导购、报名、查询…会发问、任务型「多轮会话」机器人搭建指南

人们对于机器人接待的直观认知是——客户提问，机器人独立回答。但无论是物流/订单查询、教培课程报名、电商售前导购、票务购买查询以及酒店查询预定等众多客户联络场景，各行各业中都会遇见这类问题：「一问一答」式的交互很难有效解决客户复杂需求。

 

若客户提问：“我要买电视”时，商家实际上无法直接告知客户「应该买什么电视」，而是需要向客户了解如客厅大小、颜色偏好、价格预算等因素后，再为客户提供「判断」过的回答。

 

很多商家认为，这样的交互太过复杂，机器人无法处理，往往直接转交人工接待，但这些问题又是高频、重复性问题，其实符合之前讲过的P类问题（详见《大促客服压力大？「PSH流程」快优化！》），无形之中又增加了人工处理的难度。

 

实际上，只要机器人可以拥有「反问」客户的能力，并可以综合因素判断给出结果，这类问题也能通过机器人独立解决的。

 

在线机器人中的「多轮会话」功能，可以使机器人进行多轮次交互式的独立接待，提升接待效率，降低人力成本。通过多轮会话的搭建和优化，企业能进一步提升机器人对于需引导交互问题的独立解决率。

 

单轮与多轮流程图示

 

 

01

什么是多轮会话

 

 

1. 从你问我答，变成我问你答

「多轮」是相对于「单轮」而言的，即无法通客户的提问，直接给出答案，需要一轮以上的问答引导得到关键信息后综合判断。机器人从简单的「你问我答」逻辑变为较为复杂的「我问你答」，实现主动出击。

 

在客户问出「需要机器人反向提问收集信息」的问题时，机器人可自动向客户发问，收集关键信息，再通过预设的条件综合判断，给出最终答案。

 

就像客户问「我要买电视」，机器人会进行主动分步式发问，了解到相关信息，如客厅大小、颜色偏好、价格预算等因素后汇总进行判断，得出最后满足需求的答案。

 

2.多轮的核心——关键信息问答引导

通过上面单轮与多轮的最终逻辑线可以发现，单轮会话的内在逻辑仅为简单的Q1→A1，Q2→A2；多轮相比于单轮在过程中增加了Q →q 1→a 1→q 2→a 2→A的「关键信息引导」过程，这也是多轮会话设计搭建的重中之重。

 

02

多轮会话流转环节如何设计

 

 

或许你想问，流转引导的环节如何选定「q」?提问顺序又怎样设置？这里我们主要通过拆因素→排顺序→做判断三步来实现。

 

配置多轮会话三步走

 

1.拆因素——以客户需求为导向

第一步，拆分出需引导问题（即需要获取的核心信息）。我们首先就要做出区分，哪些是简单高频问题，能直接通过单轮问题解决，哪些是需要通过交互引导，得到更多关键信息后才能给出答案的。对于可用单轮问题解决的，没必要应用多轮会话的方式。

 

第二步，确定关键判断因素。更直接一点的理解，我们可以将判断因素看做为「q」。对于无法直接给出答案的问题，需要确定哪些因素可能帮助商家判断它最终指向的答案。

 

例如在购买手机时客户希望推荐一款合适的型号，品牌、颜色、内存等核心因素能帮助商家判断客户需求，而例如屏幕，电池，相机参数等，并不能帮助商家快速判断，因此这些因素不应该出现在多轮会话的问题引导中。

 

同时，因素也不能拆太多，因为会话要在「获取信息」与「会话长短」之间找平衡。如果太多轮对话，客户失去耐心，容易流失或降低满意度，如果是非常复杂的问题，还是需要人工跟进处理。

 

所以企业在拆解判断条件时，可以通过以下两条原则进行：

●「判断因素」数量需进行控制，3-5个为最佳，控制交互轮数，高效解决问题，

● 「提炼判断因素」时，提问方式及因素选择需从客户角度出发，不应仅从业务上简单拆分。

 

 

 

 

2.排顺序——确定是否有「前置因素」

当企业的「q」都选定后，你可能会想，反正都是「判断因素」，谁先谁后影响应该不大，直接提问吧~但实际情况可能并不是你想的那样。

 

例如，O手机品牌旗下有多个子品牌系列，AI在商城进行在线售前导购时：

客户：帮我推荐一款商务人士用的手机

AI：请问您想要多大内存的呢？

客户：1TB

AI：请问您比较偏向的颜色是？

客户：金色

AI：……（是的，它回答不上来了，因为1TB里面没有金色的机型）

 

所以【判断因素】的提问排序也是影响最终结果导向的因素之一，需要确定获取关键信息中的哪个是前置因素，第一步提问决定了第二步的问题以及选项，才能确定最合理的问题排序，也是保证后续能继续提问和找到对应答案的前提。

 

还是以O品牌为例，例如O品牌旗下有三个系列，分别是：

M1：64G、128G、256G；蓝色、绿色、银色；

M2：128G、256G、512G；蓝色、金色、银色；

M3：128G、256G、512G；金色、银色、黑色。

 

「品牌」是「颜色」和「内存」两大因素的前提条件，因为品牌的选择直接决定了后面两个因素的选项，因此「品牌」需要前置。内存和颜色的提问顺序，也可以依据这种方式再做拆分排列。

 

当企业有多个子品牌和系列时，「品牌判断因素」建议前置，再根据产品架构和分类做下一步拆分。企业可以根据具体业务结构判断，若接待渠道不分组时，还可以先区分售前or售后场景，再通过产品类型继续分流解答。

 

上面是企业为了得出最后答案，必须收集到的「判断条件」，然而还存在另一种 情况，需要在前置问题的结果「满足某种条件后」，才会触发的「分支问题」。例如，当购物金额满500元时，可以自由选择换购产品，此时就会触发「分支问题」，发送可供客户选择的品类。若单笔订单金额未达到500元，则不会推送换购问题。

 

3.做判断——组合因素指向正确答案

当流转机制设定完成后，就需要明确各个因素搭配后最终指向的答案，这时企业要提前在系统中预设好因子组合后对应的答案。

 

答案条件有“或”和“且”两种方式，“或”是指：如果有两个因素，满足其中一个即可；而“且”是指两个因子必须同时满足才能指向答案。当因素越多时，判断也就越复杂，所以企业需要进行第一步“拆因素”找到核心因素，判断也就越快越准确。

 

对于商家来说，需要打破「机器人只能被动回答问题」的第一印象，像这种需要交互引导的问题，机器人的应用也将极大降低人工的工作压力，实现商家整体接待的降本增效。

 

目前，智齿在线客服机器人可以通过拖拽式配置帮助运维人员更直观的进行操作，提升运维效率，解决了在线机器人运维复杂的难题。

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！