在数字化转型的浪潮中，智能客户服务已成为企业提高服务效率和客户满意度的关键工具。但是，当构建智能客户服务系统时，许多公司通常会忽略运营分析的重要组成部分。本文将从实践经验开始，并深入讨论构建智能客户服务的第一步 - 参考操作分析。

从业务角度来看，对于大多数公司而言，他们最初都有客户服务部门，因此这不是为企业构建智能客户服务的完整过程。此外，在短期内，AI智能客户服务不能100％替换手动客户服务。长期以来，AI智能客户服务和手动客户服务可能具有互动性和协作性，以支持企业与客户/经销商/相关合作伙伴之间的沟通。

从技术趋势的角度来看，在人工智能时代，由于智能客户服务可以在一定程度上降低成本并提高效率，并在没有时间限制的情况下提供服务，因此它会影响客户服务部门的工作方法。在此阶段的主流是人工智能客户服务 +人工客户服务协作的模型，可提供服务作为客户，即“锦上添花”模型。

因此，基于这个有条件的假设，如何更有效地构建智能客户服务，我认为我们不能只是考虑设计AI智能客户服务产品。第一步甚至应该基于AI智能客户服务的操作。 Make good use of the data of the of the 's past to the pain of the core of the , and are for , are for AI , what core data are the - rate, call/ time, and how much is the KPI of AI in , it can be , and根据操作数据，不断调整手动客户服务和AI智能客户服务的劳动力和KPI目标的场景分区。

主流AI客户服务产品就像食谱一样，食谱相似，但是AI智能客户服务和操作结合了行业和公司的特征，就像烹饪的热量一样。

01核心工作内容在启动智能客户服务之前

让我们在下面推测与智能客户服务操作有关的重要工作可能包括但不限于方案识别，评估指标设计，投资回报率，持续参与对话，FQA，任务，知识基础语料库和其他相关工作。某些内容在下面选择用于详细的方向描述。

1.1定位状态 +场景识别

定位状态：我们可以使用定量和定性方法的组合来确定。对于大多数公司而言，过去将有一些手动客户服务的管理统计数据。然后，我们可以根据过去的管理数据进行分析，并从外部市场进行比较和分析，以阐明客户服务管理的整体状态。例如：

场景识别：执行场景识别，澄清业务疼痛点并根据过去的客户服务操作数据确定适用的方案。接下来，我们可以根据更详细的客户服务操作数据制定业务运营指标。这里的起点是阐明在业务方案中可以使用哪些方案。在这些合适的智能客户服务方案中，人工客户服务和智能客户的目标比率是多少，评估指标分别是什么。我们可以将自己的客户服务操作和管理方法结合起来，以进行疼痛点分析和方案识别数据分析。在这里，我们以传入/发出的情况为例（以下是一个分析想法，需要与各自的行业和业务结合进行分析，并且不会盲目应用它）。

致电/在线：

声音：

1.2评估指标设计

根据上一篇文章的分析，我们已经阐明了在不同方案中人工客户服务和智能客户服务的业务场景范围。然后，我们可以考虑如何在客户互动场景模式的更改中添加智能客户服务后如何设计评估指标。

假设条件，我们设置了AI智能客户服务，以优先考虑大多数情况，因此我们将首先连接到AI智能客户服务。当AI智能客户服务无法解决问题时，它将转移到手动处理中。在这里，我们将手动处理作为分水岭。也就是说，在所有情况下，这三种模式都可能出现。 A类，整个过程由AI智能客户服务处理。 B类，最初设置AI智能客户服务来处理，但是AI智能客户服务无法满足客户的需求。客户选择转移到手册，AI智能客户服务和手动客户服务将配合以完成处理。 C类，主要的紧急事故，重要的VIP客户，设置了独家手动客户服务来处理它。

对于A类方案的指标数据，我们可以比较AI智能客户服务尚未处理的原始操作数据与AI智能客户服务已使用的操作数据。并为AI智能客户服务制定运营评估指标。

A级KPI（可以根据需要考虑传入/传出场景细分的统计数据）

对于B型方案，我们专注于分析客户为何转移到手动并进行问题分析。有针对性地改善AI智能客户服务。可以采用两种方法，一种是积极查询客户满意度数据，另一种是监视后端指标数据。

