用戶(hù)增長(zhǎng)三駕馬車(chē)之話術(shù)篇

用戶(hù)增長(zhǎng)三駕馬車(chē)之模型篇

用戶(hù)增長(zhǎng)三駕馬車(chē)之策略篇

三架馬車(chē)的前兩篇介紹了模型和策略,這篇來(lái)介紹一下話術(shù)。提到話術(shù),很多讀者可能第一感覺(jué)就是沒(méi)太多技術(shù)含量,文字游戲而已。但筆者不這么認(rèn)為,于細(xì)微處見(jiàn)精神,往往細(xì)節(jié)之間決定業(yè)務(wù)的效果差異。而且相比于模型和策略需要依賴(lài)于數(shù)據(jù)來(lái)決策和優(yōu)化,話術(shù)可操作性更高。并且話術(shù)的調(diào)整周期較短,所需成本也相對(duì)較低。在模型和策略相對(duì)穩(wěn)定的的業(yè)務(wù)周期內(nèi),如果能對(duì)話術(shù)做適合的調(diào)整,業(yè)務(wù)說(shuō)不定會(huì)收到意外的成效。

下面主要從引擎內(nèi)核適配、文案內(nèi)容優(yōu)化、意向規(guī)則調(diào)整、效果驅(qū)動(dòng)決策幾個(gè)方面來(lái)說(shuō)明一下話術(shù)優(yōu)化的方向。

一、引擎內(nèi)核適配

1、ASR優(yōu)化

其實(shí)大多數(shù)的AI供應(yīng)商,一般會(huì)采購(gòu)BAT或者科大的ASR引擎,然后基于此做整體語(yǔ)音的方案,包括不限于自建對(duì)話管理平臺(tái),短信聚合平臺(tái)以及線路調(diào)度平臺(tái)。那讀者可能有疑問(wèn)了,如果都用的是外呼采購(gòu)的ASR,那這塊的差距就是采購(gòu)引擎本身之間的差距,和供應(yīng)商自身能力無(wú)關(guān)。其實(shí)目前的AI基本還是屬于監(jiān)督學(xué)習(xí)狀態(tài),有多少的人力就會(huì)體現(xiàn)多少的智能。在ASR能力差距不大的情況下,通過(guò)話術(shù)設(shè)計(jì)的技巧,和NLU的調(diào)整,例如增加關(guān)鍵字的正則表達(dá)可以從一定程度上補(bǔ)足ASR的問(wèn)題。而且調(diào)整語(yǔ)音質(zhì)檢發(fā)現(xiàn)的問(wèn)題,也可以提升話術(shù)整體交互的自然度和順暢度,從而提升整體客戶(hù)意愿,且能一定程度上降低投訴。

2、NLU優(yōu)化

這里其實(shí)有兩種方式:到底是關(guān)鍵詞主導(dǎo)還是算法驅(qū)動(dòng)主導(dǎo)。其實(shí)對(duì)于筆者而言,一切還是需要根據(jù)實(shí)際效果和場(chǎng)景來(lái)定。一般來(lái)說(shuō),在新產(chǎn)品或者語(yǔ)音訓(xùn)練較少的場(chǎng)景,在某些話術(shù)節(jié)點(diǎn)上采用關(guān)鍵詞為主,語(yǔ)義理解為輔的方式;在一些常用的場(chǎng)景或者場(chǎng)景相對(duì)封閉的,在話術(shù)的個(gè)別節(jié)點(diǎn)可以嘗試先走語(yǔ)義理解。

在一些智能客服的場(chǎng)景中,為了更好的幫助用戶(hù)解決來(lái)電問(wèn)題,會(huì)采用伴飛和接力模式:伴飛是智能語(yǔ)音的節(jié)點(diǎn)遇到問(wèn)題時(shí),這時(shí)候由人工跟進(jìn)對(duì)話解決完問(wèn)題后再交由機(jī)器人跟進(jìn)和人對(duì)話,當(dāng)然這里也會(huì)涉及前后語(yǔ)音的一致性以及對(duì)用戶(hù)的無(wú)感切換問(wèn)題,不在此篇展開(kāi);接力模式即語(yǔ)音交互遇到問(wèn)題后,后面的交互完全轉(zhuǎn)交給人來(lái)解決。

3、TTS優(yōu)化:

這里主要是變量和錄音銜接的平滑度以及錄音的自然度和給人的信任感。這部分調(diào)整到位的話可以減少質(zhì)疑人工的比例,增加交互的輪次,提升產(chǎn)品信息傳導(dǎo)的幾率,來(lái)提升整體的轉(zhuǎn)化率。

二、話術(shù)文案優(yōu)化

這里涉及到一個(gè)概念,即用戶(hù)節(jié)點(diǎn)旅程:即一個(gè)用戶(hù)進(jìn)入語(yǔ)音交互后,經(jīng)歷了哪些節(jié)點(diǎn)。這里主要的衡量指標(biāo)包括主流程是否交互完成,知識(shí)庫(kù)命中情況以及通話時(shí)間。我們主要從知識(shí)庫(kù)命中優(yōu)化、節(jié)點(diǎn)打斷調(diào)整、節(jié)點(diǎn)內(nèi)容優(yōu)化三方面來(lái)說(shuō):

1、知識(shí)庫(kù)命中優(yōu)化:

之前筆者也被問(wèn)到過(guò)這類(lèi)問(wèn)題,說(shuō)接通的高意向用戶(hù)中,命中知識(shí)庫(kù)的比例很低,那優(yōu)化知識(shí)庫(kù)對(duì)業(yè)務(wù)提升關(guān)系不大。其實(shí)筆者認(rèn)為知識(shí)庫(kù)的調(diào)整還是可以提升高意向客戶(hù)的比例以及轉(zhuǎn)化。這里可以從幾個(gè)角度來(lái)分析:

  • 知識(shí)庫(kù)是否應(yīng)該被命中而未被命中;
  • 知識(shí)庫(kù)是否場(chǎng)景覆蓋度不夠,從而無(wú)適合的知識(shí)庫(kù)匹配;
  • 是不是進(jìn)入了和用戶(hù)咨詢(xún)業(yè)務(wù)不匹配的知識(shí)庫(kù);
  • 最后才是這個(gè)知識(shí)庫(kù)的說(shuō)法問(wèn)題,是否有效回答了用戶(hù)的問(wèn)題;

所以,一定先要解決第一點(diǎn),即確保從用戶(hù)的問(wèn)答中流轉(zhuǎn)到所期望的知識(shí)庫(kù),這部分應(yīng)該是最容易調(diào)整的,也是容易忽視的。

2、節(jié)點(diǎn)打斷調(diào)整

這部分涉及如何確定主流程和知識(shí)庫(kù)節(jié)點(diǎn)是否支持打斷,以及不支持打斷的節(jié)點(diǎn)陳述完成的適合時(shí)間問(wèn)題。一般讀者可能會(huì)想,所有節(jié)點(diǎn)都應(yīng)該被打斷,這樣才顯得智能。但在現(xiàn)實(shí)情況中,由于語(yǔ)音引擎能力的限制,節(jié)點(diǎn)通常因?yàn)樵胍艋蛘攮h(huán)境音影響陳述不完就會(huì)被打斷,完成不了主要信息的傳達(dá),會(huì)使得營(yíng)銷(xiāo)效果達(dá)不到預(yù)期。其實(shí)換位思考一下,如果你和一個(gè)同事在聊天,旁邊有另一個(gè)同事不斷打岔,可以預(yù)期你和同事的交談質(zhì)量肯定不高,甚至主要要傳達(dá)的意圖對(duì)方也沒(méi)理解。所以是否支持打斷,以及在哪些場(chǎng)景支持打斷需要AI引擎的能力結(jié)合客群的特性來(lái)設(shè)計(jì)。

在一些不支持打斷的節(jié)點(diǎn),AI陳述的內(nèi)容過(guò)長(zhǎng),自然會(huì)增加質(zhì)疑是否機(jī)器人的可能。這個(gè)問(wèn)題顯而易見(jiàn)。我們可以在實(shí)際觀測(cè)中發(fā)現(xiàn)哪些不支持節(jié)點(diǎn)的掛機(jī)比較多,或者通過(guò)錄音發(fā)現(xiàn),在哪些節(jié)點(diǎn)質(zhì)疑是否人工的比例大,來(lái)做節(jié)點(diǎn)相應(yīng)的調(diào)整。

