识别 - 业务接口自动调用 > 理论上，只要人工客服处理流程能抽象成 SOP 标准流程，都能转成一棵“决策树” ，由机器人自动执行。 2.5.1 Task 示例 > 采用 BPM 流程建模 > 每个结点都带语义识别和情感识别能力 > 人工处理 SOP 总结 task 流程 2.5.2 Task > 定义常用子流程便于共享 > 支持流程间的任意组合 > 从日志中自主学习各种子流程 > 流程与业务接口打通，实现无人自助服务 > 智能运营，不断进化 2.5.3 客服场景定制优化 > 用户交流情感，不以解决实际问题为目的 > 主动问客户问题，收集信息以提供更好服务 > 不同客户机器人间切换的平滑剂 > 检索式：构建一个闲聊库，检索给出答案 > 生成式：从闲聊库学习生成模型 2.6 闲聊机器人 ChatBot > 建立统一的离线学习流程 > 从人工客服日志中学习人的处理方式 > 算法产生候选，人工轻度干预，加速模型进化 > 前期聚焦于新标准问发现、新拓展问发现、关联问题挖掘、 Task 子树挖掘 > 与知识管理平台打通，通过知识管理平台进行知识管理 > 关联问题实现伪多轮会话 > Task 子树自动构建 + 会话管理 = 多轮会话 2.7 自主学习流程 > LTM ： latent tree model 离散变量的树形 Bayesian 网络 > 可以进行多维度分类，不同的离散变量代表不同的划分方式 > 无监督算法，不需要标注数据 > 可以从不同的切面对数据进行深入分析，辅助人工建模 2.7.1 基于 LTM 的多维聚类 2.7.2 人机协同学习的智能运营 AI 训练师 + 智能客服 = 很多很多的人工客服 3.1 落地效果 --QABot 实时响应、 24 小时永不离线、轻松应对高峰咨询量、比人工更有耐心每天解决 72,000 个问题 ≈ 510 个客服努力工作一天 ≈ 4,100 小时算法离线准确率 92% 在线智能解决率 83% 线上效果 ( 外卖 ) 打车司机平台派单少 task 智能解决率 / 量趋势图 70% 65% 60% 55% 50% 45% 40% 35% 30% 对部分场景增加小窍门，提升 5 个点 task 首次上线，提升 10 参考人工客服答案优化上线前 3 天 baseline 2018/07/01 2018/07/02 2018/07/03 2018/07/04 2018/07/05 2018/07/06 2018/07/07 2018/07/08 2018/07/09 2018/07/10 智能解决率智能解决量 5500 5000 4500 4000 3500 3000 2500 2000 1500 1000 3.2 落地效果 -- TaskBot 多轮交互能力 + 情感识别能力，为用户量身计算答案 . 智能化是客服系统发展的趋势 . 智能客服是解决有限的客服资源与不断增长的海量用户服务请求矛盾的唯一选择 . 人与机器相互协助，各用所长 . 人机协同学习，教会机器，它可以帮你更多 . 从日志中自主学习，智能化运营 , 可显著提升人客服人效 . 智能客服不仅可提供售后服务，还可用于消费全流程。 . 智能客服可以大量消除人的重复劳动 . 业务专家从繁杂中解脱出来可以有更多的时间进行方案优化 4. 总结趋势省力进化协同全程 Q& A Thanks 既往不恋，纵情向前