1. 金融文库首页
  2. 独角兽

曾在腾讯工作十年,一朝创业,不到两年三轮融资,却依然焦虑

2017年11月2日,主攻自然语言语义理解的追一科技宣布获得由创新工场领投,GGV纪源资本、晨兴资本、高榕资本跟投的2060万美元B轮融资,创新工场董事长兼CEO李开复加入追一董事会担任董事。

一年多以前,他还是腾讯历史上最年轻的T4级技术专家,腾讯技术工程事业群(TEG)搜索部门的负责人,带领着几百人的团队为腾讯的微信、QQ、腾讯视频、新闻客户端等产品提供搜索功能和推荐算法支持。而现在,他是追一科技的创始人兼CEO吴悦。

曾在腾讯工作十年,一朝创业,不到两年三轮融资,却依然焦虑

追一科技的创始人兼CEO吴悦

2017年11月2日,主攻自然语言语义理解的追一科技宣布获得由创新工场领投,GGV纪源资本、晨兴资本、高榕资本跟投的2060万美元B轮融资,创新工场董事长兼CEO李开复加入追一董事会担任董事。

《中国企业家》第一时间采访了李开复。他说,此前创新工场投资了40多个人工智能项目,唯独没有投到自然语言方面的公司,感到有些遗憾。所以当他接触这家公司后,从评估到确认融资只花了几周时间。

他还分析道,追一做的不是一个通用的自然语言理解,而是非常务实的把深度学习和搜索技术两种技术结合在一起,针对真实用户解决问题。他很看好这个赛道。

相比李开复的兴奋,追一科技创始人吴悦在镜头前有些拘束,他不是很习惯面对聚光灯。

这家AI对话机器人公司,主攻自然语言语义理解,从智能客服场景入手,通过为用户提供咨询解答的方式,逐步延展至整个企业服务场景。与行业内此前运用的关键词匹配+搜索,并根据文本相关性进行排序的对话机器人相比,追一科技的产品将语义理解与深度学习算法结合,使识别的准确率等指标都大幅提升。成立一年多,他们相继拿下了滴滴、招商银行信用卡、携程、ofo等许多重量级客户。

这也让它获得了资本的青睐。除了刚刚确认的2060万美元B轮融资,2016年初和9月追一还分别获得晨兴资本、高榕资本等两轮融资。吴悦向《中国企业家》透露,2017年6月决定启动B轮融资时,几乎差不多叫得上名的基金都联系过他们。

作为自然语言处理领域的专家,以及人工智能的“布道者”,创新工场董事长兼CEO李开复曾看过很多自然语言处理的项目,但他发现,不少项目只是贴着人工智能的标签,用的却是二十年前的技术,他此前也就未在这一领域布局。

2016年底,当采用“深度学习+搜索技术”的追一科技进入他的视野后,李开复很快就表达了投资意向。2017年9月,追一科技被他拿来作为“AI+移动互联网”与传统行业结合的成功案例,“我们投资的追一用AI取代客服,重大客户调查显示,追一的产品Yibot准确率96%,而人工客服准确率是85%,每个客户用上这种技术就能取代1000个客服。”

在李开复看来,追一科技拥有对中美印等国2000多万客服人员进行替代的潜力,甚至有可能成为市值超100亿美元的超级独角兽。

但这一切并没有让吴悦感到轻松,在自然语言处理领域,不仅有巨头在渗透,还有创业公司来势汹汹。而吴悦内心也很清楚,“将AI产品落地是一件挺苦的差事,没有什么捷径”。

苦差事

就在吴悦开始创业时,滴滴正寻找新的智能客服供应商,替代此前效果不太好的供应商的产品。

得知消息后,吴悦迅速与滴滴取得联系。为了获得一个测试的机会,这位此前从来没有做过销售的工程师,跟同事半夜12点从北至南几乎穿过整个北京城,当面沟通客户需求。滴滴答应,“你们可以来试一试”。

但此时追一还没有成型的产品方案,他们所拥有的只有团队十多年的技术积累,要想替代掉此前的供应商,追一必须展现出明显的优势,但他们的第一个版本,一切完全要从0开始。

为了摸清楚客户的需求,CTO刘云峰索性直接坐在了滴滴客服中心办公区里面,“就像他们员工一样,给我分个工位,和他们一起办公甚至一起开会。”

