Chat GPT與智能客服中心設計

《Chat GPT與智能客服中心設計》

課程背景：

隨著二十大提出中國式現代化，以互聯網、人工智能、大數據等"新基建"技術為代表的數字科技飛速發展的背景下，各行各業都將人工智能為代表的智能科技作為企業未來發展的核心戰略，持續加碼智能科技的布局，旨在借助先進的高科技手段，增強獲客能力，降低運營成本，提升風控水平，通過加快科技化轉型提高核心競爭能力。預測 2025 年，以人工智能技術為基礎的企業與市場應用規模將達到上千億人民幣。

2023年ChatGPT橫空出世，該程序使用基于GPT-3.5架構的大語言模型并通過人工智能強化學習進行訓練的智能語言聊天機器人。2022年11月上線，上線不到一周就突破100萬用戶，兩個月突破一億用戶。這是繼互聯網之后，人類最重大的一次技術革命。ChatGPT是由美國頂尖AI實驗室OpenAI開發的一個人工智能聊天機器人程序，OpenAI 是美國的AI實驗室，非營利組織，定位是促進和發展友好的人工智能，使人類整體受益。OpenAI成立于2015年底，創始人是伊隆·馬斯克以及前YC 總裁Sam Altman。

隨著三年疫情的結束，未來企業發展方向將成為一個重要課題，根據多家智能中心的實際應用數據統計，在疫情期間，智能客服機器人處理量占比以及達到了90%以上。特別是在客服中心員工無法正常上班期間，智能的客服機器人依然可以工作，智能客服中心的工作效率不會受到時間、空間的限制，工作是可以持續進行的，可以說智能外客服中心是業務延伸的跳板。

如何開發一套類似Chat GPT的，具有高度智商和高度情商的智能客服中心？這就需擁有人工智能在自然語言處理、意圖識別、知識圖譜、單輪 / 多輪對話等引擎技術作為支撐，其中涉及高維機器學習、深度學習等諸多底層算法…… 這些的需要各行各業及時部署智能系統的相關資源、技術和團隊。包括標準化服務話術、業務覆蓋率、整體成本低、規模拓展快等，這樣才能切實體會到人工智能給企業帶來的優勢和競爭力。 

課程收益：

1、        了解Chat GPT的基本功能和應用場景，以及對當前商業價值和意義

2、        掌握人工智能、大數據、機器學習等智能的核心技術

3、        充分理解利用新技術的目的，以及如何提升客服中心的能力與競爭力

4、學習并嘗試構建一個智能客服中心的流程、知識圖譜、話術規則、智能客服機器人等步驟，以及評價考核指標體系

【培訓大綱】

第一講：Chat GPT帶來的智能科技浪潮

一、       洶涌而來AI科技

1.    你沒做錯什么，是時代變了——來自Chat GPT的沖擊波

2.    傳統商業模式，遇到“降維打擊”

3.    新冠疫情加速企業智能化呈指數級發展

二、       網絡效率邏輯

1.    數據智能邏輯

2.    深度滲透邏輯

三、       人工智能全方位滲透到傳統商業與企業

1.    從互聯網到數字化的演進和改造

2.    數字化新基建能力建設（大智云網）

3.    智能客服如何改變了傳統服務場景

l  智能應答——自動應答、客戶管理

l  智能分析——精準分析、定位、推薦

l  智能營銷——場景與個性化營銷

l  智能風控——反欺詐與行為監控

l  智能投顧——客戶分析、業務賦能

第二講：人工智能發展簡史與核心技術

一、       人工智能如何戰勝的人類——世紀對弈

1.    AlphaGo圍棋勝利的深度透視

2.    智能算法的秘密

3.    Chat GPT將替代大量現有職業

實戰案例分析：人類思維與機器思維有哪些本質區別

二、       人工智能發展概況

1.     什么是智能

2.     什么是人工智能 (AI)

3.     AI研究的方法和途徑

4.     Chat GPT就是“高人”——打造全方位數字化服務體系

實戰案例分析： Chat GPT如何回答問題的

三、       人工智能的基礎設施——數據、算法、算力

1.     海量數據是解決人工智障的關鍵

2.    

