如何搭建一个智能客服：从NLP到多轮对话与多流程设计

从交互形式来划分，智能客服包括纯语音（如天猫精灵），纯文本（如小冰），纯可视化界面（如一些电商的客服，完全通过界面交互来完成对话），语音+可视化界面（如Siri等手机助手）。交互形式没有好坏，这一点同非AI产品一样，根据用户使用场景选择最合适的形式即可。

从产品定义出发，智能客服类产品，最根本的价值在于以低成本取代人工客服工作中大量重复性的部分，再基于这个前提，去挖掘更多商业变现的可能性。人工客服的工作大致分为两种，一种是咨询类的，客服只需回答问题；另一种是申请类的，客服要帮客户完成一些业务办理。

因此，从可实现的功能来划分，智能客服可分为问答式和业务办理式，再细分为单轮/多轮问答与单轮/多轮业务申请。首先什么叫单轮对话呢？

——“吃了吗您呐？”

——“吃了”

那么多轮对话的概念呢？

——“吃了吗您呐？”

——“吃了”

——“吃了什么呀”

——“老北京炸酱面”

多轮对话的另一个名字，叫作基于上下文关系的对话。单轮与多轮申请也是同理，一句话就能解决的为单轮，需要反复几次的是为多轮。

无论是问答还是申请业务，作为一个智能客服，它就离不开NLP，NLP就离不开语料。

在如上的例子中，通常的工作方法是，我们定义一个用户意图叫“吃了吗”，然后把相似的语料（吃了么？吃饭了吗？吃了没？你有没有吃饭？……）喂给机器人，之后写一些用例来测试它识别的准确率，如果识别率较低，就继续喂它语料，直到我们对识别率满意为止。用同样的方法，我们就可以让机器人学会理解很多种用户意图了。

多说一嘴，其实这里就是机器学习中样本集与测试集的概念。样本集用来学习，测试集用来测试学习的效果。另外由于机器学习的本质还是数学与统计，并没有真正的理解，所以学习效果非常依赖语料的质量。

直观的表现是，不同的意图中，语料差异越大，识别的准确率越高。比如：“吃了吗”和“吃了没”是相似的，“吃了吗”和“看星星看月亮从诗词歌赋谈到人生哲学”是不相似的。