藏经阁一起读（6）读《阿里云智能客服知识运营白皮书》，你有哪些心得？

前来学习

哦

bucuo

我对智能客服初步印象就是可以代替人工来进行用户进行沟通的语音助手，就像平时我们拔到银行客服电话、快递客服电话，以前都是需要办理什么业务，自己根据语音提示来输出相应的数字按键。而现在越来越多客服电话都是可以直接进行智能对话的，可以直接说出自己想要办理的业务即可，甚至交流不比人差多少。

读完本书之后，才知道背后是一套复杂的理论知识框架，涵盖心理学、教育学等，如何让各类知识相联系，这里包括了很多知识模块，比如FAQ问答、任务问答、图谱问答、表格问答等。然后有顺序的去高效地完成一件事，这就引申到了知识运营。

知识梳理方法核心流程包括知识收集、知识提炼、知识拆分、引擎选择、知识整理实践五大环节。那么整体的实践也是围绕这些环节。

整体感觉比较抽象，看来还得要多读书。

这周没有加班，星期天抽时间浏览了一下《阿里云智能客服知识运营白皮书》这本书。这本书是在阿里云智能客服团队的统一安排下，协调包括算法工程师、开发工程师、产品设计师、AIT人工智能训练师人员等多角色，将技术理论基础和实际实践经验进行结合，形成业内首部智能客服知识运营白皮书，希望为智能客服领域的知识应用提供具备指导性意义的方法论。从这本书的介绍，可以看出在阿里内部也是下了很大功夫的。要协调多个部门配合和人员配合，并且理论和实际结合。 这本书系统的介绍了只能客服的什么是智能客服，以及智能客服的快速发展和应用领域。以及智能客服在生活实践中承担了哪些工作，以及功能能力。介绍了智能客服协助人工处理服务问题的场景。智能客服提升人工流转效率，升级客户体验。构建高效快捷的客服生态。感谢阿里云社区的活动让我多读书，读好书，开阔了我的知识面，拓展了我的认知体系

学习

通过这本书的学习让我收益匪浅，在这本书中，我知道智能客服是在大规模知识处理基础上发展起来的一项面向行业应用的， 它是（大规模知识处理技术、自然语言理解技术、知识管理技术、自动问答系统、推理技术等等），具有行业通用性，为企业提供了细粒度知识管理技术。 使用智能客服7X24小时在线智能客服，无需排队等候。智能问答互动，提升智能客服体验 。回答内容更智能，业务场景更丰富 。 具备机器学习能力，越用变得越聪明，不断提升回复的质量 。辅助人工客服快速搜索答案，提升客服效率。通过消息过滤筛选出意向用户，并快速转接人工客服，分秒把握商机。 机器人根据语义判断，对无法解答的问题可随时快捷触发人工服务，提升机器人至人工的流转效率，升级客户体验。这对于全行业智能定制 结合业务深度、企业参与度及行业属性，为高级客户定制任务型和知识图谱型机器人，为各行各业打造企业智能化行业生态圈。 其次也知道知识管理的各种方法。为我们开启知识管理，构建全新知识管理体系，打造知识门户、知识仓库、知识专辑等多项应用。 感谢阿里云智能客服知识运营白皮书，让我获得新的知识。为企业后期IT建设知识仓库、知识地图、员工培训等各项应用，提升组织智慧及创新力。

好

智能客服就是云客服系统智能化，因此对于营销推广也使用了先进的大数据和AI技术，为企业提供更好的服务。人工智能营销是一种利用客户大数据和人工智能概念来预测客户下一步行动并改善客户旅程的方法。这种方案提供了拟合数据科学和执行之间差距的方法，企业不需要再自己分析数据做出判断，AI技术可以帮助企业以最合理的方式布置全局。 前几年，智能客服是处理重复问题的一个基础客服运营工具，但人工智能技术发展迅猛，智能客服也不例外。如今大家追求的是，如何让智能客服做到实现大规模高质量的应答并且主动运营。 客服系统在中国的发展不陌生了，小的时候发现10086、10010是一个很神奇的电话，不懂的时候就按0找小姐姐回答。经常也能在贴吧上看到‘半夜没事干怎么办，给10086打电话聊天的人’落个拉黑的下场，发展到现在大家都在说智能客服，智能客服主要都有什么呢？1呼叫中心；传统的呼叫中心已经开始走下坡路了，投入高额的人员及物资成本在当下社会已经不受大家的欢迎了。所以呼叫中心开始走转型，怎么转？ 谁转的好？转成什么样了？效果怎么样？ 怎么转、谁转的好这个各个供应商都会争得头破血流，谁转的好、转完的样子、效果怎么样这些只有甲方和乙方知道了。目前呼叫中心转型在产品功能层面上出现了智能IVR、智能机器人接待，机器人语意识别的提升，语音识别的提升都为智能ivr提高了成功率。用户语音提问通过呼叫中心线路收到语音，这里收到的是指机器人收到、语音模块收到而不是传统的人工客服收到，通过asr（语音转文字）讲用户说的专成文字交给机器人去识别给出正确答案，再通过tts（文字转语音）‘说’给用户。这样下来大量的会话就被机器人去解决了，机器人解决不了的在按0转给人工去解决。