刘云峰到一线客服旁边,学习他们怎么样操作,怎么样回答,一待就是一个星期,他直观感受到了滴滴客服中的痛点所在,也从中总结出不少规律。

对客户需求明确后的团队在深圳的办公室里开始加班加点。按照约定,端午节后第二天就要向滴滴提交方案,但有个小问题还无法解决。结果撞上了办公楼搞消防演习,空调全都被关掉。6月的深圳,气温已经攀升到了30多度。十几个人就在又吵又热的办公室,大汗淋漓地讨论方案。不久,追一正式推出对话机器人Yibot。

在滴滴,与竞品第一次PK,Yibot的准确率达到85%,比此前的版本提升了10个百分点。7月,追一开始小流量的测试,不断优化调整,引入深度学习算法,准确率逐渐达到客户要求的90%,跑了4个多月后产品最终落地,被滴滴正式接受。

也是在滴滴的项目中,追一将互联网基因充分发挥,方案提供给客户后,一直不停的迭代更新算法,同时与滴滴的团队定期进行技术交流。高榕资本合伙人岳斌的感受是,他们几乎每隔两三个星期就能做出新东西来,而且少有他们这样的技术公司在A轮阶段就前瞻性地考虑商业化的事情。

更重要的是,追一在提供给滴滴的系统中,加入了舆情分析、情感分析、新知识库运营等一系列模块,将客户服务中心从接纳用户的吐槽、询问等成本中心,变成了直接面向客户的用户研究中心。

智能客服产品的落地,也让吴悦决定放弃另一个业务——企业智能广告助手,它可以依托先进的算法,提升企业广告在各大广告投放平台中的投放效果。这其实是吴悦一直想尝试的方向,在他看来,这样可以使公司相对容易获得现金流,也是他最有把握的事。但早期跟投资人聊时,投资人觉得广告这件事太小,不甘心的吴悦提出一定要做广告,同时做对话机器人。

双线并进。追一在滴滴进行小容量测试的七八月份,广告业务也赚到了一些钱,但此时吴悦也看到广告业务的天花板。在晨兴资本合伙人程宇看来,“广告业务的确成长空间有限,而且会分散创业团队注意力,要坚决地去掉广告业务,把全部精力押注在一个未来的更大的事情上。”9月,吴悦决定关掉广告业务,在企业智能服务上全力以赴。

随后的一年里,追一与ofo、携程、小米、美团、饿了么、招商银行、国美电器等达成合作。然而每一个客户的获得,都意味着前期多次的沟通、艰难获得的测试机会、耗费很大精力的测试以及实施。

对于吴悦而言,商务拓展是个不小的挑战。2016年底,追一跟进一个金融项目,今年7、8月份进行招投标,这时吴悦才发现之前的销售不给力,对客户的需求没有足够的理解,客户也没有对追一的产品优势有足够的认识。

吴悦马上跟客户高层领导去沟通,但此时主要的流程已经进行得差不多了,后续的弥补基本没有什么作用。

“在这个过程中,我一下子认识到销售的过程应该怎么去管理,对销售有了一些感觉,几个很关键的节点,前期跟客户的沟通非常重要,整个测试的管理也非常重要,之后测试结果的落地,再到后面更深度的沟通,每个环节都非常重要。”吴悦反思。

他也在尽其可能的开拓着外部的资源,在创新工场的投资流程还没有走完前,吴悦就向李开复发去了几个请求,第一件事希望李开复帮忙说服一个候选人加入,另一个就是希望他给追一介绍大客户。

抉择

从追一所在的写字楼向西南远眺,能清楚地看见直线距离1.5公里的腾讯大厦,即便步行过去也只需要20多分钟。但这条路,吴悦走了几个月。

离开腾讯不是一个轻松的决定。吴悦2006年硕士毕业后就加入了腾讯,到2016年初决定离职创业,他在腾讯差不多待了十年。

刚刚进入腾讯时,他恰好赶上QQ空间进入快速迭代时期,这个产品当时在腾讯内部备受重视。除此前的纯文本内容外,腾讯开始鼓励用户上传照片等多媒体内容,这直接导致了数据量的几何级的增加,加上此前对于底层设计面临的压力估计不足,速度开始变得非常慢。腾讯决定搭建一套适合互联网业务发展的存储技术架构,吴悦成为了这一项目最早的三四个创始员工之一。

