除卻自然語言理解，對話機器人應(yīng)該如何通過產(chǎn)品設(shè)計來變得更加優(yōu)秀？本文將通過幾個核心的產(chǎn)品設(shè)計技巧為您介紹如何讓對話機器人更加優(yōu)秀。

話接前文《?機器人是如何實現(xiàn)對話的？》，在上一篇文章中，梳理總結(jié)了如何打造一個對話機器人的完整流程，以及給大家介紹了整一個對話機器人設(shè)計所涉及的核心功能。

而本文，則將在上文的基礎(chǔ)上（如何打造一個對話機器人），與大家分享另一個話題：如何讓一個對話機器人設(shè)計的更優(yōu)秀？

一、知識挖掘：解決一個企業(yè)沒有成體系知識庫的難題

對話機器人，有一個很重要的任務(wù)就是為各類用戶排憂解惑；而要做到排憂解惑，機器人就必須事先掌握相關(guān)的知識，即用戶可能會問的問題以及這些問題的答案。

對于一些大企業(yè)來說，由于多年的規(guī)范管理與積累，一般都會有一個成體系的知識庫：總結(jié)了在服務(wù)客戶的過程中，客戶常問的問題，以及這些問題的答案。

但是，對于一些中小企業(yè)，或者管理不規(guī)范的大企業(yè)（還真別笑，市值千億的大企業(yè)，客服部門都沒有成體系的知識庫這類事情我碰到了好幾回），服務(wù)客戶的過程是沒有成體系的知識庫的，都是靠大家口口相傳，自我學(xué)習(xí)。

所以針對這部分企業(yè)來說，想要解放人力，引入對話機器人，第一步需要解決的問題就是知識庫的問題。

而這個問題又可以分為兩類：

• 第一類是有著豐富的人工服務(wù)經(jīng)驗，只是一直未把這些經(jīng)驗總結(jié)梳理；
• 第二類是從未有過任何的服務(wù)經(jīng)驗，一切從零開始。

對于后者，系統(tǒng)無法很好的輔助知識總結(jié)；但對于前者，只有客戶的服務(wù)記錄還在，就可以通過系統(tǒng)輔助人工做知識的總結(jié)和梳理。

下面將通過一個具體來說明系統(tǒng)是如何幫助企業(yè)梳理過往服務(wù)記錄，并整理成知識庫的。

1. A企業(yè)常年通過企業(yè)QQ連接客戶和客服人員，多年來的對話記錄全部存在QQ后臺，可通過后臺系統(tǒng)直接導(dǎo)出所有的客戶對話記錄。
2. 有了對話記錄后，可通過系統(tǒng)，把所有相似的問題進行分組與整合，并給出這些問題（或者叫問法）分組的關(guān)鍵詞——知識挖掘
3. 通過標(biāo)注師對這些問題分組進行校驗，校驗這些分組是否正確，是否需要調(diào)整，并在此基礎(chǔ)上生成一條條知識——對問題分組建立一條標(biāo)準(zhǔn)問題，并給出該問題的答案。

如圖，這個是我之前的產(chǎn)品原型，涵蓋了從知識材料的上傳到算法的解析（相似問題分組），再到人工標(biāo)注的過程。

整個功能的設(shè)計核心思路在于：利用分類算法，把相似的問題進行分組，并提取問題分組的關(guān)鍵詞，最后交給標(biāo)注師做問題的創(chuàng)建與檢驗。

整個過程對企業(yè)來說最大的價值在于系統(tǒng)通過歷史數(shù)據(jù)幫助企業(yè)完成過往經(jīng)驗的總結(jié)。因此，最核心的部分也正是算法解析的部分，這部分一般使用文本聚類的方法，由于術(shù)業(yè)有專攻，筆者在此不展開描述。

二、知識發(fā)現(xiàn)：解決機器人知識庫更新的難題

就像一個孩子去上小學(xué)，他所懂得的知識一定是一個逐漸增長的過程，而對話機器人的知識庫也是一樣的。

我們一開始雖然設(shè)置了一版的知識庫，但是在服務(wù)客戶的過程中，他必定會遇到一些無法解答的問題。而承認(rèn)自己的無知只是求知的第一步，第二步，我們需要對我們的無知進行填充，填補這塊知識的空白。這樣，在以后遇到相同的問題的時候，我們的機器人就不再啞口無言了。