首先是积极询问客户以获取满意度数据并快速评估客户对服务的看法。包括满意度得分（CSAT），净推荐价值（NP）等。在这里，我们应该特别注意满意和不满的部分，增强我们的优势，分析不满意的特定原因以及制定目标解决方案。

第二种类型是后端监视指标数据，可以将其分为两类：第一种类型是可以直接反映AI智能客户服务的指标，例如第一分辨率（FCR），平均响应时间（ART），转换劳动速率和情感分析。另一种类型是它不能直接反映AI智能客户服务，但是它可以间接推断AI智能客户服务的操作质量指标，例如增益指标：消费者满意度，用户增长率，用户流失率，用户保留率，营销和促销率，客户获取率，客户获取成本以及客户终身价值提高利率。约束指标：消费者投诉率，消费者解决问题率，消费者解决时间的时间，客户服务响应时间等。

对于C型方案，有一些非常特殊的场景和场景着重于。我们不会在这里详细介绍。

1.3知识库建设

对于大多数行业来说，知识库是智能客户运营的重要任务。当然，由于法律行业等特殊行业属性，一些行业可能更喜欢采用微调模型，而某些行业也可能采用微调 +抹布的微调组合。但是，为了快速适应市场，产品和营销，需要进行一定的更新和迭代速度。目前，抹布模型显然是一个相对主流和合适的模型。在抹布模型下，知识库的构建和运作是智能客户服务运营的重要工作内容之一，包括参与知识库的初始研究和设计以及知识库的管理和运营的可能性。

同时，对于知识库场景，我们需要澄清整个场景，以及集中在第一阶段的场景以及集中在第二阶段的场景……在这里集中在构造上的场景可以与我们之前确定的关键场景相结合，并阐明在不同的情况下，避免在不同的情况下进行阐明，并在不同的情况下进行了探索，并在不同的情况下进行了区分，并在相互统一的情况下进行了统一的范围，并确定了相互统一的范围，并确定了相互统一的范围。数据标准不一致。

由于时间和精力和其他原因，这次将不会给出具体的示例，但是对于知识库的初始设计，我们可以考虑以下内容

02核心工作内容启动后智能客户服务2.1业务运营数据分析和策略迭代

从AI智能客户服务的工作原理来看，错误的原因：以最常见的客户投诉为例，假设手动客户服务的操作是基于用户输入问题来理解问题，包括但不限于定位订单，定位业务方案，定位客户需求等，并澄清客户输入和用户输入问题。在此步骤中，手动客户服务已经了解了情况和客户需求。接下来，手动客户服务将根据过去的经验，公司政策和相关信息查询，根据方案和客户需求提供解决方案。如果您可以直接判断，则将为客户提供解决方案。如果您无法直接判断，则手动客户服务将要求转移给其他同事/稍后回电。之后，手动客户服务可能会继续询问客户是否对此计划感到满意。如果他满意，他将结束客户服务。如果他不满意，他会问客户他不满意的东西，并请客户给她提供期望的计划。根据她过去的经验，公司政策和相关信息，请参阅是否可以满足客户的要求，直到在公司的条件和规则下达到客户的需求为止。

然后，AI智能客户服务实际上正在模仿手动客户服务的情况。根据上面的示例，我们可以简要总结AI智能客户服务必须具有几个重要的模块节点。也就是说，出于AI客户服务“错误”的原因，我们可以从以下维度大致思考：

从操作的角度来看，如何改进，非著名的角度：

用于高频场景的自定义模板：例如，将物流套餐投诉分为延迟的交货时间，没有指定的位置，没有电话连接，交付的服务态度问题，未经许可的自我挑剔柜子等，设置相应的自定义对话模板和迅速的单词智能分化A/B智能的情况下，请务必使用不同的情况，以确定适用于一个复杂的客户。 test the for high- : , , , for , very , AI : spot , use to the , risk data : Set up a for core , such as rate, time, rate, etc., and red, and word设置：提示单词设置了人性化的人格描述，以便客户服务更像人类。少说话：例如，更改“请在应用程序上提交SN代码”到→“您打开移动应用程序，单击订单详细信息，在页面底部找到20位数字的黑号，然后填写。”同时，避免串行问题并犯错：“这是订单号问题吗？一个物流问题？还是售后问题？” （一次询问3个选项时，用户很容易混淆）。正确操作：首先问 *“您遇到了订单问题吗？” *→用户说是→然后问 *“物流没有来吗？或者有产品问题吗？” *独家特权配置：例如，Coze可以回复特定用户的个性化设置，该设置适用于高价值客户，记录用户偏好，并实现与成千上万的人和面对2.2知识基础更新的智能客户服务的规则和政策