这一件事,吴悦做了五年,他们搭建起来世界级的存储架构,最后管理的数据规模接近1EB(约合10.7亿G),几乎达到全球领先的水准。团队也扩张到三百多人。

正是因为这个项目,吴悦在2011年成为腾讯T4级技术专家。这几乎是一个工程师当时所能达到的最高级别,它不仅需要在某些技术领域有着开创性的贡献,也需要主导过公司级的重点项目,可以说是百里挑一。而吴悦“跳级”升至T4时,只有28岁,这一纪录至今未被打破。

2011年底,腾讯负责搜索业务的高级副总裁吴军萌生去意,按照公司的安排,吴悦带着三十号人转做搜索。

但在2013年9月,腾讯将搜索业务卖给了搜狗。吴悦选择留在腾讯,他将腾讯内部的搜索业务以及搜索周边技术产品进行了整编,接过来了腾讯微信、音乐、视频等产品的搜索业务,成为了腾讯技术工程事业群的部门负责人,升到部门经理。

QQ空间、微信、搜索、网络硬盘、游戏、新闻客户端、天天快报等等产品他都带着团队服务过,看着他们一鸣惊人,抑或是沦为弃子,他偶尔也在心里想,“我们的技术在外面到底有没有价值?服务了这么多很牛的产品,有没有可能服务腾讯之外的那么多企业,能不能用技术服务好它?”

2015年,吴悦开始将关注的焦点放在智能计算,跟同事一起发起成立了腾讯智能计算与搜索实验室,这在当时被认为是腾讯在AI领域最早的布局之一。

他清晰感觉到人工智能的浪潮正在逼近。AlphaGo在欧洲以5:0的绝对优势击败了欧洲围棋冠军樊麾。在他看来,就像2011年的云计算、2013年的大数据创业机会一样,“AI将是剩下的为数不多的机会之一”。

就在这时,经人介绍吴悦认识了晨兴资本合伙人程宇。2015年底,吴悦带着BP去了晨兴资本接受项目过会。晨兴资本创始合伙人刘芹问他,“你为什么不先辞职再去创业?”

吴悦还没有彻底想清楚。离开腾讯,放弃的不仅仅是300名工程师组成的AI部门负责人的职位、数百万的年薪和期权,还有稳定的环境和大平台。抛却所有这些投向一片未知,是否真的是正确的选择?

但此时创业的热情已经无法被浇灭,“我当时就想,如果我这个时候不出来,再也没有机会出来了。不出来可能会一辈子后悔。”

2016年3月,吴悦正式提出辞职。腾讯高级副总裁、技术工程事业群总裁卢山看到他去意已决,支持了他的决定,“你是心魔,心魔要度才行。”

4月,入职腾讯满十年后的第二个星期,时任腾讯技术职发会技术研究通道负责人、T4级技术专家的刘云峰也正式从腾讯离职加入追一科技,担任联合创始人、CTO。“我们服务了很多项目,但很多东西想要做大,还是要自己站出来,才能够把握方向。”

此外,原腾讯搜索部门产品技术总监汶林丁担任追一的产品负责人。从事人工智能科研工作的国防科学技术大学副教授杨振宇也被邀请加入,成为首席科学家。

2016年4月1号愚人节,吴悦来到自己的新办公室,其他同事还没有就位,只有自己和两个实习生。

吴悦却没有丝毫的落差感,反而有些“盲目乐观”。“在腾讯里见了很多业务,一年上百亿、几十亿,至少是十几亿的收入,你会觉得赚钱是挺容易的一个事情。所以我们真的很乐观,觉得就是出来赚钱的。”

吴悦盘算着,“光是做广告应该很快就有几千万的收入,我们那时估算2016年底至少要做3000万~4000万的收入。非常的盲目乐观。”