1

不错

加油加油

一 我其中收获

智能客服有新的认知了，把技术基础和实战经验结合在一起，比如说这个问答引擎是啥？就是不同场景适用不同知识的高泛化，非常灵活匹配问答工具。第一点，它适用于事实性知识点，第二点优势是啥？精准匹配，语义计算等字面上你都能理解。第三点模型训练是咋样？线上方式用咱们达摩院领先的NLP算法去练问答，最后我想说知识是怎么梳理啊？这也是运营方法一部分，首先收集，然后提炼出来，然后拆分，接着选择引擎，最后整理实践下，更加详细如图哈

二 知识是啥？

分成4大类，比如事实性知识、你可能不懂，就是知道的基础要素，譬如JavaSE非常熟。概念性知识、更好理解就是整体之间是怎么联系的，比如保险表的列之间对应关系，产品代码对应不同保险产品关系。程序性知识可映射到智能客服领域的知识应用与分类中，比如想下你提车的流程是啥？过程可能根据条件分支选择。还有一种业务现象，用户只表达部分信息，这样没办法直接得到准确结果，需启动澄清流程，按顺序反问用户，补齐所需的信息，最终得到用户需要查询的结果，就是这个意思。而元认知这个太抽象了和智能客服知识应用无关，不在本白皮书讨论的范围内哈。

认知过程是怎样

先记住，然后理解，再应用分析，最后总结与创新。再来介绍引擎咋个分类，如下 - FAQ问答引擎 第一段说过自己看 - 任务问答引擎 区别要多轮对话，负责对话流设计，管理执行等功能，作用于程序性知识。有啥子优势？上下文槽位解析，意图分类匹配及小样本识别与精准抽取。模型训练也不同，要分类，要匹配必须大规模训练。 - 图谱问答引擎 根据知识图谱Schma负责结构体系化知识的问答了,这个结构化就是三元组，怎么答？多跳，计算及推理。作用的是概念性知识，有啥优势？属性识别匹配，自动化反问多伦机制，模型咋训练？多了属性识别，同样是匹配和线上训练哈 - 最后是表格引擎 跟图谱差不多，区别是二维数据表了，优势在复杂函数计算及推理，NL2SQL算法及主动多伦机制，模型的话？能自动生成训练集的，还是作用的是概念性知识。

我们接着讲如何认知

1 收集，用表格，用导图还可用日志等形式，进行精简，要更加贴近业务，下图更详细 2 提炼 怎么提取高频知识？帕累托法则，核心就20%，关注历史数据，也关注反面数据影响哈 2.1 那怎么提吗？ 你先思考下面几点哈 - 1）平台希望传递和被客户快速获取到的信息是什么？ - 2）从业务视角反观客户，他们最在意的模块和内容是哪些？ - 3）到同行的服务渠道做体验，了解别人的业务覆盖面和内容是什么，做参考。

通过以上几方面的思考，先梳理一版初步的知识，等上线开放小流量后，即可通过日志 等方式，慢慢补充客户所关注的知识要点

老话讲的好一图胜前言，来判断社保

3 下个问题，如何拆分？ - 整体步骤如 下： 优先识别出程序性知识，梳理成对话流，剩下的均为概念性知识或者事实性知识； 如果给定的业务输入中有表格，那么优先启用表格问答； 纵观整体业务输入，尝试将事实性知识组织成一定的结构，形成概念性知识，梳理成知 识图谱； 剩下的较为独立的事实性知识，则梳理成 FAQ； 常见的知识拆分的知识类型如下

实际复杂的多

实际知识拆分的流程如下，知识拆分是区分智能客服算法引擎的重要步骤，将合适的知 识匹配给合适的引擎会大幅提升实际智能客服系统的运行效果，流程如下：

为了更好的帮助运营者理解不同类型知识的形态，阿里云智能客服团队基于历史真实项 目实践，提供知识分类的样例，可依据业务实际情况进行参考。 结构化知识：是指知识之间有一定的层级关联关系，可以按照类目和抽屉的形式进行分 类；适合构建成多轮对话。将知识整理成结构化的过程中尽量挑选相对高频的知识 意图不清的知识：是指问句句意不完整，不能从这句话直接给到精确答案，需要经过多 知识运营，其他自己看 轮确认具体的意图，一般是客户相对高频的咨询问题。

咋个选引擎？

高效的智能客服系统通 常由多个算法引擎来组成，经过提炼和梳理的知识，需要匹配对应的算法引擎从而产生最佳 的使用效果，实际业务场景中，如何选择引擎也是运营者面临的重要问题，阿里云智能客服 基于历史实践提供的参考如下：

只是参考，场景不同实践就不同

最后要处理知识语料，提升机器人问答效果 完成引擎的选择后，机器人如果需要达到较好的问答效果，仍需要针对已经梳理的语料 数据进行进一步处理，补充相似问法，使其问答效果更好 完成相似问补全后，可将数据导入至智能客服系统的各个引擎当中，完成实际系统的上 线。

感谢大家阅读，总结不容易啊，求求大家给个赞把！ 至此，知识运营梳理的前期流程基本完毕，后续需要基于实际线上情况，不断完善知 识，优化问答效果

没有我

上期活动获奖名单：

快乐的嘟嘟、1127723628499475、游客t7timf3egkek2

请以上同学入群私聊群主哦