知识库数据质量检查：

根据操作数据迭代知识库：

2.3成本和收益计算

以下是对智能客户服务的简短成本效益分析。这种成本效益分析不是完美和专业的，只为每个人提供了一些分析想法。

分析的一般类别包括但不限于：

初始建筑成本以及年度运营和维护成本。节省一年中的人工成本。计算返回期并判断项目的经济可行性。全面评估其他潜在的收益和风险因素，并使用高级财务工具：使用净现值（NPV），内部收益率（IRR）和其他方法，以将未来的回报折价至当前价值，以评估项目的财务可行性。

然后，根据成本和收益分析，可以总结如下：

总成本=系统建设成本 +运营和维护成本 +人类转移成本：

总收入=直接收入 +战略收入：（因为战略收入难以量化，仅计算直接收入）

计算此问题的回报：（样本计算）

假设：

初始施工成本（）= 180万

年度运营和维护成本（）= 450,000元/年

人类转移成本= 100,000元/年（头2年）

每年节省人力成本（）= 100万/年

结论：当总收入大于总成本时，我们将偿还成本。在这里，我们的收入并不认为难以征服的战略利益，而是考虑劳动成本的节省。您可以在大约3。6年内回报。

额外章节：基于COZE的智能客户服务的实践示例

以下是一家咨询公司的智能客户服务，该公司提供企业数字服务的示例，以介绍如何为B智能客户服务构建。

从广义上讲，对于企业来说，具有更广泛的智能客户服务应用程序，尤其是在售前咨询和售后争端解决方案中，在数量级，AI场景的丰富度和SOP流程方面有一个更大的空间。但是，由于过去经验的局限性（主要是知识库数据的隐私限制），我们只能使用具有数字服务的咨询公司的智能客户服务来提供示例。

除了Coze外，Dify还是非常低代码的智能客户服务构建工具。此外，‌‌也是一个非常主流的应用程序开发框架或局部LLM部署工具，可以一起使用。 Dify的集成并可以实现本地部署和隐私保护。这次，我不会进行太多的技术选择讨论。以下是基于Coze的施工过程的解释（因为最近我有点忙，这种智能客户服务的工作流程和知识基础仍在迭代。尽管我已经与这个微信官方的官方会计例子相连，但估计精炼的程度不足。每个人都希望获得乐趣，不要认真对待它。我没有公司来提供相关产品，）。

步骤1：单击官方网站并注册

步骤2：选择模式（单/多）

步骤3：配置对话流程

此步骤是智能客户服务智能机构中的重要设置链接。用外行的术语，您可以配置该过程，设置提示单词，配置角色名称，角色设置和开幕词。您还可以设置调用组件。在知识库中，除了设计基于行业，产品，用户，业务场景和客户服务方案的相应内容外，您还可以设置召回量，最低匹配度等等。

对于尚未实施的当前模型，它更多是LLM的工作流程形式。主流的参考文献如下，并根据您的需求进行选择。我个人认为，路由器可能更适合智能客户服务转移，并且具有强大的适用性。

