Chat GPT与智能客服中心设计

《Chat GPT与智能客服中心设计》

课程背景：

随着二十大提出中国式现代化，以互联网、人工智能、大数据等"新基建"技术为代表的数字科技飞速发展的背景下，各行各业都将人工智能为代表的智能科技作为企业未来发展的核心战略，持续加码智能科技的布局，旨在借助先进的高科技手段，增强获客能力，降低运营成本，提升风控水平，通过加快科技化转型提高核心竞争能力。预测 2025 年，以人工智能技术为基础的企业与市场应用规模将达到上千亿人民币。

2023年ChatGPT横空出世，该程序使用基于GPT-3.5架构的大语言模型并通过人工智能强化学习进行训练的智能语言聊天机器人。2022年11月上线，上线不到一周就突破100万用户，两个月突破一亿用户。这是继互联网之后，人类最重大的一次技术革命。ChatGPT是由美国顶尖AI实验室OpenAI开发的一个人工智能聊天机器人程序，OpenAI 是美国的AI实验室，非营利组织，定位是促进和发展友好的人工智能，使人类整体受益。OpenAI成立于2015年底，创始人是伊隆·马斯克以及前YC 总裁Sam Altman。

随着三年疫情的结束，未来企业发展方向将成为一个重要课题，根据多家智能中心的实际应用数据统计，在疫情期间，智能客服机器人处理量占比以及达到了90%以上。特别是在客服中心员工无法正常上班期间，智能的客服机器人依然可以工作，智能客服中心的工作效率不会受到时间、空间的限制，工作是可以持续进行的，可以说智能外客服中心是业务延伸的跳板。

如何开发一套类似Chat GPT的，具有高度智商和高度情商的智能客服中心？这就需拥有人工智能在自然语言处理、意图识别、知识图谱、单轮 / 多轮对话等引擎技术作为支撑，其中涉及高维机器学习、深度学习等诸多底层算法…… 这些的需要各行各业及时部署智能系统的相关资源、技术和团队。包括标准化服务话术、业务覆盖率、整体成本低、规模拓展快等，这样才能切实体会到人工智能给企业带来的优势和竞争力。 

课程收益：

1、        了解Chat GPT的基本功能和应用场景，以及对当前商业价值和意义

2、        掌握人工智能、大数据、机器学习等智能的核心技术

3、        充分理解利用新技术的目的，以及如何提升客服中心的能力与竞争力

4、学习并尝试构建一个智能客服中心的流程、知识图谱、话术规则、智能客服机器人等步骤，以及评价考核指标体系

【培训大纲】

第一讲：Chat GPT带来的智能科技浪潮

一、       汹涌而来AI科技

1.    你没做错什么，是时代变了——来自Chat GPT的冲击波

2.    传统商业模式，遇到“降维打击”

3.    新冠疫情加速企业智能化呈指数级发展

二、       网络效率逻辑

1.    数据智能逻辑

2.    深度渗透逻辑

三、       人工智能全方位渗透到传统商业与企业

1.    从互联网到数字化的演进和改造

2.    数字化新基建能力建设（大智云网）

3.    智能客服如何改变了传统服务场景

l  智能应答——自动应答、客户管理

l  智能分析——精准分析、定位、推荐

l  智能营销——场景与个性化营销

l  智能风控——反欺诈与行为监控

l  智能投顾——客户分析、业务赋能

第二讲：人工智能发展简史与核心技术

一、       人工智能如何战胜的人类——世纪对弈

1.    AlphaGo围棋胜利的深度透视

2.    智能算法的秘密

3.    Chat GPT将替代大量现有职业

实战案例分析：人类思维与机器思维有哪些本质区别

二、       人工智能发展概况

1.     什么是智能

2.     什么是人工智能 (AI)

3.     AI研究的方法和途径

4.     Chat GPT就是“高人”——打造全方位数字化服务体系

实战案例分析： Chat GPT如何回答问题的

三、       人工智能的基础设施——数据、算法、算力

1.     海量数据是解决人工智障的关键

2.    

