Das herkömmliche E-Commerce-Kundenservicesystem beruht auf der Zusammenarbeit zwischen intelligenten Kundenservicesystemen und menschlichen Teams, aber dieses Modell hat oft mit Effizienzengpässen und Erfahrungsproblemen zu kämpfen. Obwohl die Big-Model-Technologie seit einigen Jahren entwickelt wird, beschränkt sich der Großteil des KI-Kundenservice immer noch auf die Unterstützung auf der Grundlage vordefinierter Prozesse (SOP-Modus) oder die einfache Zusammenarbeit zwischen Mensch und Maschine (SOP-Modus).Copilot
(Modus).
Die Wirksamkeit des KI-Kundendienstes wird durch Probleme wie "Vorkonfiguration zur Beantwortung", "mechanische Ein-Runden-Fragen", "Generierung ungenauer Informationen zur Irreführung der Nutzer" und "Unfähigkeit, die Absicht des Nutzers genau zu erkennen, was zu unbeantworteten Fragen führt" erheblich eingeschränkt. Die Wirksamkeit des KI-Kundendienstes wird durch Probleme wie die Notwendigkeit einer Vorkonfiguration für die Beantwortung, "mechanische Ein-Runden-Fragen", "Irreführung der Nutzer durch Generierung ungenauer Informationen" und "Unfähigkeit, die Absicht des Nutzers genau zu erkennen, was zu unbeantworteten Fragen führt" erheblich eingeschränkt. Diese Einschränkungen sind auf den Mangel an echter Autonomie und der Fähigkeit, komplexe Dialoge zu verstehen und zu planen, zurückzuführen. Um diese Einschränkungen zu überwinden, hat die Branche damit begonnen, die Machbarkeit eines KI-Kundendienstes auf der Grundlage folgender Faktoren zu untersuchen Agent
KI-Kundendienstlösungen im Einsatz. Das E-Commerce-Kundenserviceteam von Jitterbug nutzt zum Beispiel die Coze
Konstruktion der Plattform Agent
Erforschung eines neuen Paradigmas für die Zusammenarbeit zwischen Mensch und Maschine.
Verbessern Sie die Effizienz:Coze
Zwei Anwendungsmodelle für den Agenten in Kundendienstszenarien
Die traditionelle E-Commerce-Kundenservice-Prozess (Benutzer-Anfrage -> Roboter-Antwort -> Übertragung auf die manuelle) in der Spitzenzeit der großen Zahl von Anfragen, leicht zu verursachen Benutzer für eine lange Zeit warten, was die Erfahrung; zur gleichen Zeit, die manuelle Bearbeitung einer großen Anzahl von sich wiederholenden Anfragen ist nicht nur kostspielig, sondern auch schwierig, die Effizienz zu verbessern. Basierend auf dem großen Modell und Agent
Die Erforschung der Technologie hat zu zwei Hauptanwendungsmodellen geführt:
Agent
Direkte Kundenbetreuung: durch AIAgent
Erbringung von Dienstleistungen direkt für Kunden. Durch die Erbringung von Dienstleistungen inCoze
Aufbau der PlattformAgent
Intelligenzen und trainiert mit gemeinsamen Problemen und Lösungen, die aus historischen Dialogdaten gesammelt wurden.Agent
Die Fähigkeit, schnell auf Kundenanfragen zu reagieren. Noch wichtiger ist.Agent
Durch die Fähigkeit, kontinuierlich zu lernen, verbessert sich die Genauigkeit der Antworten mit der Anzahl der Anwendungen. Bei der Bewältigung bestimmter Standard- oder sich wiederholender Fragen hat dieses Modell das Potenzial, den menschlichen Kundendienst vollständig zu ersetzen und die Betriebskosten erheblich zu senken.Agent
Reaktion + Manuelle ÜberwachungDies ist ein allgemeineres Modell des Übergangs oder der Zusammenarbeit. Es besteht hauptsächlich ausAgent
Das Modell generiert Antwortvorschläge, die dann von einem Live-Kundendienstmitarbeiter überprüft und bestätigt werden. Nur wenn die Antwort des Modells riskant ist oder komplexe und emotionale Fragen nicht beantworten kann, greift der Mensch ein. Um die Leistung des Modells und die Notwendigkeit eines manuellen Eingriffs quantitativ zu bewerten, werden Indikatoren wie die "effektive Eingriffsrate" eingeführt, um die Qualität der KI-Antworten und die Angemessenheit der manuellen Korrektur zu beurteilen. Dieses Modell gewährleistet die Servicequalität und liefert gleichzeitig wertvolle Feedback-Daten für die kontinuierliche Optimierung des KI-Modells.