而真当公司业务开始运转起来,他才发现,并不是那么简单。

吴悦坦陈创业后比在腾讯时焦虑很多,“我一直焦虑的事情是公司到底能不能持续快速增长。要怎么拓展客户,技术能不能在市场上领先,团队规模扩大的时候,企业文化会不会崩盘,人员会不会流失,以前在公司里面根本不用考虑这些事情。”

与巨头共舞

过去一年,追一跑出了不错的成绩。如果说他们有什么核心优势,那就是“最早把深度学习用在Bot(虚拟机器人)客服场景的一个公司。”

据吴悦介绍,2013年计算机视觉、语音识别等领域开始引入深度学习算法时,他们就尝试将深度学习与自然语言处理相结合。一年前,追一的Yibot采用深度学习算法,与此前这一领域的公司相比,识别的准确率获得提升。

在技术算法上形成的“代差”让刘云峰有了很大的信心,“我们的竞争对手不是那些历史厂商,和我们相比是有代差的,已经不会再是我们的竞争对手了。我们的竞争对手,是正在来的路上,或正在转型的路上。”

尽管掌握了一定的时间差,追一也没有放慢技术迭代的速度。“我们现在用的深度学习模型和一年前已经完全不一样。我们线上更新了七八个模型,线下实验的数量,估计要乘以10。”刘云峰说。

这样的技术优势也让投资人很兴奋,岳斌去年夏天见到吴悦时,一听就明白了其中蕴含的意义,俩人中午见面聊过一次,当天晚上这位以风格稳健闻名的投资人就开始与吴悦谈具体的投资条款。

“技术先进、工程化能力强、商业化能力优秀”是岳斌界定一个好的人工智能创业公司的标准,他尤为看中前两者的能力。

而工程化能力本身就是追一的优势之一。在腾讯的十年,吴悦和刘云峰带领的工程师团队完成了许多项目,2015年底腾讯组建AI团队时,吴悦就是300多人工程师团队的负责人。

有次,岳斌与BAT其中一家做智能客服的朋友一起吃饭,他被告知,有一家创业公司叫追一做的很好,在贝贝网项目的订单上,他们输给了这家创业公司。“追一就是我们投的公司。”岳斌满是自豪。

他联系吴悦,“在这个案例上,我们把巨头给干掉了,相当不错。”吴悦回复他,“还有另外一个BAT级别的巨头。”

尽管从智能客服切入,但吴悦想要做的不仅如此。吴悦把企业的服务划分成四个层面:客户服务、产品服务、整个企业的服务以及通过客户服务实现营销等更多价值。

以追一未来重点布局的金融行业为例,第一个产品就是传统的客户服务中心,通过AI提升整个中心的效率和服务水平;第二个产品,追一将会推出银行业解决方案、证券基金解决方案等等。

在银行业解决方案中,吴悦举例说道:“银行可能有一百多种功能,通过手机APP是没有办法触达,根本不知道从哪里找,我们的方案可以通过对话的方式触达,把银行这么多功能、产品服务通过智能交互的方式,或者是智能服务的方式给用户展现出来。”

也就是说,它将不仅仅解答问题,也可以协助客户解决诸如查询余额、转账等问题。“这些事情都可以通过助手的方式去做的,也就不再需要APP和手机银行。”吴悦分析,“如果我们想的更远一点,以后每个企业应该都有一款专业的智能助手,它将可以处理所有的企业服务的事情。”

在李开复看来,追一科技处在一个不错的赛道之中,在中国、美国、印度这三个国家中,就有2000万客服人员,未来5-10年几乎全部可以用机器人取代,如果一个人的成本按照2万美元计算,将是一个近4000亿美元的市场。“未来追一可以从文字客服走向语音客服,从线上客服走向新零售的线下客服,可以从中国走向世界,可以从客服走向市场、品牌、销售等等,赛道非常长。”李开复说,“他们有潜力做到超级独角兽。”

尽管比想象中要难,但从5个人到90多人,从方向不明到战略清晰,又接连落地标杆客户,吴悦觉得追一正在沿着预期发展,“至少未来一年的路能看的很清楚。等到明年这个的目标完成之后,再看看后年的目标是什么,一步一步走。”

关于智能客服YiBot

Hello 大家好,我是YiBot。重磅推出一系列诚意满满的技术干货和行业资讯以后,小Yi的系列“自传”终于千呼万唤始出来。想知道YiBot究竟是个怎样的客服机器人?智能客服的评价体系是什么?YiBot如何帮助企业运营知识体系?企业又如何对YiBot进行后期维护……本期从最受客户关注的14个问题开始,告诉你YiBot是个多么才华横溢的智能客服机器人。喜欢我记得关注我哦~

1什么是YiBot?

