当智能客服产品，快当成“算命先生”

编辑导语：当用户的需求越来越多的时候，人工客服就显得力不从心了，于是出现了智能客服，越来越多的企业尝试用智能客服来代替一部分人工客服的岗位。对于用户来说，智能客服产品可以解决一些基本的问题，提高了提问的效率；对于企业来说，则有利于留住用户，从而提高交易率。

售后服务能力的发展路径，受不同公司战略目标定位、经济实力、业务现阶段能力等影响。

有的公司因为本身不需要售后业务，因此他们从一开始主打做的是售后服务的平台工具并对外售卖；有的公司是一开始为公司内部C端客户提供售后服务能力，再到后来演变为向B端客户售卖平台能力。

因为对内的售后服务能力会更快碰到天花板，后续想要进一步盈利：

做成平台工具售卖给其它公司获取工具使用费；
孵化商圈吸引商家入驻，作为第三方平台收取平台费用；
衍生相关周边商品，售卖相关商品盈利等。

要说我们做这块业务能力是为了什么？单独为了减少人力成本？给钱的消费者金主爸爸们可不希望这样。

对于消费者而言，你家公司的人力减少了，并不意味着给其解决售后问题的服务能力好了，他们巴不得你提供更充足的人力为其服务。

因为在人的潜意识中会觉得人比机器更灵活，特别是当现在机器能力还需不断优化的阶段，客户会觉得有更多人才能更好更快为其解决问题。甚至于，他们希望获得的售后服务能超出预期，让他们产生surprise。

对于公司而言，公司想要盈利，因此才会考虑成本节省，但是客户流失成本、人力成本、赔付成本等节省都只属于节流做法。

更重要的是开源，通过经营好售后服务，虏获消费者芳心（信任），使其愿意再次消费，或通过口碑相传吸引更多新消费者，才会有源源不断的营收。

那奔着开源节流、保障消费者体验的目标，有哪些指标可以用来验证效果？

一看增益指标：主要是成本降低收益提升，包括：平台人力成本降低效果、平台赔付成本降低效果、“二次消费”客户增量和利润效果、“老客带新客”客户增量和利润效果等。
二看约束指标：主要是消费者体验，包括：消费者满意度、消费者投诉率、消费者问题一次性解决率、消费者问题解决时长、响应速度等。

要实现增益最大化，就需要用有限、最少的成本获得“再次消费客户”和“老客带新客”带来的利润最大化。

因此我给其总结了一个公式：售后服务体系利润=“老客再次消费收入”+“老客带新客消费收入”-“客户流失成本”-“营销成本”-“平台人力成本”-“平台赔付成本”。

下文前三部分“精细化运营”、“智能化承接”、“捕抓智能化漏网之鱼”将讲述我对做好售后智能化项目的思考，以便降低成本。

第四部分“联动售前精细化运营”则讲的是在售后取得客户信任后，如何提高老客带来的收益。由于每个点都有很多可以扩展讨论，没写详细的会放在以后进一步写。

一、精细化售后服务

考虑用最少的人力成本实现服务价值最大化，那需要对客户进行精细化定位，挖掘高价值客户。比如，对于新零售企业，如何挖掘高价值客户？

1. 第一点判断依据：消费能力

消费能力分为：现阶段消费能力、未来消费潜力。

从消费额度看现阶段客户的消费能力；从职业、工作年限、家庭收入、可贷款额度等看客户未来消费潜力。

2. 第二点判断依据：社交能力

我们后续希望能通过老客带新客，那老客的社交能力也是决定客户价值性的因素之一。

社交圈规模：客户微信、QQ等社交软件的好友数量；工作圈规模：所在公司规模或工作软件的同事数量等进行判断。

有人会说，怎么获得用户社交能力数据呢？

比如可以通过活动、会员认证福利等吸引用户证明自己是社交达人，且高价值客户的熟人朋友圈往往也会比较高。面向高价值客户，提供VIP专属服务，如一对一专属服务、全程人工接待、24小时随时响应、赔付额度升级等。

针对普通价值客户，则可以把控服务人力的投入，通过智能化释放出人工。客户的价值性也不是一成不变的，因此需要周期性地识别客户价值。

二、智能化承接

针对普通价值的客户，如何采用智能化系统释放人力？那得看目前处理售后问题的人力投入在哪里？

不同公司人员分工不同，比如：一线接待客服、售后处理专员、风控专员、财务处理专员、产品技术……为什么需要花这些人，因为用户产生了售后问题需要解决。

第一要事，将客户问题尽可能消灭在摇篮、让客户不会产生相应问题或预测客户当即会产生疑问时前置给出解决方案，而不是被动地等客户来找你解决。

特别是当一个公司业务存在很多问题，首要的精力不是思考如何承接找上售后客服的人，而是解决业务存在的问题。

1. 小故事一

大件商品如汽车的物流运输时间往往需要一个多月，但有的营销人员为业绩会告知客户一个星期就能提取，导致后续大量客户来投诉物流进度。

客户的焦躁情绪真的是来源物流进度吗？

我理解并不是，对于家里有多辆汽车的客户，他们可以开旧车。首次买车的客户，他们也还有别的暂时代步工具，且大件商品物流运输时间长如果事前给客户提醒，客户还是存在一定包容度。

我看到顾客反馈更多强调的是受到欺骗，期望越高失望越大，因此规范销售的营销行为是首要工作。

但是客户也还是希望能更快拿到商品，公司和销售也需要赚钱，因此需缩短商品准备、手续办理、物流运输等时长，这便需要推动线下流程优化。

2. 小故事二

有次我们业务方上线了一个功能，针对逾期还款的人，截断了给客户返优惠的钱，一下子爆发很多客户来咨询返现问题。主要原因是返现有滞后性且还通知不到位，业务改成当即返现或在客户还款时提示后续返现时间就能前置解决问题。

