电商类互联网产品经理如何做套智能客服系统

本文缘起来自咱们饭团“AI产品经理大本营”团员Wilde_lin的提问:“请问团长,智能客服,会是一个好方向吗? 希望能从技术的发展应用,行业深度以及作为PM的发展前景几个角度聊一聊”,本文分享一点产品视角的浅见,抛砖引玉;感兴趣的朋友,欢迎在评论区讨论交流。

智能客服,是现阶段非常明确的“能够赚钱”的AI细分领域;但是,“能够赚钱”并不意味着可以“赚大钱”,或者“很快而容易的赚大钱”。

本文主要从产品视角来聊聊,智能客服产品方向,可能的2个坑和2个出路。

一、智能客服产品方向,可能的2个“坑”

1. 现阶段,做“通用智能客服系统”,很可能是一个“大坑”

从结果看,不论是技术还是产品方面,现阶段都支撑不了通用智能客服的落地,但是,这部分的探索,本身也是有益、甚至绕不过去的环节;对部分公司来说,就应该用心去做,然后才能更好的做非通用领域的落地。

如追一科技产品负责人汶林丁所说:

我们刚开始的时候,就是在做一个通用工具集、积累方法论;经历的业务多了,才能知道,哪些是智能内核,哪些是业务层面的事情,这块只有踩过很多坑,才有去通用化、组件化的动力,也会体会边际成本不断降低的快感,相当于在证明复制性,这也得益于我们之前在腾讯是做架构出身的。

2. 做“垂直行业的智能客服解决方案”,也有不少坑。

如果价值定位还是“(为垂直行业)节省客服成本”,虽然可能养活团队,但会是一个hard模式;因为往往会被局限在为几个大客户做项目,一旦没处理好下面几个绕不过去的槛儿,很可能也会倒进坑里。

(1)最大最大的难点是,如果AI团队本身不具备该垂直行业经验,很难做出真正好的解决方案。很多时候,AI团队需要深入大客户公司内部去了解业务流程、细节、问题等,甚至有观点认为,核心门槛就在“把问题梳理清楚”——如果问题梳理清楚了,很多时候就大概知道该怎么解决了,而大客户公司有多年经验的内部员工,自己都梳理不清楚问题……

(2)退一步讲,如果把问题梳理清楚了,又可能出现一个新的不利情况:如果只是解决20%的核心问题,甚至都不一定需要用到真正的AI解决方案……曾经听说,某公司用一套自己创造的“粗暴规则+大量人工”方式,就能很现实的解决问题,已经从一些AI公司手里抢到了大单。

而且,真正有极大“降低客服成本”需求的公司,很有可能自建团队来做的。既有成本考虑,也有数据安全考虑。比如滴滴,很多人没想到的是,滴滴已经是国内人工客服成本最大的公司了,而相关数据又非常敏感,所以滴滴有极大的动力去自建智能客服团队。还有阿里,也是花了几年的时间,把网上购物等领域的客服相关问题梳理清楚,花了很多人工整理大量有效数据,然后才一步步的把智能客服真正落地的。

(3)再退一步,暂且不纠结“AI方案”是否能绝对碾压“粗暴方案”(即,假设各家公司的方案都能部分解决客户的问题),这时,还会面临竞标时的“搞关系”问题

(4)假设很幸运,拿到了某个大客户的单子,那后续怎么办呢?垂直行业内的大客户公司就这么多,公司收入的增速和总量,都会有天花板。而且近似外包的做项目,还意味着成本也是在线性增加的

(5)如果大公司不好做,那小公司呢?一般中国的中小企业,即使觉得“减少人工客服成本”是好事,但更大的动力还是在“如何增加收入”,即,如何拉新、如何提高转化率等。

3. 如果价值定位还是想设定在“节省客服成本”,可以怎么做?