YiBot是由深圳追一科技有限公司自主研发,应用目前最前沿的自然语言处理及深度学习算法,为企业级客户提供的一套智能客服机器人系统。YiBot后台的主要功能包括:知识库管理以及机器人智能教育。同时,基于客服数据,YiBot还能提供运维监控、热点分析、敏感分析、情绪分析等服务,及时发现用户行为趋势,为客户产品运营提供保障和决策支撑。

2YiBot的特点是什么?

可以说YiBot所有优越的性能都是根源于先进的技术。首先,与大部分市面上流行的机器人不同,YiBot机器人使用的不是关键词或模板匹配,而是语义搜索+深度学习,这样就能突破文本表面文字的限制。同时因为我们的技术优势,在模型调优方面也做到了最佳的状态。直观的体现出来,就是回答问题准确率比其他机器人高一个台阶。并且在运转过程中融入自主学习,这种优势会越来越强。

其次,YiBot具有很强的主动性,能主动去改善客服行为,并对客户的整个业务体系都有一个良好的回馈。这主要是因为YiBot有丰富的BI分析功能,包括热点分析、舆情分析、情感分析、敏感词分析等,能够让它对整个客服体系有一个良好的监控,然后主动的反馈和改善。这个具体会在下面的相关问题中详细阐述。

最后,YiBot的技术优势使得它的泛化能力很强,相当于一个更聪明的、能够举一反三的学生,因此运营成本也相对低。

3使用YiBot对企业有什么好处?

首先最直观的来说,会降低企业客服成本。电话坐席服务一个用户平均成本在6元左右,在线坐席则为3元左右,YiBot可以控制在 0.3元以下。而且YiBot的运维每周仅需一人3小时教育维护即可,而传统机器人则会随着知识点增多,维护的人力成本直线上升。

其次是让企业相当于拥有了一个无限大的客户服务中心。这个客服中心准确率高、维护成本低,还可以根据你的业务需求动态扩容,满足各种突发性增量需求。

再次,使用YiBot可以提升用户体验。据艾媒咨询统计数据显示:约有75%的顾客因为客服不满而放弃购买;43%的客户因为对客服不满而不向其他人推荐;85后90后对客服质量更加敏感。提升了客户服务体验,也就是为企业留住了源源不断的客户。

最后,YiBot对于企业知识库的扩充、完善、有效管理有很大帮助。YiBot所采用的问句聚类技术使得它能够不断挖掘、发现新知识点;通过补充更新知识点,不断提高拦截率,在改善客服体验的同时,也能够不断完善企业知识库。这样反过来还可以用以辅助人工坐席,提升效率和准确率,同时降低新客服人员教育成本。

曾在腾讯工作十年,一朝创业,不到两年三轮融资,却依然焦虑

4Yibot目前能做到什么效果?

目前YiBot准确率95%以上。

5怎样提高YiBot的准确率?

首先是建设合理的知识库。每个知识点只能包含一个意图,要足够细分。同时知识点之间没有交叉,相互独立,没有歧义,也没有冗余,避免造成混淆。

其次是标注,为每个FAQ积累一定数量的有代表性的相似问。

最后是后期的持续维护 ,包括新FAQ发现,已上线FAQ的合并、拆分、纠正等。这个问题后面也会专门再说。

什么是FAQ发现?

