AIGC 实践——七鱼客服机器人业务指标波动分析

智能客服机器人的业务指标，最常见的就是解决率，解决率的高低直接关系到客户采购机器人的价值。解决率很高，客户可以省下很多成本开销，如果解决率很低，那么就没有必要采购这个客服机器人。所以，智能客服机器人解决率的高低，直接关系到客户的采购、新购、留存等。影响解决率的因素有很多，如何量化分析其中每一个关联因素，直接找出问题所在，然后给出解决方案，很困难。之前一直做不到全自动化分析，需要大量人工介入分析，耗时费力，成本巨大。但是，大模型给出了完美的解决方案，我们把大模型引入到七鱼客服机器人的业务指标波动分析中，显著提升机器人售后维护效率。

影响业务指标解决率的常见因素有哪些？

业务指标，通常来说就是解决率，主要考核的就是转人工的会话个数，越少，解决率越高，反之，解决率越低。转人工的原因五花八门，主要如下所示：

1. 知识库中没有覆盖当前 C 端客户的热门咨询点。

2. 知识库中覆盖了当前 C 端客户的热门知识点，但是由于以下具体原因导致转人工：

• 答案配置得太复杂，内容太多，没有做到简洁、直白，客户不想看或者看不明白。

• 虽然覆盖了该知识点，但是用户问题在多个知识点中都配置了，导致匹配混乱。

• 虽然覆盖了该知识点，但是匹配在了原本不该出现的知识点下面。

3. 知识库中覆盖了当前 C 端客户的热门知识点，并且答案配置也很合理，客户就是想转人工。

4. 知识库中覆盖了当前 C 端客户的热门知识点，但是算法没有匹配到，或者匹配到了不是最好的。

如果客户购买了我们的七鱼智能客服机器人，用了一段时间以后，出现解决率下降怎么处理呢？目前售后维护同学最常见的做法是：

• 看下七鱼后台业务指标统计结果，分析下最近几天变化情况，然后再分析下转人工对话（因为时间有限，可能也就分析几通对话）。

• 再进一步就是拉取一下这个机器人的诊断报告，然后看下分析结论。

• 最后一套操作下来，给客户答复就是：你们这个机器人最近业务咨询量上升了，流量比之前大很多，可能是访客问了很多问题，在知识库中没有，所以解决率低了。

这么说，客户可能不会相信（可能还会被怼无脑回答），精细化运营时代，这些词不应该出现在反馈结论中。因为没有数据支撑，都是瞎扯，一切结论要有数据支持，量化指标才行。

大模型时代我们可以做什么？

如上图所示，这个是访客咨询的 top 热门问