如图灵机器人-产品负责人@蜗牛 老师在《系统化思维,AI产品经理的必修课》中分享的:

解决70%都会被问到的问题。30%人本身也解决不好的问题,智能客服也解决不了。要把问题范围框定在能解决的范围,并给客户算账(输出成客户能理解的语言:省了多少钱,我们赚的钱只是省的钱的一部分)。

比如,在去年9月份一个大会上,有嘉宾分享过其公司的2个合作案例:

  1. 建设银行,日均300万交互量,相当于9000个人工坐席,对应9亿元的人工成本;
  2. 交通银行,月均代替的呼叫量为200万次,对应月均成本140万。

二、智能客服产品方向,可能的2个“出路”

大方向来说,目前这个阶段做AI落地,“直接代替人”是非常危险的(不论从产品体验,还是从商业可行性来说),建议更多考虑如何“AI辅助人工”。

下面,从2B和2C两个方向分析。

1. 2B

不是给客户提供“NLP技术方案”,也不是给客户提供“智能客服产品方案”,而是给客户提供“智能客服商业方案”,即,重点不是告诉客户我们产品技术的“准确度”或“问题解决率”有多高,而是直接阐述商业价值——如何能帮他拉新、提高转化率、提高满意度等。

比如,对于“如何设置智能客服的评估指标(体系)”这个问题,常规想法可能是,完全从“有用”、“效率”角度出发,去看“问题解决率”(不确定各家公司是否这么命名,总之类似这种说法吧)。

但是,是否可以更关注用户体验?举例来说,当用户问题没有被解决的时候,是否能有些更友好的交互体验(比如更有好多引导流程/文案、设置一些小彩蛋等,有很多可以挖掘的东西),让用户不那么生气,重新再来尝试一次,或者即使这次失败了,也不至于“对这种AI客服模式或者这家商家产生严重的抵触情绪、进而以后再也不来了”。

相当于,“问题解决率”,关注重点仅仅是“这一次”用户需求的满足情况,而“用户满意度”,导向的是长期用户需求的满足。

以上这个想法,好像也没什么特别的,大家也许都能想到。但为什么没人这么去做呢?不能说我的想法一定是对的(其实也是拿出来抛砖引玉),但这个想法背后存在一个认知的区别:

假设目前行业AI技术水平,“解决问题效率”是93分,很多从业者可能认为,通过AI技术,也许有可能做到98分,还有很大空间可以去做AI技术探索,值得把很多人力资源投入进去;而我的认知是,很可能95分、甚至94分,就是“目前”整个AI行业技术水平的天花板了,1、2年内,可能更应该投入“可控”的人力去做技术攻坚,而把更多的资源倾向给AI产品经理们,放到“提高用户体验效果”的探索方向去,这方面,可能做几个中等量级的优化feature,就能够整体提升2~4分的产品价值。

为什么这2种想法,差别这么大呢?

可能是因为,很多从业者是技术背景出生,虽然他们也知道,目前AI技术水平,并没有根本性的突破,但是,他们只有“技术”这一个认知维度;而如果我们从产品或商业出发,至少会多出1~2个维度。

举个例子,大家都知道对于Siri这种语音助手产品,成年人去和她交互,问10次,即使9次都对了,只要1次回答不好,那么1个月之后,用户慢慢就再也不用了。--也就是说,从纯技术角度来说,即使已经做到了90分,但是在产品角度来看,这个模式的用户价值不足60分;如果再考虑商业价值,可能就不足30分了(至少现阶段是这样,未来也许有机会)。--也就是说,技术维度+产品维度,不是在做加法,而是在做“归一化”,是不能把90分作为整体产品价值的baseline的。

2. 2C

基于现有的智能客户产品技术条件,如何应用到普通用户?有正反两个例子。

(1)不成功的magic模式(AI+HI)

前几年,有一批中国公司copy非常火的magic模式(AI+HI),目前来看没有太成功的,主要原因可能有:

  1. 需求定位的两难(长尾 vs 头部)。对于高频需求,用户本身用app就能解决了;而如果想覆盖太多长尾领域意味着,需要更多细分领域的专业客服;而“更多细分领域专业客服”的投入产出比是不经济的。
  2. 做MVP验证的思路问题(注:MVP,minimum viable product的缩写,意为“最小可行性产品”)。2017年10月23日,我曾在饭团“AI产品经理大本营”里分享过:

……没必要一开始就去挖大价钱挖大量的AI技术人才,因为他们(magic模式)提供的本质价值是(对接)服务,所以做MVP验证时,需要用真人来模拟、走通闭环就行,等验证成功了再挖AI技术人才

而且曾经有该领域公司技术负责人亲口给我说过,他们的技术没做那么深入,因为很多情况下,回复语料(即回答数据)就能够满足用户了(不一定完美回复,但是“可接受”的)。

即,这背后的逻辑是:如果用人工,一开始就能有80~85分的效果,但如果用AI,一开始只能有60~70分效果;所以,如果用人工做MVP,用户都用不起来,就没必要大投入AI技术了;但如果一开始用AI实现,很可能由于效果没有足够好,而无法判断MVP方案本身是否OK,甚至可能被AI研发周期和成本给拖死。

另外,关于MVP方面,再分享下追一科技产品负责人@汶林丁 的实战心得:

……在标杆客户的身上收集需求,从而打磨一个MVP的产品出来,慢慢上线运营,从解决基本需求到运营到体验,不过这个过程也非常痛苦。只有有标杆性的企业需求满足后,产品解决的问题,才有代表性和可复制性。

“从解决基本需求到运营到体验”,是很务实的思路。

(2)最近非常火的Google  Duplex

Google最近在其个人助理 Google Assistant 中,新增了Duplex功能,可以帮用户给饭馆、理发店等商家打电话沟通、预订。

这里的精妙之处在于,虽然表面上AI是在服务于普通用户,但真正的AI对话产品体验的交互对象是商家的客服人员,而这类人群本身的对话流程、语言方式甚至语料内容都是相对更加清晰可控的!详见《会打电话的 AI 背后:谷歌Duplex技术解析》。

即,反过来说,如果AI技术表面上是服务于客户公司,但最终产品对话体验的交互对象其实是普通用户,那么,对于现阶段AI产品技术来说,这种对话流程非常不可控的。

可以说,Duplex这个例子正好证明了我一直以来的观点:现阶段的AI产品技术,虽然还不完美,但已经完全不影响我们做demo了,而这正好是我们AI产品经理施展的机会——这需要有一定的AI技术理解力+垂直场景认知积累+AI产品落地方法论,这些,都是我在饭团“AI产品经理大本营”里,经常会分享的。

最后,针对“智能客服作为AI产品经理的发展前景”,简单分享2点:

(1)智能客服,是很好的入行AI方向。因为相关公司可选范围不少、相关职位类型高中低都有(AI产品经理、人工智能训练师、数据标注等)、面试门槛没那么高(对NLP有一定了解,或者,如果有垂直行业经验的话,会更有机会)。

注:扩展阅读《深度报告 | AI新职位“人工智能训练师”

(2)但是,锻炼成长后,要明确自己的长期积累方向,是在哪个更能落地的领域,即,最好不要局限在给垂直行业大客户做项目的公司,更好的可能性是——

  • 2B,阿里、滴滴这类大公司内部的智能客服部门;自己公司内,就有很好的落地场景、用户量、数据和锻炼机会。
  • 2B,价值方向不是“准确度”或“问题解决率”,而是直接阐述商业价值——如何能帮他拉新、提高转化率、提高满意度等
  • 2C,有更多的产品创新可能性。

原创文章,作者:海阁,如若转载,请注明出处:http://www.pm28.com/1428.html

发表评论

电子邮件地址不会被公开。 必填项已用*标注

联系我们

在线咨询:点击这里给我发消息

邮件:403567334@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息