人工智能的要素与先决条件

3.     人工智能+大数据“猜”出并控制一切

实战案例分析：特朗普通过数据和算法来操控选民思想和结果

4.     数据挖掘技术全面提升商业银行竞争力——相关性与随机性

实战案例分析：蚂蚁金服在机器学习算法上的应用

四、       机器学习与算法设计

1.     机器如何学习——监督学习（分类、预测）、无监督学习（聚类、关联）

2.     算法如何掌握读心术的：三种底层逻辑

3.     机器学习的主要学派与五大终极算法

符合学派——逆向演绎算法

联结学派——反向传播算法

进化学派——达尔文算法

贝叶斯学派——推理算法

类推学派——支持向量机算法

4.     机器学习与算法的结合应用

实战案例分析：准确率高达75%的机票价格预测模型

第三讲：智能客服中心如何应用人工智能技术

一、       智能客服中心解决的主要问题

1.     人工客服无法做到 7X24 小时全天候的服务

2.     人工客服成本巨大

3.     大量重复性问题，耗时低效

4.     与客户的大量通话记录无法形成数据化

二、       利用智能客服系统吸引消费者注意

1.     消费者与市场分类与监控

2.     自主社交互动

3.     精准识别潜在消费者与场景

实战案例分析：把被动接受客户投诉到主动营销

三、       利用智能客服系统说服消费者

1.     自主完成交易

2.     自主客户旅程追踪分析

3.     消费者情绪引导

实战案例分析：蚂蚁聚宝金融智能投顾APP

四、       利用智能客服系统留存消费者

1.     能够精准洞察消费者行为

2.     提出改善优化客户服务

3.     一对多智能预测性信息推荐

实战案例分析： 亚马逊智能客服机器人预见并唤醒客户

第四讲：智能客服中心设计步骤与方案

一、       什么是智能客服系统

智能客服中心工作原理

三、       智能客服中心应用场景与分类

1.     任务管理类——账期提醒

2.     知识咨询问答类——产品业务咨询

3.     知识图谱问答类——广义知识问答

4.     智能聊天机器人类——自动应答处理业务

四、       智能聊天机器人搭建步骤与流程

1.     业务流程与规则梳理

1)     业务流程：梳理最合适的业务流程。

2)     业务系统交互场景、情绪

3)     呼叫中心指令：例如放音、挂断、打断、进IVR、转人工等

4)     规则文档输出：业务知识文档（一问一答、常用业务词、兜底话术等）。

2.     设计创建智能应答机器人（对话流）

创建智能应答引擎、模板

智能应答机器人工作原理流程

● 对话分析

– 对话日志

– 未解决问题：如多样性、歧义性、复杂性、复用性、模糊性等问题

l  服务指标数据设置

– 问答统计

– 访问统计

– 热点问题

– 关键词统计

2)     知识结构化的主要思路与方法

l  从非结构化业务文档或者半结构化的数据过渡到结构化知识图谱

l  从非结构化的用户表述解析出结构化语义表达式

l  从非结构的文本型答案升级为结构化答案

知识库与词典管理

4)     应答接口设置：根据用户所在的环节，和提问的内容进行特殊处理的流程。

3.     聊天机器人话术核心算法设置

1)     自然语言理解——如何/怎么+事件词+实体词

2)     对话（发音、语气、语速、静默）管理

3)     用户策略算法模拟器

l  触发意图设置

l  回复内容设置

l  特殊指令设置

4.     编码现实流程、算法与阈值设置

5.     测试与训练：单轮问答、功能对话和人机协作

1)     测试对话流程规则集与监控指标

2)     自动校验合规性

3)     测试+训练：机器人诊断机器人

4)     预上线测试与训练测试阶段：链路排查，方便定位问题

6.     业务上线：API接口发布

1)     发起会话：发起对应机器人的会话

2)     进行会话：与指定机器人进行会话

3)     删除会话：当不再需要使用机器人进行会话时，删除会话。

7.     数据回流闭环与智能质检（深度学习+迭代）

1)     智能分析与优化

l  语音识别

l  意图（情绪）识别

l  回复内容

语音播放

智能质检深度学习流程

2)     业务分析与优化

l  提升流程转化率：设置评价考核指标

优化交互规则集：增加、修改、删除

8.     业务评价考核指标设置

1)     智能客服系统评价体系与指标设置

2)    

基础指标集设置：如未知次数、重复次数、静默时长

3)     业务考核指标

l  线上咨询量占比：如＞50%

l  智能客服系统解决率：如＞40%

l  智能客服转人工率：如＜10%

第五讲：练习设计一个智能客服中心流程

实战练习：围绕本行业务特点，分组练习设计智能客服流程和模型。

1)     智能客服规则与流程：精准应答、实时应答和个性化推荐等算法模型；

2)     客户旅程管理：设计获取客户最优算法、用户画像、关系链研究等客户旅程管理；

3)     设计智能客服中心知识图谱：从知识建模、挖掘、融合、编辑与管理到推理与计算，它用于构建一个初级知识图谱。

4)     智能客服中心指数体系的初步搭建和分析。