場景描述
華寶新能自 2022 以來，從零基礎(chǔ)逐步搭建和整合海外客服系統(tǒng)，將以前分散的系統(tǒng)逐步整合到統(tǒng)一的客服系統(tǒng)中。該系統(tǒng)面向公司所有海外客服人員，客服團隊在同一個系統(tǒng)中開展業(yè)務(wù)，包括跨團隊的備份支持、多語言支持等。華寶客服團隊目前面臨的主要挑戰(zhàn)有：
- 客服咨詢量超載：隨著公司業(yè)務(wù)和產(chǎn)品的擴張，用戶的售前售后咨詢量持續(xù)增長，尤其是在黑五、Prime Day 等大促銷期間工單量激增，咨詢量是平時的 1.5 到 2 倍左右，超出客服團隊的處理負荷；
- 客服難以匹配多種咨詢渠道影響回復效率：用戶的咨詢來自各種渠道，包括電話、短信、郵件、社媒、亞馬遜電商站內(nèi)信等，客服人員需要在不同渠道了解用戶訴求并切換，影響回復效率；
- 首次回復時間過長導致用戶滿意度下降：用戶滿意度與客服首次回復的時間成反比，客服資源不足，導致用戶咨詢的首回時間過長，直接影響用戶滿意度；
- 工單處理效率低下：由于內(nèi)部知識庫不足，客服在處理部分工單時，難以快速找到可供參考的咨詢答案，導致回復效率低或答復不符合用戶期望，進而影響用戶體驗。
解決方案
通過 Amazon Bedrock 調(diào)用 Claude 3 模型識別用戶意圖，利用 Amazon Bedrock 知識庫精準搜索
華寶新能的客服團隊通過綜合客服系統(tǒng)管理來自聊天框、短信、郵件、社交媒體、站內(nèi)信等各類渠道的海外用戶咨詢，但在使用中遇到 2 個限制：1）當前該客服系統(tǒng)不支持自定義，比如客服人員需要對用戶咨詢打上標簽用作運營分析，但該系統(tǒng)不支持自定義用戶意圖標簽；2）該系統(tǒng)僅能基于當前客服系統(tǒng)供應(yīng)商生態(tài)系統(tǒng)內(nèi)的知識和數(shù)據(jù)生成內(nèi)容，若要用到其它知識，只能由華寶新能在系統(tǒng)中配置幫助中心并上傳內(nèi)容，然后才能基于幫助中心的內(nèi)容來生成回復?？傊?，在客服面對海外用戶咨詢時，需要系統(tǒng)支持可定制交互和自動基于擴展內(nèi)容生成答復，當前系統(tǒng)距離此要求尚存在差距。
準確地識別意圖對客戶服務(wù)至關(guān)重要。亞馬遜云科技在該客服系統(tǒng)上進行擴展，幫助華寶新能面向其海外業(yè)務(wù)開發(fā)了一套插件，該插件根據(jù)工單咨詢內(nèi)容，通過 Amazon Bedrock 調(diào)用 Claude 3 模型，基于大語言模型的強大能力，匹配客服管理團隊預(yù)置的用戶意圖列表，并根據(jù)工單屬性和意圖識別該咨詢屬于售前、售后或復購等。基于亞馬遜云科技 Amazon Bedrock 知識庫，華寶新能還可以根據(jù)需要自定義標簽體系，對用戶咨詢打上精準標簽?？头芾韴F隊可以基于意圖配置不同的提示詞，通過提示詞對大語言模型生成的內(nèi)容進一步優(yōu)化?？头藛T只需準備好知識文檔，注入知識庫，其余諸如文檔分塊、Embedding 計算、數(shù)據(jù)存儲等繁重工作，全部由 Amazon Bedrock 知識庫自動完成。將知識庫與客服工作臺對接后，客服團隊可以通過 Amazon Bedrock 知識庫高效利用知識庫檔實現(xiàn)精準搜索，快速獲取所需信息，在生成的標準回復內(nèi)容上根據(jù)需要進行有感情的語言潤色，為海外客戶提供更優(yōu)質(zhì)的服務(wù)。
相比于華寶新能自建知識庫，采用 Amazon Bedrock 知識庫具有諸多優(yōu)勢：
Amazon Bedrock 知識庫開箱即用，還可利用 RAG（Retrieval-Augmented Generation，檢索增強生成）技術(shù)將基礎(chǔ)模型與華寶新能內(nèi)部數(shù)據(jù)源無縫集成，簡化傳統(tǒng) RAG 實施的復雜流程；華寶新能只需要將文檔放到指定數(shù)據(jù)源后進行同步，Amazon Bedrock 知識庫就會自動構(gòu)建，并提供 API 以檢索相關(guān)結(jié)果并生成增強響應(yīng)，大幅節(jié)省開發(fā)時間和投入；
