ШІ проникає в службу обслуговування клієнтів

Автор | Ву Кунянь

Редактор | Ван Пан

Джерело丨Photon Planet

Велика модель декламує вірші та малює, а ми старанно працюємо.

Широко розповсюджений уривок виражає труднощі, з якими сьогодні стикаються великомасштабні моделі: як авангарду сучасних технологій, великомасштабним моделям штучного інтелекту терміново потрібні реальні сценарії реального світу, щоб отримати цінність, щоб бути гідними людської сили та інвестованих реальних грошей. великими і малими організаціями в гонці озброєнь.

Але жарти все-таки жартами, а посадка насправді недалеко від нас. На сцені електронної комерції, з якою сучасні люди неминуче стикаються у своєму житті, великі моделі вже на шляху до реконструкції пов’язаних бізнес-форматів. Серед них найпопулярнішим є генеративний вміст (AIGC), включаючи, але не обмежуючись, Wen Shengtu, відео Wen Sheng, взаємодію людини з комп’ютером тощо.

Просто перераховуючи, нам неважко придумати історію зміни людської сфери та сфери товарів у сфері електронної комерції: застосування інтелектуального обслуговування клієнтів на стороні B, цифрове живе мовлення для підвищення ефективності роботи людей, споживачі отримують досвід реагування на обслуговування клієнтів 24 години на добу; AIGC генерує багатоканальний доступ за низькою ціною Вміст, інтелектуальний пошук і вибір продуктів підвищують ефективність розповсюдження, скорочуючи транзакційне посилання та покращуючи ROI...

Просто речення, яке сьогодні циркулює в глибокому навчанні, виражає поточну дилему AIGC: ми вже можемо змусити машини говорити як люди, але важко зробити машини такими ж розумними, як люди. Зіткнувшись із характеристиками сильної взаємодії, важкого прийняття рішень і слабких зв’язків на сцені електронної комерції, важко сформувати ідеальну логіку продукту з чистою «персоніфікацією».

Тому, щоб AIGC закріпитись у сфері електронної комерції, гравці зазвичай прагнуть «прагнути закриття, одночасно відкриваючи» та йти шляхом «знизу вгору».

Закриття сцени як вплив людини

Відповідно до останнього «Звіту про ринок інтелектуального обслуговування клієнтів у Китаї за 2023 рік», опублікованого відомою компанією Sullivan, у 2022 році масштаб ринку інтелектуального обслуговування клієнтів Китаю досяг 6,68 мільярда юанів, і очікується, що розмір ринку зросте до 18,13 мільярдів юанів до 2027 року, при цьому сукупне зростання, яке очікується протягом п’яти років, може сягнути понад 20%.

Ми стали свідками того, що цей сегментований трек рухається до масштабу в 10 мільярдів, і універсальне застосування інтелектуального обслуговування клієнтів в електронній комерції є основною причиною, чому цей трек може підтримувати високі темпи зростання.

Перше, на що припадає основний тягар, – це пік трафіку, який важко обійти на сцені електронної комерції, і висока кількість передпродажних консультацій, спричинених трафіком.Не кажучи вже про шопінг-фестивалі, такі як Double Eleven і 618, продавці електронної комерції може стикатися з багатьма одночасними запитами щодня. У цьому випадку, чи то втрата користувачів, спричинена повільним реагуванням обслуговування клієнтів, чи висока вартість ручного обслуговування клієнтів, це нестерпний тягар для ринку електронної комерції, який вийшов на Червоне море.

Відверто кажучи, загальне застосування розумного обслуговування клієнтів на платформах електронної комерції є тенденцією, і з точки зору часу, широке застосування розумного обслуговування клієнтів є більш раннім, ніж велика модель. Якщо велика модель є другим стрибком інтелектуального обслуговування клієнтів, то першим стрибком інтелектуального обслуговування клієнтів є технологія NLP (обробка природної мови) в епоху ШІ 1.0.