Umsetzungspfad: Dekonstruktion und Konstruktion des Kundendienstes Agent
Das Jitterbug E-Commerce-Team hat seinen Sitz in Coze
Plattformpraxis, insbesondere in Kundendienstszenarien, die die Kundenzufriedenheit erhöhen. Agent
wurde als Vorlage für die Coze
Der Plattform-Shop steht anderen Unternehmen oder Entwicklern zur kostenlosen Nutzung offen. Die Vorlage wurde entwickelt, um Logistik, Zahlung, Kundendienst und andere gängige Probleme zu handhaben, und bietet eine empfehlenswerte Idee für den Aufbau eines intelligenten Kundendienstes, der manuelle Arbeit ersetzt. Benutzer können je nach ihren eigenen geschäftlichen Bedürfnissen, die Agent
und damit verbundene Arbeitsabläufe für kundenspezifische Änderungen.
Holen Sie sich das Agent
Die Adresse der Vorlage lautet:https://www.coze.cn/s/uM1e-yIzEzo/
Der Kerngedanke des Programms besteht darin, die komplexen traditionellen Kundendienstfunktionen in intelligente Serviceeinheiten zu abstrahieren, die datengesteuert und disponiert werden können, und ein intelligentes Körpersystem aufzubauen, das Serviceprozesse autonom ausführen kann. Der spezifische Umsetzungspfad umfasst hauptsächlich zwei Schlüsselschritte:
Schritt 1: Dekonstruieren Sie den Kundendienstprozess
Zerlegen Sie den gesamten Interaktionsprozess mit dem Kunden in eine Reihe von klar definierten, ausführbaren Teilaufgaben oder Modulen.
Schritt 2: Entwurf der Workflow-Architektur
Auf der Grundlage des dekonstruierten Prozesses wird der Entwurf Agent
der Workflow-Architektur, die in der Regel die folgenden Arten von Knoten enthält:
- HauptarbeitsablaufVerantwortlich für die Zusammenstellung der gesamten Serviceverbindung, die Durchführung einer ersten Analyse der Sitzung (z. B. Bestimmung der Benutzerabsicht, Sitzungsphase) und die Weiterleitung von Aufgaben an die entsprechenden Stellen
Agent
Knotenpunkte.
Agent
Agentenknoten: JederAgent
Die Knoten übernehmen jeweils eine eigene Kundendienstfunktion, wie z.B. Begrüßung und Verabschiedung, Problemklärung, Absichtserkennung und Szenario-Routing, Lösungsbeurteilung, Verhandlung und Ausführung von Lösungen. Dieser modulare Aufbau ermöglichtAgent
Leichter zu verwalten und zu erweitern.
- Konfiguration KnotenpunktVerwaltung und Konfiguration
Agent
Externe Informationen und Parameter, die für den Betrieb erforderlich sind, wie z. B. Zugriff auf die Wissensbasis, bedingte Konfiguration der Urteilslogik, Parameter des Large Language Model (LLM) (z. B. Temperatur, maximale Token (Anzahl) Einstellungen, etc.
- Code-KnotenInteraktion mit internen Systemen (z. B. IM-Kommunikationsschnittstellen, Bestellsysteme), Parsing von Benutzerprofilen, Erfassung von A/B-Testparametern usw. Dies bietet
Agent
Bietet die Möglichkeit, Schnittstellen zu komplexen externen Umgebungen zu schaffen.