第二要事，无法前置解决的问题，需兜住找上门的客户，这时就需智能化系统上场。用户的售后需求主要有三类：答疑解惑、任务处理、闲聊：

1）答疑解惑

答疑解惑类的售后需求，分为2种：可给出答案和不可给出答案的。

如果是可以直接给答案的都可以通过移动端页面说明、IM机器人、IVR机器人等渠道工具给出答案；如果不能给答案的（有些因线上能力不足无法区分客户给出不同解决方案，有些不能公开说、有些需人工磨合），那这时人工客服兜底就派上用场。

2）任务处理

任务处理类的售后需求，分为2种：可开放给客户自主操作的、需工作人员协助操作的。

智能系统需保障拦截住可由用户自主操作的任务；将需人工协助的任务直达给到有售后处理权限的工作人员，去掉中间任何其他人工转达环节。

三、捕抓智能化漏网之鱼

而当人工智能还宛如人工智障阶段，针对本应智能系统承接的问题，怎么确定用户依旧转人工的原因呢？

那还得从用户操作路径说起，用户可以通过2大渠道触达“智能化系统”：电话渠道、移动端渠道（app、微信小程序、企业微信等）。

当客户拨打电话获取售后服务，可以通过IVR系统承接，但是因为电话端没有可视化界面，用户在跟语音机器人和兜底人工沟通的效率整体没移动端高，因此我们在将用户往移动端引导。

当客户到移动端获取售后服务，如果让客户一进去就直接由IM机器人接待，客户可能会因为不知道机器人能解决什么问题、因为不信任机器人能力，便会直接去找寻转人工的入口，因此：

1. 第一要事：要向客户展现智能化系统的能力，且主动预测客户问题

比如在IM渠道入口前置“客服中心”，通过“客服中心”将可由客户自己操作的功能开放给客户，自己搜寻答案、自助处理任务等。

由于业务知识纷繁复杂，如果将一堆解决方案集中抛给客户，客户自己搜索解决方案的精力成本会比较高，因此我们可以预测客户可能遇到的问题，给不同特征客户展示不同功能页面、推荐不同“猜你想问”问题。

预测的方法有几种：

通过当前数据识别用户遇到的问题，比如：系统数据查询到客户还款失败了，那我们就给客户推荐还款失败解决方案；
通过历史数据分析不同特征用户的高频问题，跟用户画像推荐系统相似道理。比如，保险到期前1个月的客户高频咨询续保问题；刚买保险1个月内的客户高频咨询增加保险险种问题等。

2. 第二要事：优化机器人接待能力

经过系统功能拦截，还会有一部分客户进入IM在线咨询渠道。其中有的客户还是会直接选择转人工，有的客户会愿意开口跟机器人对话，但聊不好也会转人工。

如果直接转人工占比太高，就需要在机器人能力优化到一定程度后弱化转人工入口。

而针对跟机器人开口对话后仍旧转人工的客户，需进一步研究机器人哪里没做好，可能存在的原因：一是问题识别不准，二是答案无解决用户问题。

1）问题识别不准的原因又可拆分为

机器人知识库不存在对应意图知识点：需丰富覆盖知识点；
知识库存在对应意图但是算法模型识别不准确：则可通过增强数据标注、让算法工程师优化算法模型提升模型精确率、召回率、F1值。

2）在研究答案是否准确这件事上，也是一门有趣的活

当我们想采集客户对答案准确度反馈，用户并不反馈～啊哈哈哈，因为这种反馈并不能让客户感知到对其有啥好处，他们要给你反馈干啥，有的问题他们也只问一次就不问了。

因此我采取了2种方式盘点解决方案：

让一线小伙伴加入盘点答案，同时也解决了因为业务不停变更，有些历史答案覆盖不到现在客户情况的问题，使得解决方案能不断被更新；
对客户转人工的会话进行case分析，研究机器人为什么没回答好，人工客服解决得好的又是怎么解决的。

四、售后连接售前精细化运营

前文讲到售后做好最大价值点是要吸引“开源”，即进一步给客户营销推广相关商品。

1. 第一要事：需了解客户再次进行消费的周期，以便了解给客户推送营销信息的时间节点和频率

再次消费周期会受到商品属性、客户自身情况、外部环境等影响，比如：

从商品属性预测其损耗需再购周期；
从客户公司、职业、工作年限等预测客户更换更高品质商品的几率和时长；
从外部经济状况、政府政策反推客户所处职业岗位可能受到的约束或助力等。

2. 第二要事：针对不同用户画像特征的用户，结合推荐系统原理给客户推荐其可能感兴趣的商品

推荐商品的方法有多种：

根据商品相似度进行推荐，解析商品有什么特征，给客户推荐相似特征的商品，比如买的商品比较少女，那就再给客户推荐少女型的其它商品，买的商品比较实用，那就推荐实用型商品；
根据商品互补性进行推荐，比如用户买了泳衣，那客户可能会进一步需要买泳帽泳镜；
根据用户相似度进行推荐，买过同款商品的不同用户，用户A还买了什么就给用户B也推荐；
根据外部环境进行推荐，比如结合用户所在地理位置、所处季节、天气近况给用户推荐不同商品；
根据用户生理属性动态变化路径，客户到不同年龄段的自身生理特征、家庭环境、工作情况会如何变化而进一步推荐商品，比如从买车来说，客户从青年到壮年，可能会遇到家庭成员新增等变化，需要将空间狭小车辆更换成宽敞型车辆，客户接近退休年纪，可能会想更换成越野车辆方便四处旅行。

我就先写到这里了，改日再续～

作者：唐吖年，公众号：三丫头记

本文由 @唐吖年原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Pexels，基于 CC0 协议