智能交互是一个容易长期被忽略的产业，消费者需求场景的多样化，对高质量的客服获取和精准的服务匹配需求，推动客服产业向智能化方向发展。

无论是淘宝、京东还是微信平台，巨大流量背后是用户对精准决策的期待，客服如何为用户提供专业、迅速、有质量的解答，同时维持用户留存和高活跃度，这对后期交易的达成或者社区维护至关重要。

如今，许多企业都隐藏了人工客服的渠道，以全智能的客服代替人工客服。然而，大多数的智能反馈并没有知识图谱的依托，仅停留在简单地根据关键字对请求进行回复的阶段。对于一些需要人工解决的问题，这些产品不能及时判断是否应转接人工客服，这给消费者带来了较差的消费体验。

管理者同样头痛不已，互联网时代的每一个人都知道数据的价值，但如此庞大且缺乏结构化的数据，往往令管理者望而却步，他们难以寻找一种合适的方式去对信息进行归类处理。

智能交互可以解决这一问题，未来 “人机协同”无疑将成为主流生产和服务方式。因此，许多科技企业投身其中，尝试提升人机交互效率、使计算机具有认知能力。

在诸多智能交互企业中，标杆企业北京来也网络科技有限公司（以下简称来也）正尝试借助人工智能技术提出的智能对话式运营解决方案，以人机协同的方式尝试解决电商中的客服问题。同时，来也也尝试运用知识图谱对相关数据进行整理，为客户挖掘其中的潜在价值。

客服企业如何构建壁垒？智能交互时代，人机协同又将迎来怎样的发展？带着问题，动脉网对来也进行了专访。

来也创办于2015年，由常春藤盟校归国博士和麻省理工学院MBA等杰出人士共同发起，致力于成为人机共生时代具备全球影响力的智能机器人公司。如今的来也拥有深度学习、强化学习、自然语言处理（NLP）、个性化推荐和多轮多模交互等核心技术，并尝试用最前沿的科技切入商业领域与大众领域。

来也联合创始人兼CEO汪冠春曾担任百度智能交互团队、小度机器人、百度筷搜等项目负责人，这些项目经历让汪冠春对智能交互技术有了独特的见解。离开百度后，他开始思考如何将交互技术与线化程度越来越高的服务行业结合在一起，打造一款人机协同的机器人平台。

在研发过程中，汪冠春发现纯粹的知识图谱并不能完全解决问答环节，相比之下，AI与HI（Human Intelligence）的结合是一种更为贴合实际的方式。因此，来也运用数据库打造细分领域的对话数据，建立知识点。当用户向来也的机器人提问时，来也会根据知识点将问题进行拆分，对用户问题进行预处理。

来也CEO汪冠春告诉动脉网：“收到问题后，来也的机器人将把用户问题的可行答案发送给客户服务代表，由客户服务代表来确认回复结果。通过这种方式，过去客户服务代表需要花费超过一分钟来思考、编辑回复的内容，如今只需十余秒就能进行回复——客户服务代表过去的填空题变成了如今的选择题。这带来的将是整个服务体系的质量提升。”

谈到智能交互产业需要解决的难题，无非就是拉新、留存、促活和转化，这需要强大的数据挖掘和处理能力来完成的，来也在这些方面技术壁垒很强，能够将商业和技术完美结合。

如今，来也开发的吾来对话机器人平台覆盖母婴、消费零售、通讯等行业，包括中国移动、美团等近百家大型企业客户，而在健康领域，来也为惠氏搭建了一流的客服平台，解决其面临的微信端客户管理问题。

母婴领域是来也切入的第一个泛健康领域，惠氏项目也是针对B端市场的第一个项目，该案例荣获2018机器之心“全球三十大AI应用案例”。一年有余，来也已经在同惠氏的合作中获取了丰富的经验与数据，知识图谱在不断的实践中已经更加成熟。

母婴群体在医疗健康领域决策周期长，非常慎重，母婴场景也相对复杂，不同场景又会产生不同的问题。相比于其他行业更聚焦简单的判断类问题，母婴场景中的对话一般都为复杂的多轮对话，需要客服人员对消费者进行引导，层层获取相关信息后才能得出结论。

相对于此，来也为惠氏提出了人机协同的解决方案。即由人工智能率先对母亲提出的问题进行语意解析与分类，再将其推送到相应的客服代表处。同时，人工智能会为客服代表根据知识图谱罗列出答案组。客服代表无须自行输入，只需点击其认可的答案，即可快速回复消费者。