Coze
Plattform-Enablement: Niedriger Code trifft auf Intelligenz
Coze
Plattform für den Aufbau eines starken Kundendienstes Agent
Es wird eine wichtige Unterstützung geboten und seine Stärken werden aufgezeigt:
- Selbstlernfähigkeit mit einer Konfiguration nahe Null::
Agent
Es funktioniert ohne umständliche Vorkonfiguration und ist in der Lage, aus Interaktionen zu lernen und sich selbst zu optimieren. - Präzise und intelligente ReaktionEs kann mehrdimensionale Daten wie Produktattribute und historische Benutzerdialoge kombinieren, um die Absicht des Benutzers genauer zu erkennen und passende Antworten zu generieren.
- Fundierte Entscheidungsfindung und Terminplanung: unterstützt den Umgang mit komplexeren Kundenszenarien durch mehrdimensionale Analysen und Schlussfolgerungen und ermöglicht mehrere
Agent
Intelligente Zusammenarbeit und Aufgabenplanung zwischen ihnen. Dies geht über herkömmliche, auf Regeln oder einfacher Absichtserkennung basierende Kundendienst-Bots hinaus. - Emotionale Intelligenz SensingEs ist in der Lage, die emotionalen Veränderungen des Benutzers im Dialog in Echtzeit zu erkennen und die Antwortstrategie entsprechend anzupassen, um beispielsweise den Benutzer rechtzeitig zu beschwichtigen, wenn er seine Unzufriedenheit äußert, und das Serviceerlebnis zu optimieren.
- Intelligente DialogführungUnterstützt natürlichere Interaktionen in mehreren Runden, kann aktiv Änderungen der Benutzerbedürfnisse verfolgen und den Dialog in Richtung Problemlösung lenken, indem es tiefgreifendere Lösungen als einfache Fragen und Antworten bietet.
Anwendungspraxis: mehr Unternehmenserkundung
Neben dem E-Commerce-Team von Jitterbug nutzen auch andere Unternehmen die Coze
Die Plattform erstellt maßgeschneiderte Agent
Kundendienstsystem. Die Explore Domain Technology basiert zum Beispiel auf Coze
Die maßgeschneiderten E-Commerce-Intelligenzen sind in der Lage, schnell Produkteigenschaften, Informationen über Werbekampagnen, historische Dialogaufzeichnungen usw. aus der Wissensbasis zu ermitteln, um personalisierte Marketingansprachen zu generieren und so die Attraktivität des Produkts und die Konversionsraten zu erhöhen. In einem Mehrrunden-Dialog können die Agent
Sie können auch mit Informationen über die Portopolitik des Shops, die Regeln für die Versandversicherung und die Coupon-Strategie kombiniert werden, um die Bedenken der Verbraucher zu zerstreuen, Vertrauen zu schaffen und die Kaufentscheidung zu erleichtern.
auf der Grundlage von Coze
Beispiele für eingebaute E-Commerce-Intelligenz
Kundenanwendung Showcase: Kundenservice Agent
Führt den gesamten Prozess von der Begrüßung im Geschäft, der Entgegennahme von Anfragen, der Empfehlung von Größen entsprechend der Körperform des Benutzers, der Beratung über den Trageeffekt bis hin zur Unterstützung beim Abschluss der Transaktion durch.
Liberalisierung Agent
Schablonen sind ein nützlicher Versuch, die technische Schwelle zu senken und die Übernahme durch die Industrie zu beschleunigen. Allerdings ist dieAgent
Die breite Einführung des Modells steht noch vor einigen Herausforderungen. Dazu gehören die Abhängigkeit von qualitativ hochwertigen Daten, die Fähigkeit, komplexe oder nicht standardisierte Szenarien zu verarbeiten, sowie die Grenzen des Dienstes und ethische Überlegungen in vollautomatischen Szenarien.
Trotz der technologischen Entwicklung bleibt das Kernziel des Dienstes - die effektive Lösung von Nutzerproblemen - dasselbe.Coze
Plattformen und ihre Agent
Die Fähigkeit, neue Möglichkeiten für den elektronischen Handel und andere Bereiche zu schaffen, um intelligentere und effizientere Dienstleistungsmodelle zu entwickeln.