3、節(jié)點(diǎn)內(nèi)容優(yōu)化

這部分主要就是三方面的考慮,即促轉(zhuǎn)化、增意向和抑投訴。

  • 促轉(zhuǎn)化:增強(qiáng)對(duì)高意向客戶(hù)的高頻命中的知識(shí)庫(kù)優(yōu)化,促進(jìn)成單;
  • 增意向:增加對(duì)低意向的客戶(hù)二次邀約以及優(yōu)化兜底話術(shù);
  • 抑投訴:一般來(lái)說(shuō)造成投訴的原因主要是用戶(hù)被反復(fù)營(yíng)銷(xiāo),這部分可以通過(guò)名單去重規(guī)則來(lái)控制外呼頻次。另一部分和錄音的擬人度和語(yǔ)音交互自然度有關(guān);

三、意向規(guī)則調(diào)整:

用戶(hù)增長(zhǎng)三駕馬車(chē)之話術(shù)篇

一般我們以通話時(shí)長(zhǎng)、是否主動(dòng)掛機(jī)、是否有拒絕或投訴傾向、對(duì)話輪次數(shù)量、知識(shí)庫(kù)的命中程度以及在交互主流程最后經(jīng)歷的節(jié)點(diǎn)為核心指標(biāo)來(lái)確定高低意向。所以,話術(shù)的設(shè)計(jì)和意向規(guī)則的分類(lèi)是一個(gè)有機(jī)整體,不可單獨(dú)劃分來(lái)看。

這部分比較敏感,但是我們還是可以從幾個(gè)角度來(lái)分享下筆者對(duì)意向規(guī)則的理解:

1、知識(shí)庫(kù)權(quán)重和流程設(shè)計(jì):筆者來(lái)看,命中不同的知識(shí)庫(kù),權(quán)重應(yīng)該區(qū)分設(shè)計(jì)。而且在不同的知識(shí)庫(kù),是否能被打斷以及如何跳轉(zhuǎn)下一個(gè)節(jié)點(diǎn),這里的設(shè)計(jì)也值得斟酌;

2、不明意向用戶(hù)規(guī)則設(shè)計(jì):規(guī)則一個(gè)作用是盡量區(qū)分高意向客群,另一個(gè)作用是如何識(shí)別哪些語(yǔ)音交互中無(wú)意向,但實(shí)際有轉(zhuǎn)化的客群。這部分就需要和甲方一起配合,進(jìn)行一定的策略測(cè)試,以期最終達(dá)成預(yù)期的業(yè)務(wù)效果;

四、效果驅(qū)動(dòng)決策

以上兩部分更多是從AI供應(yīng)商自身的數(shù)據(jù)分析來(lái)看,如何做優(yōu)化。如果和甲方深度合作,可以將效果進(jìn)一步提升。即除了模型需要樣本外,AI其實(shí)也需要樣本。這個(gè)樣本除了在日常外呼產(chǎn)生的錄音進(jìn)行訓(xùn)練和質(zhì)檢,甲方提供的轉(zhuǎn)化樣本名單更可以從另一種視角來(lái)分析如何優(yōu)化話術(shù),可以從更多維度來(lái)分析客群特性。

這里筆者列舉了一些可以?xún)?yōu)化的方向:

  • 轉(zhuǎn)化人群高頻命中知識(shí)庫(kù);
  • 轉(zhuǎn)化人群高頻命中節(jié)點(diǎn);
  • 轉(zhuǎn)化人群高頻掛機(jī)節(jié)點(diǎn);
  • 投訴人群高頻命中知識(shí)庫(kù);
  • 投訴人群高頻掛機(jī)節(jié)點(diǎn);
  • 投訴人群高頻命中節(jié)點(diǎn);

在本篇中,筆者講述了話術(shù)優(yōu)化的一些觀點(diǎn)和想法。筆者從自身經(jīng)驗(yàn)角度,介紹了模型、策略以及話術(shù)的在用戶(hù)增長(zhǎng)業(yè)務(wù)中的作用和優(yōu)化思路,供讀者參考。

本文經(jīng)授權(quán)發(fā)布,不代表增長(zhǎng)黑客立場(chǎng),如若轉(zhuǎn)載,請(qǐng)注明出處:http://gptmaths.com/cgo/user/49912.html

(0)
打賞 微信掃一掃 微信掃一掃 支付寶掃一掃 支付寶掃一掃
上一篇 2021-11-11 11:44
下一篇 2021-11-11 11:50

增長(zhǎng)黑客Growthhk.cn薦讀更多>>

發(fā)表回復(fù)

登錄后才能評(píng)論