1。链工作流（）模式：

首先，修复了每个大型语言模型的呼叫顺序。

其次，将链工作流的上一步的输出结果用作下一步的输入。

2。并行工作流（）模式：

首先，同时调用多个大型语言模型并并行处理。可以同时进行这些呼叫，而无需等待其他大型语言模型完成。

其次，在输出结果之前，使用聚合器，并在集成之前调用多个大型语言模型。

3。路由工作流（）模式：

首先，路由器首先确定任务被分配给哪种大语言模型。路由器根据输入数据的特征，内容或其他相关因素来决定数据将数据发送到哪个大语模型。

其次，大型语言模型根据路由器处理相关任务。

4。编排工作者（ - ）模式：

并行工作流程和路由工作流的组合。

首先，编排者将任务分配给不同的大型语言模型。

其次，合成器全面处理不同的LLM调用的结果以生成输出。

5。评估者 - 焦点（ - ）模式：

首先，发电机生成结果，评估器给出了迭代优化策略。

其次，生成器和评估器相互配合，不断优化并输出最佳结果。

此处的迅速单词项目是为了帮助机器更好地了解您的问题，您的情况，要解决的信息。您可以使用及时的词来确定您的客户服务是否生动且合理，答复是简洁，有效的还是全面和严格的，并设置她的答复偏好等。这是现在更主流的提示工程模型：

1。ICIO框架

（任务）：清楚地指出您希望AI执行的特定任务。

例子：

“分析新的能源工具论坛中的用户评论，并提取有关电池寿命的关键字。”

适用的方案：市场研究，用户需求挖掘。

（上下文）：提供任务的背景信息，以帮助AI了解任务的上下文。

例子：

“该公司计划推出远程电动汽车的远程版本，我们需要了解用户对现有型号的不满。”

适用的方案：产品迭代前的数据支持。

数据：指定AI需要处理的特定数据。

例子：

“一个具有50,000个论坛评论的CSV文件（字段：用户ID，评论内容，发布时间）。

适用的方案：数据驱动的分析任务。

（输出格式）：设置所需的输出格式和样式。

例子：

“输出表，按关键字出现频率进行排序，并标记负注释的比例。”

适用的方案：需要标准化报告的企业级需求。

2。框架

（上下文）：提供任务的背景信息，以帮助AI了解任务的上下文。

例子：

“一个国内美容品牌计划进入东南亚市场，需要制定晋升策略。”

角色：指定AI，以便可以从专业角度回答问题。

例子：

“跨境营销专家，熟悉东南亚文化差异和社交媒体平台算法。”

（客观/任务）：提供任务描述。

例子：

“设计3组内容解决方案，以突出产品成分的自然性。”

钥匙：为答案设置关键结果。

例子：

“每个计划都必须包括：10秒的简短视频脚本，主题标签和与当地KOL的合作建议。”

（改进）：AI给出答案后，有三种方法可以改善它。

例子：

“增加穆斯林用户的适应性” /“加强价格比较的优势” /“添加用户证词编辑模板”。

适用的方案：跨境营销计划，动态优化解决方案。

3。框架

和角色：定义AI在互动中应扮演的角色。

例子：

“区块链技术律师，专门从事智能合同合规性审查。”

（上下文）：提供有关角色扮演的背景信息，以帮助AI了解其在特定情况下的作用。

例子：

“ Defi平台需要确保新合同符合《欧盟数字资产法》（MICA）。

（任务）：直接说明AI需要执行的任务，以确保其理解和执行用户请求。

例子：

“审查以下智能合同代码，以指示可能违反云母的条款（第12-15条）。”

（格式）：设置AI回复的样式和格式，以使其更符合用户期望和方案需求。

例子：

“以法律意见的形式输出，标志着红色，黄色和绿色的风险水平，并引用了特定的法律。”

（实验）：如有必要，可以要求AI提供多个示例供用户选择最佳响应。

例子：

“有3种合规性选择选项：激进（完全重构），平衡（本地调整）和保守派（补充免责声明）。

适用的方案：法律合规性，技术解决方案的多路验证。

此外，还可以根据自己的需求设置召回量和呼叫模型组件。召回金额越大，客户服务回复的单词越多。您称之为模型的组件越多，它不是最好的。准确性不足可能存在问题，这可能导致幻觉并影响检索效率，从而导致回复时间缓慢。值得注意和深入的探索是业务逻辑，对话管理，知识库以及其他设置和配置，也就是说，当可以使用构建块组件时，要建造哪种城堡完全取决于我们的决定。

步骤4：设置内存您可以设置变量，以使回复基于用户特征更个性化；设置数据库；选择是否使用长期记忆

步骤5：测试调整和发布

步骤6：将API与外部应用程序（例如微信官方帐户（可选））链接