可以这么理解,经过YiBot语义变换每一个FAQ都是在二维空间里的一个向量,每个句子是在这些向量周围的点,FAQ相当于这些相似问句的中心点。用户的问题是分布在整个空间中的按团分布的点,其中每一个团是一个类簇,这就是一个FAQ。我们需要把用户的问句筛选出来,看那些聚成一团的问句附近有没有已上线FAQ,如果没有的话,就新建一个。这就是FAQ发现。FAQ发现主要是有助于知识点覆盖率和机器人拦截率的提升。

BI数据分析有什么用?

BI数据分析包括热点分析、舆情分析、客户满意度分析、情感分析和敏感词分析等,总的来说是整合各类客服信息,使之能够快速准确地提供数据化信息作为决策依据,帮助企业做出明智的业务经营决策。以下将逐一介绍它们的具体功能。

· 热点分析是指对在一定的时间内,用户对知识提问的热度,系统自动聚焦,并按照访问频度将热点知识聚合出来;

· 舆情分析做的是用户问句中的关键词分析,对于每一个关键词分析其出现频率以及趋势,与其他词的关联性,与这个词相关联的用户情绪等等。比如说“退货”这个词,做舆情分析之后就可以归纳退货的原因,容易导致退货的商品类别等。又比如新开放的业务,可以看出提到这个功能的用户咨询情绪如何,这样就可以看出用户对于新业务的一个反馈。

· 客户满意度分析主要是针对客户对客服质量是否满意的一个分析,有多个维度进行评判。譬如说经过几轮会话理解了用户的问题、有没有解决客户的问题,以及用户最终对客服效果是“点赞”还是“点踩”。这些都是不同的评价指标。

· 情感分析对用户的情绪和整体满意率进行打分;通过智能分析用户真实问句,获得最真实准确的满意度;同时它通过正向或负向评价分析,能够精准定位我们服务中存在的主要问题,为进一步改进指明方向。最后它还可以根据不同的用户群进行分群分析等。

曾在腾讯工作十年,一朝创业,不到两年三轮融资,却依然焦虑

· 敏感词分析可以对用户反馈进行7×24小时实时监控,帮助企业及时发现敏感事件,帮助客户提早知晓问题趋势提早准备预案。譬如对于当用户的用语中出现“电视台”“消协”的时候,就可以考虑人工客服即时介入。

YiBot的知识库运营特色是什么?

创建良好的知识库是机器人客服质量的核心和基础。在此模块下,YiBot提供创建和管理FAQ/编辑FAQ答案/添加FAQ的相似问句/执行上线或下线FAQ等一系列便捷操作。这样就相当于有一系列便捷的工具协助,运营成本低。

YiBot整体解决方案怎样服务客户?

简单来说,YiBot当前有三种使用场景。

第一,YiBot智能客服直接服务用户,高效解决用户问题,并通过不间断的智能自动训练,越来越聪明,体验越来越好,同时大大降低了人工客服的工单量。

第二,YiBot具有智能辅助能力,也就是它可以为人工坐席推荐解决方案,提升人工处理效率和准确率。

第三,YiBot还可以通过数据BI分析与推荐系统,结合用户画像,通过自助服务的方式提供热点问题以及用户可能碰到的问题的个性化推荐。

曾在腾讯工作十年,一朝创业,不到两年三轮融资,却依然焦虑

曾在腾讯工作十年,一朝创业,不到两年三轮融资,却依然焦虑

YiBot还有哪些比较特殊的应用场景?

智能客服现在已经广泛应用在金融、电商、游戏、O2O、OTA等行业。除了通用的FAQ一问一答模式以外,还有一些较为特殊的场景。

比如金融行业的查账场景和OTA行业的预订场景一般称为任务式场景,需要完成必要信息填充才能返回精准答案,比如查询需要提供时间、账户等信息。在电商行业中,智能客服还可以应用于售前的导购,根据用户画像等大数据给出精准推荐。O2O行业中的电影订票系统涉及用户对电影相关资料的咨询,需要同时识别意图并抽取实体才能返回正确答案。

客服机器人的技术脉络是什么?