«Перед появою AIGC, орієнтованого на велику модель, у галузі вже існувало відносно зріле інтелектуальне обслуговування клієнтів на основі НЛП, і воно широко використовувалося», — сказав Чень Чже, віце-президент із продуктів для зубів мудрості, Photon Planet, «Більшість запитів і запитань, прийнятих сценою обслуговування клієнтів, є закритими сценами, які легше впливати на людей, ніж відкритими».

До того, як була доступна технологія обробки природної мови NLP, формою онлайн-обслуговування клієнтів була проста перевірка якості, яка давала механічні відповіді на основі попередньо введених ключових слів, речень і абзаців. Проводячи недоречну аналогію, один із інтелектуальних сервісів клієнтів до та після технології NLP — це NPC, який механічно дає зворотній зв’язок гравцеві в традиційній рольовій грі, а інший — інтелектуальний NPC, який дає різні відгуки відповідно до ситуації гравця в реальному часі. у поточному шедеврі 3А.

Іншими словами, НЛП є початком інтелектуального онлайн-обслуговування клієнтів, і його маркетинг також увійшов у зрілу стадію. Тоді велика модель — це стрибок у інтелекті онлайн-обслуговування клієнтів, який в основному відображається у високій ефективності, персоналізації та більшому розумінні.

Чень Чже провів неточну аналогію з фрагментом даних. Якщо припустити, що технологія НЛП дозволяє інтелектуальному сервісу обслуговування клієнтів точно відповідати на 50 із 100 запитань клієнтів, то після додавання великої моделі до робочого процесу інтелектуального обслуговування клієнтів він наразі може точно відповісти на 75, і різні сцени можна перемикати шляхом перемикання бази даних.

«Абсолютне значення підвищення ефективності становить приблизно від 20% до 30%, а відносне значення — 50%», — сказав Чень Чже.

Підвищення людської ефективності інтелектуального обслуговування клієнтів за допомогою великих моделей існує не лише з боку попиту, але й з боку пропозиції. Існуюча парадигма великої моделі з двома відкритими та плагінами баз даних значно скоротила час для створення інтелектуальних продуктів обслуговування клієнтів з нуля порівняно з попереднім періодом, а витрати на робочу силу та інвестований час зменшилися на порядок. Комутація бази даних і бази знань також забезпечує унікальність продукту.

Коли велика модель все ще шукає сценарій посадки, збільшення ефективності на 50% принесло достатньо впевненості в галузь, незалежно від того, чи це велика модель у поєднанні з існуючими інтелектуальними продуктами обслуговування клієнтів, чи велика модель, безпосередньо реалізована в сфері SaaS у форма обслуговування клієнтів.

Що більше заслуговує на поглиблене дослідження галузі, так це те, який тип стеку технологій потрібно створити, щоб створити розумний продукт обслуговування клієнтів і наступну комерціалізацію.

Відстань між демо і посадкою

Інтелектуальне обслуговування клієнтів є авангардом AIGC у сфері електронної комерції, але доступ до високовартісних можливостей великомасштабних моделей не є чимось, з чим можна поспішати.

Для великих виробників обслуговування клієнтів є лише однією з важко досягнутих втрат на платформі електронної комерції, і вони, як правило, не інвестують занадто багато ресурсів у цю сферу; а малі та середні виробники, природно, не мають можливості створювати базова модель з нуля. Чень Чже прямо сказав, що Wisdom Tooth Technology не створила велику модель власної розробки, а використовувала провідні моделі та дані Інтернету для створення продуктів на прикладному рівні.

Іншими словами, загалом існують обмеження щодо інвестування ресурсів у сферу інтелектуального обслуговування клієнтів. Через відсутність бази більшість інтелектуального обслуговування клієнтів наразі дотримується парадигми «відбір і виклики, збір даних і очищення, навчання, точне налаштування, розгортання програми», але також виникають проблеми, і вони в основному зосереджені на даних рівень.

Взагалі кажучи, інтелектуальне обслуговування клієнтів саме по собі є продуктом, який відповідає вимогам клієнтів щодо зниження витрат, і його власні проблеми з витратами є ще більш помітними. Поширена в галузі практика називання зрілою базою даних справді може значно скоротити час запуску прототипу продукту, але це вплине на досвід користувача готового продукту. Одна полягає в тому, що рівень точності може знизитися через відхилення даних, а інша полягає в тому, що синхронізація даних відстає.

