智能問答系統的產品化思路

轉載請務必註明出處：http://www.cnblogs.com/PengLee/p/7818644.html

1、智能問答系統最大的價值在於爲客服附能

　　如今廣泛認爲智能問答可以獨立解決不少問題，可是必需要認可如今技術所處的初級階段的性質。也就是說，智能問答系統在現階段最大的

　　價值在於爲客服人員附能，而並不是獨立於人自行解決衆多目前還有巨大錯誤率和不肯定性的問題。一旦具備這樣的思想基礎——經過智能問答系統爲客

　　服人員附能，那麼將智能問答系統作成一個工具和產品的基礎就有了，只有經過產品化、工具化的方式，纔可以實現這個預期。

 

2、侷限性下的兜底策略

　　現在階段下的智能問答系統是有侷限性的，這也是爲何知識圖譜和深度學習是須要落地到某個具體的垂直領域的緣由。但即便在某個具體的垂直領域，

　　侷限性依然普遍的存在，因此經過產品對機器問答系統作出兜底策略是一個重要的路徑，這樣可以最大程度的增長用戶對系統的信心。好比對

　　於系統不知道的問題，能夠及時轉換其餘的服務策略或者進行多輪問答。就如錘子手機的大爆炸產品，智能分詞有的時候不是那麼準確的，可是隻要你

　　在不許確的狀況下，提供一種便捷的方式，讓用戶告訴機器本身想進行的操做，那麼系統的可用性就會大大提高，而這個成本相對於提高算法的性

　　能來講，要低的多，並且效果要好得多。這就是用產品的策略彌補機器算法自己的不足。

 

　　蘇寧雲商推出了小蘇智能機器人，用戶能夠經過與小蘇聊天來了解商品的具體信息，以及協助解決一些購物流程中存在的問題。可是更加值得注意的是，

　　小蘇具有必定的拒識能力，它可以知道本身不能回答用戶哪些問題，以便及時的調用其餘的服務方式介入。因此能夠看出，爲了最大程度的下降這種局

　　限性，在產品方面作出了兩個方面的努力，一是不斷的熟悉和觀察具體的使用場景，經過擴展和精細使用場景，爲智能問答系統提供更多地解決方案；

　　二是兜底策略，對於本身不知道的問題和場景，智能問答系統可以調用其餘的服務方式介入。

 

　　瞭解了兜底策略以後，實際上很是重要的一環是如何將兜底策略也作的更加智能，如今廣泛的方式是直接介入人工客服，可是這絕對不是惟一的方式，

　　在不一樣的場景下也不見得是最有效的方式。好比語音問答系統進行實時監聽的時候，會有以下幾種場景：沒有監測到聲音或者沒有聽清楚、監聽到了聲

　　音可是識別錯誤、出現歧義或者有多個目標分析關鍵詞、給出了用戶不滿意的答案或者乾脆沒有任何答案、因爲某些服務暫時沒有接入沒法執行相應的動

　　做（好比由於手機上沒有安裝外賣APP，沒法完成下單的操做）等等，這些不一樣的場景實際上都應該有不一樣的兜底策略。

 

　　考慮兜底策略，而且將兜底策略作的智能化，是在產品上很是重要的一個前進方向。

 

3、圈定在垂直領域下的肯定性範圍

　　這是對兜底策略的進一步思考。

　　首先咱們想這樣一個問題——爲何以前很火的語音備忘錄產品如今不多人仍然在用？其實有這麼幾個緣由：

 

　　一、純音頻數據不具備可視化性質，所以難於檢索，難於判斷內容質量的高低。

　　單純的音頻是不具有可視化性質的，也就是說在你具體去聽一段音頻以前，你是沒法快速知道里面有哪些內容是重要的，是對你有用的，更沒法根據關

　　鍵詞進行搜索。在以前作音頻類產品的時候就存在這個問題，對於純音頻化的數據，可以展示給用戶的只有音軌，知道什麼時間聲音大，什麼地方聲音

　　小，可是你卻不能提早知道這段音頻實質內容的一點點額外信息。一旦一段音頻的時間很是長，而你又不想去聽那些垃圾信息，又沒法進行搜索和定位

　　那麼你能作就是放棄聽這段音頻，由於時間成本過高。

 

　　二、既然語音不具備可視化性質，沒法進行檢索，那麼經過語音識別轉化爲文字再進行存儲，會不會更好？

　　固然，這是一個很好的方案，由於一旦將音頻轉換爲文字，那麼就能夠解決上面所說的問題，這是在產品上作的很是大的優化了。可是仍是有一些不可

　　忽略的問題，就是語音識別不許確，語音識別不許確的後果是什麼，用戶就須要不斷進行double check，就如老羅所說的那樣，語音識別的準確性從

　　85%提高到90%，提高到95%這個變化不足以產生革命性的變革，可是若是有一天語音識別的準確性變成了100%，那就是一個質的飛躍，由於不再

　　用double check了

 

