従来のeコマース・カスタマー・サービス・システムは、インテリジェント・カスタマー・サービス・システムと人間チームの連携に依存しているが、このモデルはしばしば効率性のボトルネックや経験上のペインポイントに直面している。ビッグモデル技術は数年前から開発されているが、ほとんどのAIカスタマーサービスはまだ、事前に定義されたプロセス(SOPモード)に基づく支援か、単純な人間と機械のコラボレーション(SOPモード)に限られている。Copilot
(モード)。
回答するための事前設定が必要」「機械的な一発Q&A」「不正確な情報を生成してユーザーを惑わす」「ユーザーの意図を正確に認識できず未回答につながる」などの問題により、AI接客の有効性は著しく制限される。AI接客の有効性は、対応に事前設定が必要であること、「機械的な一網打尽のQ&A」、「不正確な情報を生成してユーザーを惑わす」、「ユーザーの意図を正確に認識できず、不正確な回答につながる」といった問題によって著しく制限されている。これらの限界は、真の自律性と複雑な対話を理解し計画する能力の欠如によるものである。こうした限界を打破するため、業界では以下のようなAI接客の実現可能性を模索し始めている。 Agent
AIカスタマーサービス・ソリューションJitterbugのeコマース・カスタマー・サービス・チームを例にとると、次のようなものがある。 Coze
プラットフォームの構造 Agent
人間とマシンのコラボレーションの新しいパラダイムを探る。
効率を改善する:Coze
カスタマーサービスにおけるエージェントの2つの応用モデル
従来のeコマースのカスタマーサービスプロセス(ユーザーからの問い合わせ→ロボットによる応答→手動への移行)は、問い合わせが集中するピーク時に、ユーザーを長時間待たせることになり、体験に影響を与えやすい。同時に、大量の問い合わせを手動で繰り返し処理することは、コストがかかるだけでなく、効率を向上させることも難しい。大きなモデルと Agent
技術の探求の結果、2つの主要な応用モデルが生まれた:
Agent
直接顧客サービスAIによるAgent
顧客に直接サービスを提供する。サービスをCoze
プラットフォーム構築Agent
インテリジェンスと、過去の対話データから蓄積された共通の問題と解決策を学習。Agent
顧客からの問い合わせに迅速に対応する能力。さらに重要なことはAgent
継続的に学習する能力により、その回答精度は使用回数に応じて向上する。ある種の標準的な、あるいは反復的な質問シナリオに対応する場合、このモデルは人間のカスタマーサービスを完全に代替し、運用コストを大幅に削減する可能性を秘めている。Agent
対応+手動監督これはより一般的な移籍やコラボレーションのモデルだ。主な構成は以下の通り。Agent
モデルは回答案を生成し、それをライブのカスタマーサービス・エージェントが確認する。モデルの回答が危険であったり、複雑で感情的な質問に対処できない場合にのみ、人間の介入が行われる。モデルのパフォーマンスと手動介入の必要性を定量的に評価するため、「有効介入率」などの指標を導入し、AI回答の品質と手動修正の妥当性を判断する。このモデルは、AIモデルを継続的に最適化するための貴重なフィードバックデータを提供しながら、サービス品質を保証します。
実施への道:顧客サービスの分解と構築 Agent
ジッターバグのeコマースチームは、以下の拠点に拠点を置いています。 Coze
プラットフォームの実践、特にアフターセールスにおけるカスタマーサービスシナリオにおいて、このような実践を構築する。 Agent
のテンプレートとして使用されている。 Coze
このプラットフォーム・ショップは、他の企業や開発者が無料で使用することができます。このテンプレートは、物流、支払い、アフターサービス、その他の一般的な問題を処理するために設計されており、手作業に代わるインテリジェントな顧客サービスを構築するための参照可能なアイデアを提供します。ユーザーは自分のビジネスニーズに応じて Agent
および関連するワークフローをカスタマイズして修正する。
これを入手する Agent
テンプレートのアドレスはhttps://www.coze.cn/s/uM1e-yIzEzo/
このプログラムの核となる考え方は、複雑な伝統的なカスタマーサービス機能を、データ駆動と派遣が可能なインテリジェントなサービスユニットに抽象化し、自律的にサービスプロセスを実行できるインテリジェントなボディシステムを構築することである。その具体的な実施経路には、主に2つの重要なステップが含まれる:
ステップ1:カスタマーサービス・プロセスの分解