Amazon Bedrock 知識庫內(nèi)置了會話上下文管理，讓客服人員輕松支持多輪會話，還允許客服人員從單個文檔中提出問題并匯總數(shù)據(jù)；
Amazon Bedrock 知識庫可無縫與 Amazon Bedrock 安全圍欄集成，對用戶的輸入和模型的輸出進行多維度的內(nèi)容安全過濾，幫助華寶新能打造更安全的知識庫。
利用生成式 AI 識別內(nèi)部匱乏內(nèi)容，讓客服人員在與用戶的交互中便捷反饋，豐富和沉淀知識庫體系
華寶新能當前客服系統(tǒng)中的知識庫內(nèi)容較為有限，產(chǎn)品和業(yè)務(wù)的知識儲備不夠豐富，大語言模型基于此生成的答案，可能無法有效滿足用戶咨詢的情況。
為此，華寶新能攜手亞馬遜云科技，在現(xiàn)有客服系統(tǒng)咨詢系統(tǒng)上開發(fā)并集成了 Amazon Bedrock 知識庫插件，為客服人員提供了反饋入口?？头藛T收到海外用戶咨詢后會自動觸發(fā)一個動作，系統(tǒng)將獲取用戶問詢并識別用戶意圖，然后基于意圖檢索知識庫，通過 Amazon Bedrock 在知識庫中檢索生成問詢答復。
客服人員通過邊框提示便捷查看生成的答復，判斷該答復內(nèi)容屬于可直接采用、不適合或需要優(yōu)化等；對于可直接采用的內(nèi)容，客服人員將直接用該內(nèi)容回復用戶咨詢；對于不適合或需要優(yōu)化的內(nèi)容，客服人員可通過反饋入口便捷反饋意見，系統(tǒng)將自動記錄客服選擇了哪個選項，并將客服反饋意見記錄存儲在后臺。
客服團隊專門負責知識庫優(yōu)化的人員基于后臺記錄，識別哪些內(nèi)容需要更新或優(yōu)化，并判斷需要更新的方向如知識欠缺、知識老舊等，進行針對性優(yōu)化，從而提升知識庫的豐富性、及時性和準確性。因此，華寶新能借助生成式 AI，通過檢索回來的內(nèi)容反向判斷內(nèi)部知識庫的豐富程度，進而識別哪些知識模塊亟需補充和更新知識；再利用生成式 AI 在客服人員與海外用戶的交互中豐富內(nèi)容，補充上傳公司相關(guān)信息和知識，如官網(wǎng)活動信息、客服的郵件模板等，通過多次聚合沉淀出更豐富、完整的知識庫體系。
成效
生成答復更準確，客服直接采用生成內(nèi)容回復客戶的比例超過 30%
面向其海外業(yè)務(wù)，華寶新能 4 月 19 日上線基于亞馬遜云科技 Amazon Bedrock 調(diào)用 Claude 3 Sonnet 模型開發(fā)的插件，可迅速根據(jù)客服團隊的反饋，比如生成的內(nèi)容結(jié)構(gòu)不太合適，語氣不太友好，或者口吻不夠禮貌等，都可以實時配置提示詞，優(yōu)化回復內(nèi)容。目前該插件總共迭代了 3 個版本，截至到 5 月 22 日前后，客服人員采用大語言模型生成的內(nèi)容直接回復客戶的比例已經(jīng)超過 30%；而且，雙方還在持續(xù)優(yōu)化版本，目標是在一個月內(nèi)將此比例提升到 40% 左右?？头藛T效率得到顯著提升，僅就試點項目而言，相當于每年可調(diào)派出兩名客服人員，投入到對客戶附加值更高的生產(chǎn)活動如用戶聲音洞察分析中，提升公司生產(chǎn)力。
大大豐富客服內(nèi)部知識庫，增強用戶滿意度
基于亞馬遜云科技 Amazon Bedrock 知識庫，華寶新能面向其海外業(yè)務(wù)構(gòu)建和更新自身知識庫，讓客服知識庫的內(nèi)容更豐富、更新鮮及時，不僅幫助客服人員更高效回復客戶咨詢，還可將知識庫開放給用戶，進一步增強用戶滿意度。
增效同時降本，對比三方 AI 工具的客服系統(tǒng)使用成本降低為 1/20
采用了亞馬遜云科技生成式 AI 服務(wù)后，客服系統(tǒng)自動生成回復內(nèi)容，若客服人員評估后認為合適，可以直接回復，工單的平均一次解決率達到 70%，縮短首次響應(yīng)時間，提高客戶滿意度。而且，采用 Amazon Bedrock 知識庫后，華寶新能面向海外業(yè)務(wù)的客服系統(tǒng)每年的總體成本大幅降低，對比三方 AI 工具的客服系統(tǒng)使用成本，降低為原來的 1/20。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論