ИИ врывается в службу поддержки клиентов

Автор | У Куньянь

Редактор | Ван Пан

Источник丨Фотонная планета

Большая модель читает стихи и рисует, а мы усердно работаем.

Широко распространенный отрывок выражает трудности, с которыми сегодня сталкиваются крупномасштабные модели: крупномасштабные модели искусственного интеллекта, являясь авангардом современных технологий, срочно нуждаются в реальных сценариях реального мира для высвобождения ценности, чтобы быть достойными вложенных рабочей силы и реальных денег. большими и малыми организациями в гонке вооружений.

Но шутки ведь всего лишь шутки, а посадка на самом деле недалеко от нас. В сфере электронной коммерции, с которой современные люди неизбежно соприкасаются в своей жизни, крупные модели уже находятся на пути к реконструкции родственных бизнес-форматов. Среди них наиболее популярным является генеративный контент (AIGC), включающий, помимо прочего, Вэнь Шэнту, Вэнь Шэн видео, взаимодействие человека и компьютера и т. д.

Проще говоря, нам нетрудно придумать историю изменения человеческой и товарной сферы в сфере электронной коммерции: применение интеллектуального обслуживания клиентов на стороне B, цифровая прямая трансляция для повышения эффективности работы человека, потребители получают опыт реагирования на службу поддержки клиентов 24 часа в сутки; AIGC генерирует омниканальность с низкими затратами. Контент, интеллектуальный поиск и выбор продуктов повышают эффективность дистрибуции, одновременно сокращая звено транзакции и повышая рентабельность инвестиций...

Просто предложение, циркулирующее сегодня в области глубокого обучения, выражает текущую дилемму AIGC: мы уже можем заставить машины говорить как люди, но трудно сделать машины такими же умными, как люди. Столкнувшись с характеристиками сильного взаимодействия, тяжелого принятия решений и слабых звеньев на сцене электронной коммерции, трудно сформировать идеальную логику продукта с чистой «персонификацией».

Таким образом, для закрепления AIGC в сфере электронной коммерции игроки обычно стремятся «стремиться к закрытию, одновременно открываясь» и идти по пути снизу вверх.

Закрытие сцены как человеческий эффект

Согласно последнему «Отчету о рынке интеллектуального обслуживания клиентов в Китае за 2023 год», опубликованному известной компанией Sullivan, масштаб рынка интеллектуального обслуживания клиентов в Китае в 2022 году достиг 6,68 млрд юаней, и ожидается, что размер рынка вырастет до 18,13. млрд юаней к 2027 году, при этом совокупный рост, ожидаемый в течение пяти лет, может достичь более 20%.

Мы стали свидетелями того, что этот сегментированный трек приближается к масштабу в 10 миллиардов, и универсальное применение интеллектуального обслуживания клиентов в электронной коммерции является основной причиной, по которой этот трек может поддерживать высокий рост.

Первое, на что приходится основной удар, — это пики трафика, которые трудно обойти в сфере электронной коммерции, и высокие предпродажные запросы, вызванные этим трафиком. может столкнуться с множеством одновременных запросов каждый день. В этом случае, будь то потеря пользователей, вызванная медленной реакцией службы поддержки клиентов или высокими затратами на ручное обслуживание клиентов, это становится невыносимым бременем для рынка электронной коммерции, вышедшего в Красное море.

Грубо говоря, общее применение интеллектуального обслуживания клиентов на платформах электронной коммерции является тенденцией, и с точки зрения времени широкое применение интеллектуального обслуживания клиентов предшествует большой модели. Если большая модель — это второй скачок интеллектуального обслуживания клиентов, то первым скачком интеллектуального обслуживания клиентов является технология НЛП (обработка естественного языка) в эпоху AI1.0.

«До того, как появился большой управляемый моделями AIGC, в отрасли уже существовала относительно зрелая интеллектуальная служба поддержки клиентов, основанная на НЛП, и она широко использовалась», — сказал Photon Planet Чэнь Чжэ, вице-президент по технологиям для зубов мудрости, — «Большинство Из запросов и вопросов, принимаемых службой поддержки клиентов, в закрытых сценах легче создавать человеческие эффекты, чем в открытых».

До того, как появилась технология обработки естественного языка НЛП, формой продукта онлайн-обслуживания клиентов был простой контроль качества, который давал механические ответы на основе заранее введенных ключевых слов, предложений и абзацев. Если провести неуместную аналогию, то одна из интеллектуальных служб поддержки клиентов до и после технологии НЛП — это NPC, которая механически дает обратную связь игроку в традиционной ролевой игре, а другая — интеллектуальный NPC, которая дает различную обратную связь в зависимости от ситуации игрока в реальном времени. в нынешнем шедевре 3А.

Другими словами, НЛП — это начало интеллектуального онлайн-обслуживания клиентов, и его маркетизация также вступила в зрелую стадию. Тогда большая модель — это скачок в интеллекте онлайн-обслуживания клиентов, который в основном отражается в высокой эффективности, персонализации и повышении интеллекта.