　　咱們分析語音備忘的相關問題是要得出這樣一個結論，若是某個事物可以完成的任務是肯定，是有清晰邊界的，那麼它就具備很是高的價值。而若是一個

　　事物的能力邊界是不肯定的，那麼它的可信性就會大大下降，它的價值就會折損。所以智能問答系統在產品上的另外一個方向是，在垂直領域圈定清晰的

　　邊界，讓用戶知道智能問答系統在什麼範圍以內是絕對可信的，一旦系統達到了用戶這樣的內心預期，即便系統自己可以解決的問題很是侷限，它也會

　　變得很是有用，就好比說一個可以爲你查詢和訂購圖書的智能問答系統，即使它的能力有限，可是若是它在這個範圍內是可靠的，那麼用戶就會對它形

　　成依賴。

 

4、產品化流程上的自我加強機制

　　這一點是顯而易見的，重點在於從產品流程的某些環節上爲智能問答系統的計算核提供非監督性或者監督性的數據。

　　對於問答系統的知識圖譜構建就是其中很是明顯的一方面。如今知識圖譜結構化數據的自動化構建技術實際上依然不成熟，因此不少垂直領域的知識

　　圖譜的構建都是進行人工標註。另外一方面，實際上每一次客服問答的數據都應該存入語料庫，不斷的擴大這個語料庫，可是正如知識圖譜所作的事，這

　　些數據只有結構化以後，只有進行標註以後，纔會有更有價值。因此從產品的角度看，提供一套簡易的人工標註界面給前線客服是有價值的。好比對於

　　每一次服務過程，客服人員都可以使用工具對客戶身份、等級、問題類別、商品分類等等一系列的數據，在機器的協助下進行快速標註，並實時的存入

　　語料庫中，那麼就可以極大的提升效率，爲智能問答系統不斷地提供新的有效數據。咱們都知道，在人工智能時代，誰擁有大數據誰就佔據了制高點。

 

　　因此，這裏面重要一環就是在理解計算核工做原理的基礎上，提供協助機器變得更智能的產品解決方案，實現機器的智能加強。

 

5、中臺服務層的可擴展性

　　這一層是除了計算核以外很是重要的一層，也是智能問答系統的一個核心服務層。統籌、智能分流、數據統計、客服監督、客服考覈在這一層，可是另

　　一種更加劇要的服務是業務服務。所謂的業務服務就是將智能問答系統和本身的業務或者第三方業務服務打通。

 

　　對於商用問答系統，客戶的問題中很大一類不只僅是須要提供一些基本的反饋信息，每每最後一個環節是須要系統幫助他去完成某些動做，好比下單、

　　退款、退貨等等，所以一個智能問答系統是否和公司業務打通是評價它是否有效率的一個很是重要的標準。

 

　　之因此提到這種服務的可擴展性，是最近對亞馬遜Echo的關注，這款智能音箱不一樣於Google、微軟等其餘公司的產品，Google、微軟的語音智能

　　產品提供的服務都是本公司本身的服務。可是Echo則不一樣，這款音箱一開始的定位就是作一個服務平臺，提供相似於組件的接口和SDK，容許其餘

　　的第三方服務集成進來。因此你不只可以經過Echo完成買書的服務，還可以完成音樂、預約pizza這種服務。這種可擴展性是產品策略上關鍵的一環

 

6、用戶主動提供數據的巨大價值

　　不論怎樣，智能問答系統一個不可忽視的巨大價值在於，他收集的數據是用戶本身透漏的數據，直接體現了用戶自身的需求。

 

　　拿用戶在網上購物來講，他從瀏覽產品到最終購買一件產品，這個鏈路的數據均可以被收集，可是機器是沒有辦法對這些數據的產生、對購買行爲的

　　產生作出準確解釋的。打個比方，我買了一件李寧的上衣，一連串的動做數據被記錄了下來，可是機器殊不知道，我爲何喜歡這件上衣，而不是其餘

　　的上衣呢？是由於材質？由於顏色？由於圖案？仍是由於搭配？機器是沒法給出準確回答的。

 

　　可是，若是我買了一件衣服，由於上面的圖案不清晰，我經過客服要求退貨，這個時候，其實我已經告訴客服，我很在乎這個圖案，並且這個信息是我

　　主動清晰的告訴客服的，這個信息的價值要高得多，反之若是你讓機器去根據我以前的購買信息作大量的計算都不必定可以獲得這個有價值的信息。

 

　　固然這個例子可能有不太準確的地方，可是要說明的是，問答系統收集到的數據是用戶親口透漏的數據，這種數據的價值要高得多！

 

[siri、微軟小冰、google now、Echo、科大訊飛、京東叮咚、出門問問]