カスタマーサービス全体のインタラクションプロセスを、明確に定義された実行可能な一連のサブタスクまたはモジュールに分解する。
ステップ2:ワークフローアーキテクチャ設計
分解されたプロセスに基づくデザイン Agent
ワークフローアーキテクチャのうち、通常、以下のタイプのノードが含まれる:
- 主なワークフローサービスリンク全体をつなぎ合わせ、セッションの初期分析(ユーザーの意図やセッションステージの決定など)を行い、適切なサービスリンクにタスクをルーティングする。
Agent
ノード
Agent
エージェントノードそれぞれAgent
ノードは、開会の挨拶や閉会の挨拶、問題の明確化、意図の認識とシナリオのルーティング、解決策の判断、交渉、解決策の実行など、個別の顧客サービス機能を担う。このモジュール設計によりAgent
管理も拡張も容易。
- コンフィギュレーション・ノード管理および設定用
Agent
知識ベースへのアクセス、判定ロジックの条件設定、ラージ・ランゲージ・モデル(LLM)のパラメータ(例:温度、最大値)など、操作に必要な外部情報やパラメータ。 トークン (数)の設定など。
- コード・ノード内部システム(例:IM通信インターフェース、注文システム)との相互作用、ユーザープロファイルの解析、A/Bテストのパラメータ取得など、プログラミングが必要な特定の機能を実行するために使用されます。これにより
Agent
複雑な外部環境とのインターフェース能力を提供する。
Coze
プラットフォームの実現:ローコードとインテリジェンスの融合
Coze
強力な顧客サービス構築のためのプラットフォーム Agent
主要なサポートが提供され、その強みが発揮されている:
- ゼロに近いコンフィギュレーションによる自己学習機能::
Agent
箱から出せば、面倒な事前設定なしに動作し、相互作用から自ら学習し最適化する能力を備えている。 - 正確でインテリジェントな対応商品属性や過去のユーザーとの対話履歴など、多角的なデータを組み合わせることで、ユーザーの意図をより正確に把握し、適切なレスポンスを生成することができます。
- 深い意思決定とスケジューリング多次元的な分析と推論により、より複雑な顧客シナリオの取り扱いをサポートし、複数の顧客シナリオを可能にする。
Agent
ボット間のインテリジェントなコラボレーションとタスクスケジューリング。これは、ルールや単純な意図認識に基づく従来のカスタマーサービスボットを超えるものです。 - エモーショナル・インテリジェンス例えば、不満を表明したユーザーをその場でなだめ、サービス体験を最適化する。
- インテリジェントな対話ガイダンスより自然なマルチラウンドインタラクションをサポートし、ユーザーニーズの変化を積極的に追跡し、問題解決に向けて対話を導き、単純なQ&Aではなく、より深い解決策を提供することができる。
アプリケーションの実践:より多くの企業探索
ジッターバグのeコマースチームに加え、他の企業もこのサービスを活用しています。 Coze
このプラットフォームは、カスタマイズされた Agent
顧客サービスシステム例えば、エクスプローア・ドメイン・テクノロジーは、次のような技術に基づいている。 Coze
カスタマイズされたeコマース・インテリジェンスは、商品特性、販促キャンペーン情報、過去の対話記録などを知識ベースから素早く探し出し、商品の魅力とコンバージョン率を高めるためのパーソナライズされたマーケティング談話を生成することができる。複数ラウンドの対話では Agent
また、ショップの送料ポリシー、配送保険のルール、クーポン戦略などの情報と組み合わせることで、消費者の不安に答え、信頼を築き、購入の決断を助けることができる。
に基づいている。 Coze
eコマース・インテリジェンスの構築例
カスタマー・アプリケーション・ショーケース:カスタマーサービス Agent
来店の出迎えから問い合わせの受付、体型に合わせたサイズの提案、着用効果の案内、取引完了のアシストまでを行う。
自由化 Agent
テンプレートは、技術的な敷居を下げ、業界の採用を加速させるための有効な試みである。しかしAgent
質の高いデータへの依存、複雑なシナリオや非標準的なシナリオを処理する能力、完全に自動化されたシナリオにおけるサービスの境界や倫理的配慮など、モデルの普及にはまだ課題がある。
テクノロジーの進化にもかかわらず、サービスの核となる目標--ユーザーの問題を効果的に解決すること--は変わらない。Coze
プラットフォームとその Agent
電子商取引やその他の分野において、よりスマートで効率的なサービスモデルを模索するための新たな可能性を構築する能力。