网易云商AIGC特辑:听说真正懂提效的人都这么搭知识库

企业想要形成良好的服务闭环,有三个核心要素——一是知识体系构建,为客服人员和机器人提供足够的弹 药;二是客户服务,向用户提供优质的服务;

三是客户洞察,了解用户对服务、产品的反馈和诉求。以此形成闭环,不断优化。

不难看出,知识体系构建是形成专业有效服务的基础。知识库的质量越好,能给到客服人员和机器人的指导就更加专业,服务的准确度也自然更高。那知识库的质量取决于什么呢?

面对企业庞大的知识体量和知识更新频率,要投入多少人力和时间才能把这三件事做好?如果招不到专业的运营人员该怎么办?有没有真正能提效又靠谱的方式?

本期「AIGC特辑」系列内容第二篇,我们就来聊聊,AIGC时代,真正懂提效的人,都能怎么搭建知识库?

提效路径一:文档问答

“文档问答”在AIGC与智能客服结合的场景中并不陌生。简而言之,文档问答就是企业将知识文档(Word、PDF、PPT、聊天记录等)直接导入机器人知识管理后台,就可以替代以往问答对的方式,根据用户的提问,生成可用的答案。

以往,从 0 到 1 完成一套知识库的搭建,需要有专业的运营人员花费 5～15 天的时间完成。为了满足知识库内容全而合理,运营人员就需要根据企业海量的文档,梳理出尽可能多的「问答对」,以此覆盖用户可能提出的问题。

但光数量多还不行,去重、聚类和过滤等工序也必不可少。同时,还要根据不同用户的习惯、历史问法,“脑补”出各式各样的「相似问」,这样才能保证,当用户用不同的提问方式表达同一个意思时,机器人能够精准识别并应答。

现在,七鱼「文档问答」能力的推出,使得从 0 到 1 搭建知识库的门槛几乎降为 0,只需要约 0.5 天的时间,将企业有价值的文档挑选出来之后,一并上传,简单两步,一个知识库就形成了。

提效路径二:AIGC 赋能的知识库构建助手

路径一的确是效率最高的方式,但当前大模型仍会存在一些缺陷问题,可能需要投入一定精力到人工校对中。因此,如果你不是首次搭建知识库,而是用于日常的知识维护,或是高频、热门问题的梳理,我们更建议将 AIGC赋能到传统知识库构建的流程中。

第一步:问答对抽取

传统方式中,当知识发生更新时,运营人员需要 ①判断影响范围 ②逐个修改答案 ③判断是否产生新的问题 ④如果有,录入新的知识。

听上去就挺繁琐的,要是企业知识更新频率高,不仅要搞得运营人员手忙脚乱,还会因为知识更新不及时,影响服务的效果。

七鱼全新知识库构建助手,支持智能知识抽取,即从上传的文档(文档内容可以是聊天记录、说明手册等)中的文字内容提取问答对,高效完成FAQ问题库的搭建,再由人工判断是否添加为新问题、关联为相似问题或忽略。

实测案例

某互联网企业人力资源共享服务中心

【应用场景】

该团队负责人力资源规划、招聘与配置、培训与开发、绩效管理、薪酬福利管理、劳动关系管理6个模块的工作,当员工有相关问题时,需要快速响应一一解答。

【痛点】

每个模块都涉及大量的知识,需要人工手动基于政策、流程、培训等文档整理问题和答案,并定期进行更,极度耗时。

【使用效果】

使用商河大模型知识抽取能力后,文档导入后,快速提取文档内容,并将其转化为机器人的问答对内容。

原本一份文件需要花费1天的时间进行整理,现在只需要花费1小时左右进行问题的添加和核对即可,每份文件处理时效提升75%。

第二步:相似问扩写

相似问题的数量不能太多也不能太少。一般情况下,我们建议每个标准问,匹配 5～20 条相似问。但如果本身问法就比较丰富,例如电商行业,那可能就要扩充到 50 条左右。

你会想:50 条,够写一天了!一个问题就要搞一天......有了七鱼全新知识库构建助手,扩写 50 条相似问在一分钟之内就可以完成!

通过上述两个能力,企业知识运营成本可降低50%。

AIGC的融合的确令人感到兴奋,但大家也别忽视了七鱼原本就存在的智能化能力呀～ 比如,在机器人运营维护阶段,除了AIGC的能力可以应用,「知识挖掘」也起到了关键的作用。

当用户提问与知识库中问题相似度较低时,机器人会给出1-3个候选标准问题让用户选择。如果用户采纳了候选标准问题,用户提问就会进入【相似已采纳学习】中,作为该标准问题的推荐相似问题出现,由人工进行处理。

相反,如果用户未采纳候选标准问题,用户问题和机器人推荐的候选问题就会进入【相似未采纳学习】中,可集中查看和分析该部分会话。

利用这些能力,也能够为知识库运营带来优化空间。