在人工智能的辅助之下，客服代表的工作由“填空题”变成了“选择题”，处理消费者咨询的速度得到了数倍的提升。

消费者也因此受益。过去冗长的等待时间给予了消费者糟糕的咨询体验。如今更快的客服回复速度让消费者与企业的交流更加迅速，消费者满意度由此提升。同时，当消费者需要比较不同类别的产品时，过去客服需要自行调取相关产品信息，而在人工智能的辅助下，调取信息与产品比较在转瞬间即可完成。过去人工客服不能回答的问题，人工智能可以协助回答。

同时，惠氏还面临客户管理方面的问题。营销及获客成本越来越高，注册率低，用户迁移频繁，留存和销售转化率并不十分理想。如何吸引到有粘性的母婴用户，并提供精准服务，成为惠氏的头号难题。

对于这一问题，来也在与惠氏的合作中逐渐找到了解决方案。

在客户对话中，对话机器人将不断的收集消费者的消费习惯、消费能力及各类诉求。随着数据的不断积累，惠氏消费者的画像也逐渐清晰。由此，机器人将对不同的消费者进行标注，为其定制推送符合其消费能力、消费习惯、消费需求的产品。

通过这种方式，惠氏的新客获取手段由传统的粗放式宣传转化为高效率的定向推送。这一转变意味着惠氏能以更低的新客转化成本，收获更忠诚的客户。

相较于电子病历、病种汇集的知识图谱，母婴客服打造的知识图谱内容更为精准地契合用户与消费者的生活需求。且整个个性化产品的搭建仅需数月即可交付。具体而言，整个搭建过程包含一下几个步骤。

一、挖掘历史预料，分析用户主要需求：在与惠氏的沟通过程中，来也先后共拿到3份对话数据，共清理出近60万个对话。这些对话数据大部分为典型的多轮对话，平均会话长度11轮，长度少于6轮的会话约占总量的17%。远高于其他行业客服复杂程度。

二：归纳需求，找到人工客服痛点：通过分析对话语料，来也发现，客户服务代表回复的事实类消息普遍较长，此外，客户服务代表还会经常用到一些模板消息（如会话开始打招呼话术、会话结束话术、教育话术）。这些话术的特点是内容固定，如果客户服务代表每次使用都手动输入，会对回复效率造成瓶颈。这是客户服务代表使用惠氏多客服系统时的典型痛点，因此，来也问答系统的具体目标是优先覆盖这些高频回复话术。

三、建立知识库：完成上述分析，来也开始有目的性地打造知识库。通过综合使用层次聚类、分类、领域关键词挖掘等算处理数据，并结合AI训练师人工复查，多次迭代后，最终产出的知识库包含1500余个知识点，20000余条问题。

四、搭建问答机器人：根据清洗后的对话语料和训练师复查过的知识库，来也搭建了基于“检索+排序”的问答机器人方案。具体而言，对话语料和知识点被导入ElasticSearch检索系统，系统接收到用户消息后，从检索系统中搜索相关的知识点或历史会话片段，然后借助rerank算法对搜索结果做精排，使得最相关的知识点或历史会话片段尽量被排到前面，最终取top6结果显示到多客服界面，供客户服务代表选择。

五、根据业务场景，提供输入提示功能：结合来也内部系统的使用经验和客户服务代表的使用场景，来也认为如果客户服务代表能借助关键词召回完整话术，或者系统根据客户服务代表当前输入能自动召回完整话术，会对回复效率有明显提升，用户使用体验也会有更好的保证。因此，来也开发了输入提示功能供客户服务代表使用。

六：开发BI系统：来也提供的BI系统支持自定义关键词，系统会自动监控包含这些关键词的消息，统计它们被提及的会话个数及近期变化趋势，从中可以发现一些有意义的特征。如“感冒”在冬季被提及的次数，用户对不同的奶粉系列的关注热度等等。

整个知识图谱的搭建过程视项目大小而定，长度在1-6月不等。快速的交付速度意味着企业可以迅速从传统的管理模式转化为人工智能赋能后的数字化模式。对于来也而言，迅速的项目推进速度则凸显了其将人工智能产品化的能力。

母婴领域的成功为来也在健康领域的布局塑造了一个良好的开端。而类似于惠氏这样的企业广泛分布于医疗消费、医疗健康领域。

由于医疗知识的专业性，C端用户对于医疗产品的消费将伴随着更繁琐、更广泛、更专业的人工智能交互问答，不少医疗领域的项目更需要人机协作提升效率。

这对于来也而言既是机会也是挑战。在2019年的实践中，来也已经达成了与阿斯利康等大型药企的合作，帮助阿斯利康搭建合规机器人，通过人工智能产品降低运营成本，挖掘数据价值。