Самі дані будуть зібрані та структуровано очищені виробником. Інша справа, чи можуть вони ідеально відповідати галузі чи галузі замовника, оскільки ілюзія, спричинена відхиленням даних, неминуча. Чень Чже сказав Photon Planet: «Підвищення рівня відповідальності також супроводжується невеликим зниженням рівня точності, що є неприйнятним для багатьох клієнтів. Наприклад, клієнтів у сферах права, освіти та фінансів».

А синхронізація даних більше схиляється до двох сторін попиту та пропозиції інтелектуального обслуговування клієнтів. З одного боку, клієнти повинні своєчасно завантажувати дані, які будуть використовуватися для навчання та налагодження, а з іншого боку, виробники також повинні часто налаштовувати та оновлювати продукти.

Чень Чже сказав, що поточна частота оновлення Wisdom Teeth Technology — щотижня. У випадку відкритого інтерфейсу даних клієнти повинні своєчасно передавати останні дані. Після періоду вивчення корпусу значення «останніх даних» " можна відобразити.

«Ваші потреби можуть бути на рівні секунди, хвилини або години. Дані надсилаються мені за секунду до цього, і за наступну секунду вони стануть навчальним корпусом для наших продуктів».

Це хороший метод синхронізації, але він також більше покладається на здатність до навчання моделі виклику, і важко «переварити» значення даних в першу чергу.

Що стосується питання початкової вартості, то воно відносно менш важливе. Закритий характер сцени інтелектуального обслуговування клієнтів уже обмежує обсяг даних.З точки зору непровідного виробника, інтелектуальному сервісу обслуговування клієнтів наразі не потрібно «зберігати картки» або отримувати доступ до векторних баз даних для забезпечення ефективності пошуку. потрібно викликати моделі. Якщо врахувати вартість токенів занадто багато, її потрібно лише оцінювати відповідно до відповідної вартості. У будь-якому випадку людська ефективність, заощаджена завдяки використанню інтелектуального обслуговування клієнтів, набагато вища, ніж поточна ціна.

Безсумнівним є те, що розумній службі обслуговування клієнтів дуже легко зробити демонстрацію, але відстань між нею та посадкою не обмежується інвестуванням у дзвінок чи власно розроблену модель. Витрати, які важко підрахувати кількісно, можуть стати проблемою для гравців майбутнього інтелектуального обслуговування клієнтів.

Тонкий життєвий простір

Обговорюючи можливість поєднання AIGC з інтелектуальним обслуговуванням клієнтів, ми також повинні враховувати, що інтелектуальне обслуговування клієнтів — це не новий шлях, розроблений штучним інтелектом, а старий шлях із історією, що налічує понад десять років, і бізнес-формат, реконструйований великими модель.

Що стосується інтелектуального обслуговування клієнтів, реконструкція бізнес-формату включає зміну нижнього рівня від масштабування НЛП до великомасштабних моделей, а також еволюцію від семантичного розуміння до мультимодальних стрибків функцій тощо, але бізнес модель з нетехнічної точки зору не змінилася.

Відверто кажучи, інтелектуальне обслуговування клієнтів — це бізнес SaaS, основною метою якого є зниження витрат. Це видно з даних «Звіту про ринок інтелектуального обслуговування клієнтів у Китаї за 2023 рік», згідно з якими у 2022 році програмне забезпечення займає 79,94% ринку інтелектуального обслуговування клієнтів Китаю. . Іншими словами, простір для виживання виробників інтелектуального обслуговування клієнтів полягає в відстані між клієнтами та здатності досягти розумного обслуговування клієнтів, яке не змінилося на важливих вузлах технологічних змін.

«Якби великі виробники змогли насмерть перевершити нас у розумному обслуговуванні клієнтів, то ми б померли ще в період НЛП», — сказав Чень Чже.