Чэнь Чжэ провел неточную аналогию с фрагментом данных. разные сцены можно переключать путем переключения базы данных.

«Абсолютное значение повышения эффективности составляет от 20% до 30%, а относительное значение — 50%», — сказал Чэнь Чжэ.

Повышение человеческой эффективности интеллектуального обслуживания клиентов с помощью крупных моделей происходит не только со стороны спроса, но и со стороны предложения. Существующая парадигма большой модели с двумя открытыми и подключаемыми базами данных значительно сократила время создания интеллектуальных продуктов обслуживания клиентов с нуля по сравнению с тем, что было раньше, а затраты на рабочую силу и затраченное время снизились на порядок. Переключение базы данных и базы знаний также обеспечивает уникальность продукта.

В то время как большая модель все еще ищет сценарий посадки, 50-процентное увеличение эффективности принесло в отрасль достаточную уверенность, будь то большая модель в сочетании с существующими интеллектуальными продуктами обслуживания клиентов или большая модель, непосредственно реализованная в области SaaS в форма обслуживания клиентов.

Что более заслуживает углубленного изучения отрасли, так это то, какой технологический стек необходимо создать для создания интеллектуального продукта обслуживания клиентов и его последующей коммерциализации.

Расстояние между демо и лендом

Интеллектуальное обслуживание клиентов — это авангард AIGC в области электронной коммерции, но доступ к возможностям дорогостоящих крупномасштабных моделей — это не то, что можно торопить.

Для крупных производителей обслуживание клиентов является лишь одним из с трудом завоеванных потерь на платформе электронной коммерции, и, как правило, они не вкладывают слишком много ресурсов в эту область; а мелкие и средние производители, естественно, не имеют возможности создавать База модели с нуля. Чэнь Чжэ прямо сказал, что технология «Зуб мудрости» не создавала самостоятельно разработанную большую модель, а использовала ведущие модели и данные Интернета для создания продуктов на прикладном уровне.

Другими словами, в целом существуют ограничения в инвестировании ресурсов в сферу интеллектуального обслуживания клиентов. В отсутствие базы большая часть интеллектуальной службы поддержки клиентов в настоящее время следует парадигме «выбор и сбор данных о вызовах, очистка-обучение, тонкая настройка-развертывание приложения», но проблемы также возникают, и они в основном сосредоточены на данных. уровень.

Вообще говоря, интеллектуальное обслуживание клиентов само по себе является продуктом, который отвечает потребностям клиентов в снижении затрат, и его собственные проблемы с затратами становятся еще более заметными. Распространенная в отрасли практика вызова зрелой базы данных действительно может значительно сократить время запуска прототипа продукта, но это повлияет на пользовательский опыт готового продукта. Во-первых, точность может снизиться из-за отклонения данных, а во-вторых, синхронизация данных отстает.

Сами данные будут собираться и очищаться структурированным образом производителем. Могут ли они идеально соответствовать отрасли или сфере деятельности заказчика — это другой вопрос, поскольку иллюзия, вызванная отклонением данных, неизбежна. Чэнь Чжэ рассказал Photon Planet: «Повышение уровня ответственности также сопровождается небольшим снижением показателя точности, что неприемлемо для многих клиентов. Например, клиентов в сфере права, образования и финансов».

А синхронизация данных более склонна к двойственному аспекту спроса и предложения интеллектуального обслуживания клиентов. С одной стороны, клиентам необходимо своевременно загружать данные, которые будут использоваться для обучения и тонкой настройки, а с другой стороны, производителям также необходимо часто настраивать и обновлять продукты.

Чэнь Чжэ сказал, что текущая частота обновления технологии зубов мудрости - еженедельная. В случае открытого интерфейса данных клиентам необходимо своевременно передавать последние данные. После периода обучения корпуса значение «последних данных» "можно отразить.

«Ваши потребности могут быть на втором, минутном или часовом уровне. Данные передаются мне за секунду до этого, и в следующую секунду они станут обучающим корпусом для наших продуктов».

Это хороший метод синхронизации, но он также больше полагается на способность к обучению вызывающей модели, и в первую очередь сложно «переварить» значение данных.

Что касается вопроса первоначальной стоимости, то он относительно менее важен. Закрытый характер сферы интеллектуального обслуживания клиентов уже ограничивает объем данных. Необходимо вызывать модели. Если стоимость токенов слишком велика, ее нужно оценивать только в соответствии с соответствующей стоимостью - в любом случае эффективность человеческого труда, сэкономленная за счет использования интеллектуального обслуживания клиентов, намного выше, чем текущие цены.

Несомненно то, что умной службе поддержки клиентов действительно легко сделать демо, но расстояние между ним и лендингом не ограничивается инвестициями в звонок или самостоятельно разработанную модель. Затраты, которые трудно подсчитать количественно, могут стать препятствием для игроков будущего интеллектуального обслуживания клиентов.