順著上面這個思路，我們系統(tǒng)需要補充的一個功能就是知識發(fā)現(xiàn)：

1. 系統(tǒng)對所有無法回答的問題進行梳理與整合，而在這里，所謂的系統(tǒng)無法回答的問題，即針對這個問題，系統(tǒng)給出的答案最高的準(zhǔn)確率低于某個水平的，我們則視為系統(tǒng)無法回答的問題。
2. 系統(tǒng)對這些問題按照相似程度進行分組，然后提取出對應(yīng)問題分組的關(guān)鍵詞。
3. 標(biāo)注師對這些系統(tǒng)已經(jīng)完成了初步整理的“未知問題”進行標(biāo)注：如果這個問題在知識庫中已經(jīng)存在，只是系統(tǒng)無法識別而已，那我們就把這個問題放到已有的知識中就好；如果這個問題是原來的知識庫沒有的，那我們就需要新建一條知識來完成這部分空白的填充。

長此以往這樣不斷的迭代下去，我們的機器人幾乎就可以做到在當(dāng)前領(lǐng)域無所不知，知無不言的地步了（當(dāng)時是夸張的說法啦>.<）。

但從這樣一個解決問題的思路來看，我們也不難發(fā)現(xiàn)：利用這種原理的知識庫和機器人，無法回答超出自身認(rèn)知意外的問題，以及無法從自身已有的知識上進行推理，得到新的知識（回答新的問題）——而這個推理與認(rèn)知能力，也正是我們生而為人所最寶貴的能力。

所以那些擔(dān)心機器人超越人類智商的小伙伴們，只要現(xiàn)在的人工智能還是在走現(xiàn)有路徑，即從歷史數(shù)據(jù)中學(xué)習(xí)以往的經(jīng)驗（機器學(xué)習(xí)流派），那它將永遠(yuǎn)無法達到超越人類的境界。

而當(dāng)前業(yè)內(nèi)公認(rèn)的，也許能夠讓機器實現(xiàn)知識的推理與認(rèn)知的，被討論的最多的就是知識圖譜了；但是，也只是也許而已。

因為當(dāng)前知識圖譜所謂的知識推理，更多的也只是遵從人的所設(shè)定的規(guī)則來進行推理罷了，這個以后我們在講到知識圖譜這個領(lǐng)域的時候再講。

三、對話端的優(yōu)化：讓客戶用的更加省心

以上的技巧都屬于系統(tǒng)后臺端的設(shè)計技巧，那接下來我們來講講真正和客戶進行對話交互的對話端又有哪些設(shè)計技巧能夠讓機器人更加優(yōu)秀的。

1. 常見問題推薦

對于常見問題推薦這點我們廢話不多說，直接上圖：

顧名思義，就是在客戶打開對話界面的時候，把全網(wǎng)內(nèi)，用戶最常問到的問題擺出來，讓用戶自己去選擇，去點擊，省卻了輸入的繁瑣，多給用戶節(jié)省精力和時間啊~

而這中做法的好處可不止上面這點：

• 一方面更高效幫用戶解決問題：能讓用戶點的就不要讓用戶輸，這點我們不再多說。
• ?另一方面減少用戶輸入導(dǎo)致的識別錯誤：這點其實也是很重要的一條收益，只要用戶輸入，天知道用戶會輸入什么內(nèi)容？再加上打錯字呢？這時候機器人就很容易出錯了；而點選這個操作，則大大的降低了這樣一個風(fēng)險。

2. 輸入提示

輸入提示指的是，在用戶輸入文字的過程中，提示一些常見的問題。就有點類似用戶邊輸入，系統(tǒng)同時在幫忙搜索對應(yīng)問題一樣，用戶只要輸入幾個關(guān)鍵詞，就能找到自己想要詢問的問題了。然后直接點擊問題就可以看到答案。

這種做法的好處也是顯而易見的：

• 提高用戶提問效率：用戶不需要輸入完整的問題，只需要輸入部分關(guān)鍵詞，即可找到想要詢問的問題
• 減少錯誤識別率：用戶通過這種方法，系統(tǒng)推薦相關(guān)問題給用戶點選，就大大的減少了用戶輸入文本時的內(nèi)容不確定性，以及說錯誤拼寫等文本問題，自然就大大降低了系統(tǒng)的識別錯誤問題。