Крім того, оскільки інтелектуальне обслуговування клієнтів є типом бізнесу SaaS, парадигма його зростання також слідує логіці. Наприклад, такі оператори, як China Mobile, China Unicom і Ronglian Cloud, які запустили масштабні моделі в сфері обслуговування клієнтів, приймають модель зростання, засновану на зростанні продукту, тоді як непровідні виробники, які не мають відповідних можливостей, Іншими словами, більшість із них представляють модель, яка більш схильна до зростання, керованого досвідом (eXperience-Led Growth).

Справа не в тому, що виробникам талії та їхнім клієнтам не байдужа продуктивність продукту, але виробникам талії потрібно побудувати другу криву зростання, щоб розширити свій життєвий простір перед лицем конкуренції великих виробників за технології та ресурси. Зазвичай виконується «попередня обробка» для проблем, які можуть виникнути, коли клієнти користуються продуктом, і максимально розширюють бізнес-маршрути за межі основного бізнесу.

Взявши за приклад певного виробника талії, вони створили операційний відділ для власних продуктів і «роблять усе можливе», щоб забезпечити підтримку клієнтів і наблизитися до клієнтів. Робота операційного відділу включає написання документів від імені клієнтів, допомогу клієнтам з операціями приватного домену та навіть виконання функції «станції передачі» між клієнтами та виробниками, узгодження загальних цифрових рішень у формі учасників тощо.

Це правда, що в основному те, що може зробити маленька фабрика, також може зробити велика фабрика, але це вимагає певного часу та робочої сили. Просто їхнє розуміння розумного обслуговування клієнтів і розподіл бізнес-маршрутів також витиснули багато життєвого простору для виробників талії.

«Великі заводи мають багато ресурсів і значні інвестиції. Природно, вони хочуть їсти м’ясо та дивитися на великих клієнтів, щоб виставити рахунки. І деякі прагматичні речі неминучі, наприклад, дозволити клієнтам спробувати моделі, щоб «вкрасти вчительський корпус». Ми більше приземлені та намагаємося зробити все можливе. Потреба клієнтів у зниженні витрат може бути чітко усвідомлена ще до продажу", - сказав менеджер із продукції виробника талії.

Крім того, як один із багатьох проектів цифрової трансформації підприємства, недолік інтелектуального обслуговування клієнтів не надто великий. Як правило, великі клієнти вибирають закуповувати у кількох сторін у пакетному вигляді, щоб запобігти ризику інтеграції, яка також містить можливості для непровідних виробників.

Наразі сучасну інтелектуальну систему обслуговування клієнтів все ще можна розглядати як «всілякі морози змагаються за свободу», але з поглибленням поєднання інтелектуального обслуговування клієнтів та AIGC бізнес-формат після жорсткої конкуренції, ймовірно, знову зміниться.

Основна проблема галюцинацій, яка призводить до нестабільної якості створеного контенту, стоїть перед цілою галуззю, і наразі немає чіткого рішення; і після того, як бізнес інтелектуального обслуговування клієнтів у поєднанні з AIGC переходить у зрілу стадію, тенденція від вартості скорочення та підвищення ефективності для подальшого створення вартості зростає. Це змушує розумних виробників обслуговування клієнтів збільшувати технологічні ітерації. Типовим є те, що інтелектуальне обслуговування клієнтів у сфері електронної комерції можна розширити від обслуговування клієнтів до посібника з покупок.

Крім того, Photon Planet також дізнався від провідного виробника, що існує затримка в застосуванні AIGC у сценаріях обслуговування клієнтів електронної комерції, і чистий семантичний пошук важко гарантувати задоволення користувачів.Впровадження векторних баз даних здається неминучим у майбутнє.

Інтелектуальне обслуговування клієнтів стало одним із детермінованих сценаріїв для впровадження великих моделей завдяки власному значенню зниження витрат і ступеню зв’язку з великими моделями. Однак період розробки великомасштабної моделі тільки почався, і клієнтська служба, яка ледве змінилася з «розумово відсталого» на «розумного», потребує більше ітерацій парадигм, щоб зустрітися з потребами повторного викупу та перехресного продажу.