客服机器人大致可分为四个阶段。第一个阶段客服机器人为基于关键词精确匹配的“检索式机器人”;

第二个阶段客服机器人运用一定的模板,支持多个词匹配,并具有模糊查询能力;

到了第三个阶段,智能客服机器人在关键词匹配的基础上引入了搜索技术,根据文本相关性进行打分排序;

第四阶段以神经网络为基础,客服机器人应用最新的基于“深度学习”的“端到端”学习技术。其中,关键词和模板可以看作一个最初级的技术;搜索作为一项非常重要的技术对互联网和移动互联网的发展起到了举足轻重的作用。深度学习技术则因其超强的非线性拟合能力与泛化能力逐渐脱颖而出。YiBot采用了搜索+深度学习相结合的技术路线,将自然语言处理的深厚积累与深度学习新算法相结合,打造更智能的客服机器人。

为什么要做人工标注而非自己学习?

YiBot通过FAQ和聊天日志训练模型,学习人工客服服务用户的解决方案。因此在客服机器人使用过程中,需要人工提供一定样本和案例向机器人提供语言基础、数据基础,通过人工标注数据教育机器学习到某标准问题A对应某答案B、某用户问句C和某用户问句D同时对应某标准问题A等知识,让YiBot能够向上累加、泛化。

按照人参与的程度机器学习的模式可分为监督式学习、无监督式学习、半监督式学习三种。人工标注+客服原始日志的学习在机器学习中属于半监督学习,既可以从客服原始日志中学习到专业语言的表达方式,又可以通过人工标注数据学习到专业语言与业务问题的映射关系,在问句错误地对应FAQ时及时做出纠正,保证客服机器人使用效果。

曾在腾讯工作十年,一朝创业,不到两年三轮融资,却依然焦虑

为什么YiBot的功能清单这么少?

功能清单多,并不代表解决问题的能力就强,大量客户的实践反馈很多问题并不是通过增加功能就能解决的。YiBot背后依赖的是高度抽象的深度学习技术,采用FAQ日常管理+日常教育/快速教育的模式,将冗余的功能化繁为简,让客服系统运维人员的操作更加方便、快捷,大幅提升工作效率。

YiBot有上下文关联么?

上下文关联是客服机器人非常重要,也非常具有技术挑战性的能力之一。YiBot针对上下文关联需求设计了完善的解决方案,支持意图型上下文和任务型上下文两种场景。

其中意图型上下文是指用户的意图诉求隐含在其与客服多轮交互的会话文本中,需要将多轮会话文本有机结合才能精确提取用户语义。意图型上下文一般存在四种不同的形式:

(1)截断式:由于输入习惯或误操作,用户将一句话拆成了多次输入,如先输入“订单不见了”,再输入“我该怎么办”,如果不结合上下文,机器人无从获得第二句话的语义;

(2)复述式:由于担心客服没有理解自己的意思,用户会反复将一个意图用多种方式来表达,如“帮我取消订单”、“我要取消这个订单”,不理解上下文的单轮机器人往往会重复作答;

(3)补充式:用户先粗略说了一个问题,然后再补充相关信息,如“我的订单取消了”、“怎么提交退款申请呢”,这时候需要两句话结合来看,才能完整理解用户意图;

(4)追问式:用户先问一个问题,接着又问另一个问题,如“我怎么取消订单”、“怎么查看进度”,这实际上问了两个问题,而且第二个问题省略了一些上个问题中出现的要素,这也需要结合上下文,才能把两个问题都回答准确。

得益于YiBot的会话级端到端深度学习技术,目前上述各种意图型上下文形式YiBot都可以很好的支持。

任务型上下文是指用户在提交一个任务诉求时,需要同时提供这个任务相关联的要素,比如订机票的任务,需要至少提供起飞城市、落地城市、起飞时间这三个要素。这些这些任务所依赖的要素用户往往不是一次性提供的,需要从用户与客服机器人的多轮会话中逐个识别、提取,如果发现用户没有提供,还需要具备主动问询的能力。针对这种场景,YiBot采用任务意图和命名实体同时识别的方案,可以获得比传统方案更高的准确率。

本文转自网络网络,文章仅代表作者观点,不代表「金融文库」立场。相关版权归原作者所有,「金融文库」仅提供免费交流与学习,相关内容与材料请勿用于商业。

联系我们

在线咨询:点击这里给我发消息

客服微信号:Jrwenku8

邮件:service@jrwenku.com

QR code