3. 低閾值問題推薦

低閾值，指的是系統(tǒng)對于用戶的提問，給出答案時的準(zhǔn)率較低情況（通俗點說就是對于用戶提出的這個問題，系統(tǒng)所給出的答案，正確的把握不高）。

此時，對話機器人不會直接給出答案，而是給出一系列用戶可能想要詢問的問題供用戶選擇；而系統(tǒng)給出這些問題也是有講究的：這些問題可能就是用戶想要問的問題，只是系統(tǒng)判斷后，用戶問這些問題的可能性介于一定的范圍之間，而這個準(zhǔn)確率的范圍剛好不高不低，如40-60%。

而這里就有一個問題：遇到這種情況為什么系統(tǒng)不能直接就回答了呢？

還需要用戶點選，這不是很麻煩嗎？非也非也，如果在這種情況下，系統(tǒng)沒有很高的正確回答用戶問題的把握就沖動的把答案呈現(xiàn)在用戶面前，很容易就造成了答非所問的尷尬——通俗點說就是不懂裝懂。

但如果是換做上面這種做法，對于沒有太大把握的問題，系統(tǒng)承認(rèn)自己不會，且給用戶提供了選擇——這就大不一樣了，承認(rèn)自己不會，并盡自己能力給出建議，這樣，用戶的感受會好很多。

4. 轉(zhuǎn)人工兜底

轉(zhuǎn)人工，顧名思義，就是服務(wù)客戶的角色從機器人轉(zhuǎn)換成了我們的人工客服：

而說到轉(zhuǎn)人工，其實本質(zhì)上分為了兩種不同轉(zhuǎn)接方式的：

• 主動轉(zhuǎn)人工：即客戶主動點擊轉(zhuǎn)人工按鈕，請求真人服務(wù)。
• 靜默轉(zhuǎn)人工：即機器人識連續(xù)多次無法解決用戶問題或者檢測到用戶的憤怒情緒時靜默自動轉(zhuǎn)人工

至于說一些大老板們有時會問的一些問題：既然我都用了智能客服，我們能夠把這個主動轉(zhuǎn)人工或者這個靜默轉(zhuǎn)人工的功能去掉嗎？

老實說——不能。

對于一些復(fù)雜場景，例如我的信用卡突然間刷不動了。我自己都不知道原因，交給機器人的話，大概率是沒法回答的。

此外，對于機器人來說，永遠(yuǎn)都會有無法回答的問題，而客戶也知道他是機器人，問一兩次也就不和機器人計較了，心情也還是平靜的。

但是，如果現(xiàn)在我手上信用卡莫名其妙被刷了一萬塊，你一個機器人問啥也不懂，還不退下給我來個人解決下這事情，那真是恨不得那把四十米長刀趕過去銀行當(dāng)面質(zhì)問——對于無法回答的問題機器人靜默轉(zhuǎn)人工，避免了客戶的憤怒；或者說機器人識別出來客戶的憤怒，靜默轉(zhuǎn)人工。

四、小結(jié)

好了，對話機器人的設(shè)計技巧到這里就先告一段落了，若需更多的小技巧，各位小伙伴可以上網(wǎng)去找更多的資料，這里只是給大家闡明這樣一個思路。

以上講了那么多，我們不難看出：很多都是產(chǎn)品設(shè)計上的一些技巧，和我們一聽到這個話題（對話機器人）時的第一感覺（大家一聽到這個話題必定先想到的時背后的NLP）有點不一樣。

是的，這就是我想要在最后講的內(nèi)容。

全球范圍內(nèi)，在自然語言理解領(lǐng)域的成就都是有限的，要知道語言就是知識的傳遞以及認(rèn)知的外在表現(xiàn)，是我們?nèi)祟愔谌蛏镒畲蟮牟煌c所在，也是我們?nèi)祟愇拿鞯幕?/p>

所以當(dāng)前的人工智能離真正的語言理解還是很遙遠(yuǎn)的；但我們也不用過度的沮喪。

算法層面，萬里長征我們也已經(jīng)開始了第一步；而產(chǎn)品設(shè)計層面，我們通過一些產(chǎn)品設(shè)計的小技巧，讓我們當(dāng)前的技術(shù)為人類提供一些基礎(chǔ)的服務(wù)，享受科技的成果——在智能對話領(lǐng)域，產(chǎn)品人能做的，還有很多。

本文由 @王掌柜 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議