人工智能的要素與先決條件

3.     人工智能+大數據“猜”出并控制一切

實戰案例分析：特朗普通過數據和算法來操控選民思想和結果

4.     數據挖掘技術全面提升商業銀行競爭力——相關性與隨機性

實戰案例分析：螞蟻金服在機器學習算法上的應用

四、       機器學習與算法設計

1.     機器如何學習——監督學習（分類、預測）、無監督學習（聚類、關聯）

2.     算法如何掌握讀心術的：三種底層邏輯

3.     機器學習的主要學派與五大終極算法

符合學派——逆向演繹算法

聯結學派——反向傳播算法

進化學派——達爾文算法

貝葉斯學派——推理算法

類推學派——支持向量機算法

4.     機器學習與算法的結合應用

實戰案例分析：準確率高達75%的機票價格預測模型

第三講：智能客服中心如何應用人工智能技術

一、       智能客服中心解決的主要問題

1.     人工客服無法做到 7X24 小時全天候的服務

2.     人工客服成本巨大

3.     大量重復性問題，耗時低效

4.     與客戶的大量通話記錄無法形成數據化

二、       利用智能客服系統吸引消費者注意

1.     消費者與市場分類與監控

2.     自主社交互動

3.     精準識別潛在消費者與場景

實戰案例分析：把被動接受客戶投訴到主動營銷

三、       利用智能客服系統說服消費者

1.     自主完成交易

2.     自主客戶旅程追蹤分析

3.     消費者情緒引導

實戰案例分析：螞蟻聚寶金融智能投顧APP

四、       利用智能客服系統留存消費者

1.     能夠精準洞察消費者行為

2.     提出改善優化客戶服務

3.     一對多智能預測性信息推薦

實戰案例分析： 亞馬遜智能客服機器人預見并喚醒客戶

第四講：智能客服中心設計步驟與方案

一、       什么是智能客服系統

智能客服中心工作原理

三、       智能客服中心應用場景與分類

1.     任務管理類——賬期提醒

2.     知識咨詢問答類——產品業務咨詢

3.     知識圖譜問答類——廣義知識問答

4.     智能聊天機器人類——自動應答處理業務

四、       智能聊天機器人搭建步驟與流程

1.     業務流程與規則梳理

1)     業務流程：梳理最合適的業務流程。

2)     業務系統交互場景、情緒

3)     呼叫中心指令：例如放音、掛斷、打斷、進IVR、轉人工等

4)     規則文檔輸出：業務知識文檔（一問一答、常用業務詞、兜底話術等）。

2.     設計創建智能應答機器人（對話流）

創建智能應答引擎、模板

智能應答機器人工作原理流程

● 對話分析

– 對話日志

– 未解決問題：如多樣性、歧義性、復雜性、復用性、模糊性等問題

l  服務指標數據設置

– 問答統計

– 訪問統計

– 熱點問題

– 關鍵詞統計

2)     知識結構化的主要思路與方法

l  從非結構化業務文檔或者半結構化的數據過渡到結構化知識圖譜

l  從非結構化的用戶表述解析出結構化語義表達式

l  從非結構的文本型答案升級為結構化答案

知識庫與詞典管理

4)     應答接口設置：根據用戶所在的環節，和提問的內容進行特殊處理的流程。

3.     聊天機器人話術核心算法設置

1)     自然語言理解——如何/怎么+事件詞+實體詞

2)     對話（發音、語氣、語速、靜默）管理

3)     用戶策略算法模擬器

l  觸發意圖設置

l  回復內容設置

l  特殊指令設置

4.     編碼現實流程、算法與閾值設置

5.     測試與訓練：單輪問答、功能對話和人機協作

1)     測試對話流程規則集與監控指標

2)     自動校驗合規性

3)     測試+訓練：機器人診斷機器人

4)     預上線測試與訓練測試階段：鏈路排查，方便定位問題

6.     業務上線：API接口發布

1)     發起會話：發起對應機器人的會話

2)     進行會話：與指定機器人進行會話

3)     刪除會話：當不再需要使用機器人進行會話時，刪除會話。

7.     數據回流閉環與智能質檢（深度學習+迭代）

1)     智能分析與優化

l  語音識別

l  意圖（情緒）識別

l  回復內容

語音播放

智能質檢深度學習流程

2)     業務分析與優化

l  提升流程轉化率：設置評價考核指標

優化交互規則集：增加、修改、刪除

8.     業務評價考核指標設置

1)     智能客服系統評價體系與指標設置

2)    

基礎指標集設置：如未知次數、重復次數、靜默時長

3)     業務考核指標

l  線上咨詢量占比：如＞50%

l  智能客服系統解決率：如＞40%

l  智能客服轉人工率：如＜10%

第五講：練習設計一個智能客服中心流程

實戰練習：圍繞本行業務特點，分組練習設計智能客服流程和模型。

1)     智能客服規則與流程：精準應答、實時應答和個性化推薦等算法模型；

2)     客戶旅程管理：設計獲取客戶最優算法、用戶畫像、關系鏈研究等客戶旅程管理；

3)     設計智能客服中心知識圖譜：從知識建模、挖掘、融合、編輯與管理到推理與計算，它用于構建一個初級知識圖譜。

4)     智能客服中心指數體系的初步搭建和分析。