电商行业中，很多商家采用客服机器人来协助客服接待或直接为买家提供咨询服务。然而往往商家在采购了客服机器人后，真正使用时，会时常出现机器人答非所问的情况，导致买家体验差，从而造成流失，这使得商家很苦恼，那么，当商家反馈机器人出现答非所问时，我们应该如何进行优化，让机器人真正成为商家的贴心助手呢?
文章导航
一、机器人答非所问背后的故事
机器人答非所问背后是有很多故事，那么接下来我们细细的聊一聊
1、模型识别的故事
机器人要正确回答买家的问题，首先必须是机器人场景能够精准的识别，那么机器人精准识别是由什么决定的呢？
机器人精确的识别，往往是由模型的机器学习算法和训练数据来决定的，而机器学习算法是让模型通过给到的训练数据，学习到精准的知识，因此训练数据是作为机器人模型的基石，而在电商机器人中，往往客户反馈的识别不准，是由于训练数据的不精准导致的。
比如：我们喂给模型的数据是片面、不全的，错误的数据，不合理的场景设计等，这些都会让模型学习到错误的知识，从而导致机器人线上应用时出现误识别
2、机器人应用配置的故事
机器人识别精确后，客服机器要精准的回答，更是需要我们进行场景应答话术的精准配置，才能保证线上识别后精准回复买家。那么正确的场景下配置了不合理的答案则势必会导致机器人答非所问。
比如：行业场景-什么时间发货，我们配置的一个这样的答案：
【 亲亲，目前仓库快递是默认发邮政、圆通、申通等快递。仓库会根据地址随机安排快递发货哦，春节活动实付满199元是发顺丰的哦。 (PS：店铺部分商品是工厂直接发货，快递和发货地会出现和仓库不一样的情况），因此快递无法指定，敬请谅解！】
这个答案明显是错误的，无法解决买家咨询什么时间发货的问题
二、客户反馈答非所问时我们应该做什么呢
上面我们已经了解到，机器人正确回答首先必须是识别精准，那么当用户反馈机器人出现答非所问的时，我们首先应该做的是进行问题排查定位，确认答非所谓是识别还是配置导致的问题。
1、机器人误识别优化
针对机器人识别错误的情况，我们可以从以下几方面进行优化：
- 场景数据存在问题：针对识别错误的场景进行数据排查，定位识别错误是脏数据还是由于缺少对应问法意图覆盖导致的，若脏数据的问题，则进行脏数据处理，提纯场景样本即可解决，若是缺少相关问法意图导致的误识别，则对应场景下添加相关意图问法即可解决
- 交叉场景问题：针对交叉场景，导致场景数据拉扯误识别，我们可以结合客户行业特性合理的进行场景数据整合，减少场景之间的数据拉扯影响，从而提升模型识别的精准性
- 相似场景问题：针对相似场景，导致的模型学习偏差，我们可以通过分析相似场景的问法特征区别，明确的定义场景样本的界限，并进行场景样本加权和添加不同语境下的多样化样本来强化模型，让模型学习到相似场景之间的特征区别，从而精确识别
2、配置优化
机器人识别正确但由于配置不合理导致的，这部分我们需针对配置话术或客户知识库进行排查优化，针对不合理的答案结合客户知识库重新更新正确合理的答案进行应答即可。
三、做完这些后机器人是这样的
首先，我们来看看这样一家公司的训练师~
晓多科技的作为一家有实力的电商客服机器人开发者，他们拥有大量的商家客户，因此他们的训练师更加注重训练模型的优化，因此他们一直采用的是这套优化流程：当客户反馈答非所问时，他们的训练师通过这套方法能快速精准定位问题，及时优化，保障商家客户机器人线上使用效果。而晓多机器人的应答率平均更是能达到45%左右，成熟行业下甚至可达到60%、70%，模型的线上识别精确率更能保持在95%左右，因此他们公司在电商客服机器人领域中深受客户的认可。
结合案例我们不难看出，当客户反馈答非所问时，我们采用这样的一套优化方法后，机器人就变成了：买家问题→精确的识别→精准应答，从而帮助电商用户快速的进行在线买家的响应接待，提升我们线上接待的满意度，减少买家流失，真正成为电商用户的贴心服务助手。
如果想了解更多关于智能客服机器人的信息，可以点击这里进行查看。
延展阅读：
以目前的大模型技术，在电商客服场景中，自主应答率能达到多少？
统一知识库多渠道应用：能否通过智能化解决客户服务效率与成本挑战？
晓多全渠道智能客服机器人如何助力企业解决客服痛点，实现降本增效？
咨询方案
免费试用产品