Утонченное жилое пространство

Обсуждая возможность совмещения AIGC с интеллектуальным обслуживанием клиентов, нам также необходимо учитывать, что интеллектуальное обслуживание клиентов — это не новый трек, разработанный ИИ, а старый трек с более чем десятилетней историей и бизнес-форматом, реконструированным крупным модель.

Что касается смарт-трека обслуживания клиентов, реконструкция бизнес-формата включает в себя изменение нижнего уровня от масштабирования НЛП к крупномасштабным моделям, а также эволюцию от семантического понимания к мультимодальным функциональным скачкам и т. д., но бизнес модель с нетехнической точки зрения не изменилась.

Проще говоря, интеллектуальное обслуживание клиентов — это SaaS-бизнес, основной целью которого является снижение затрат. . Другими словами, пространство выживания производителей умного обслуживания клиентов лежит в расстоянии между клиентами и способности обеспечить умное обслуживание клиентов, которое не изменилось на важных узлах технологических изменений.

«Если бы крупные производители смогли превзойти нас до смерти в умном обслуживании клиентов, то мы бы умерли еще в период НЛП», — сказал Чэнь Чжэ.

Более того, поскольку интеллектуальное обслуживание клиентов является разновидностью SaaS-бизнеса, парадигма его роста также следует логике. Например, такие операторы, как China Mobile и China Unicom и Ronglian Cloud, запустившие масштабные модели в сфере обслуживания клиентов, принимают модель роста, основанную на росте, основанном на продукте, в то время как нелидирующие производители, не обладающие соответствующими возможностями, Другими словами, большинство из них представляют модель, которая более склонна к росту, основанному на опыте (eXperience-Led Growth).

Дело не в том, что производители поясов и их клиенты не заботятся о характеристиках продукции, а в том, что производителям поясов необходимо построить вторую кривую роста, чтобы расширить свое жизненное пространство перед лицом конкуренции в области технологий и ресурсов со стороны крупных производителей. Обычно проводится «предварительная обработка» проблем, которые могут возникнуть, когда клиенты используют продукт, и максимально расширяют бизнес-маршруты за пределы основного бизнеса.

Взяв за пример одного производителя поясов, они создали отдел эксплуатации своей продукции и «делают все возможное», чтобы обеспечить поддержку клиентов и приблизиться к клиентам. Работа операционного отдела включает в себя написание писем от имени клиентов, помощь клиентам в операциях с частными доменами и даже работу в качестве «пересадочной станции» между клиентами и производителями, согласование общих цифровых решений в виде участников и т. д.

Это правда, что то, что может сделать маленькая фабрика, в принципе может быть сделано и большой фабрикой, но это требует определенного количества времени и рабочей силы. Просто их понимание умного обслуживания клиентов и разделения бизнес-маршрутов также выжало много жизненного пространства для производителей поясов.

«Крупные фабрики обладают большим количеством ресурсов и большими инвестициями. Естественно, они хотят есть мясо и смотреть на крупных клиентов, чтобы выставлять счета. И некоторые прагматичные вещи неизбежны, например, позволить клиентам опробовать модели, чтобы «украсть корпус учителей». Мы больше Приземленные и стараемся изо всех сил. Необходимость снижения затрат для клиентов может быть ясно понята еще до продажи», — сказал менеджер по продукции производителя поясов.

Более того, поскольку это один из многих проектов цифровой трансформации предприятия, недостатки интеллектуального обслуживания клиентов не так уж велики. Как правило, крупные клиенты предпочитают покупать продукцию у нескольких сторон в пакетном режиме, чтобы избежать риска интеграции, что также открывает возможности для неведущих производителей.

В настоящее время сегодняшнее умное обслуживание клиентов все еще можно рассматривать как «всевозможные морозы борются за свободу», но с углублением сочетания умного обслуживания клиентов и AIGC формат бизнеса после жесткой конкуренции, вероятно, снова изменится.

Самая основная проблема галлюцинаций, которая приводит к нестабильному качеству генерируемого контента, стоит перед всей отраслью, и в настоящее время нет четкого решения; и после того, как бизнес интеллектуального обслуживания клиентов в сочетании с AIGC вступит в зрелую стадию, тенденция от стоимости Сокращение и повышение эффективности для дальнейшего создания ценности находится на подъеме, что вынуждает производителей умных услуг по обслуживанию клиентов увеличивать количество итераций технологий. Обычно интеллектуальное обслуживание клиентов в сфере электронной коммерции может простираться от обслуживания клиентов до руководства по покупкам.

Кроме того, Photon Planet также узнала от ведущего производителя, что существует задержка в применении AIGC в сценариях обслуживания клиентов электронной коммерции, а чистый семантический поиск трудно гарантировать удовлетворенность пользователей. будущее.

Умное обслуживание клиентов стало одним из детерминированных сценариев реализации больших моделей благодаря собственному значению снижения затрат и степени связи с большими моделями. Однако разработка его крупномасштабного модельного периода только началась, и служба поддержки клиентов, которая едва изменилась с «умственно отсталой» на «умную», нуждается в большем количестве итераций парадигм, чтобы справиться с потребностями повторных покупок и перекрестных продаж.