從產品視角，聊一聊智能客服的兩個坑和兩條路

智能客服，是現階段非常明確的“能夠賺錢”的AI細分領域；但是，“能夠賺錢”並不意味著可以“賺大錢”，或者“很快而容易的賺大錢”。

本文主要從產品視角來聊聊，智能客服產品方向，可能的2個坑和2個出路。

智能客服產品方向，可能的2個“坑”

1. 現階段，做“通用智能客服系統”，很可能是一個“大坑”

從結果看，不論是技術還是產品方面，現階段都支撐不了通用智能客服的落地，但是，這部分的探索，本身也是有益、甚至繞不過去的環節；對部分公司來說，就應該用心去做，然後才能更好的做非通用領域的落地。

如追一科技產品負責人@汶林丁 所說：

我們剛開始的時候，就是在做一個通用工具集、積累方法論；經歷的業務多了，才能知道，哪些是智能內核，哪些是業務層面的事情，這塊只有踩過很多坑，才有去通用化、組件化的動力，也會體會邊際成本不斷降低的快感，相當於在證明覆制性，這也得益於我們之前在騰訊是做架構出身的。

2. 做“垂直行業的智能客服解決方案”，如果價值定位還是“（為垂直行業）節省客服成本”，雖然可能養活團隊，但會是一個hard模式；因為往往會被侷限在為幾個大客戶做項目，一旦沒處理好下面幾個繞不過去的檻兒，很可能也會倒進坑裡。

1）最大最大的難點是，如果AI團隊本身不具備該垂直行業經驗，很難做出真正好的解決方案。很多時候，AI團隊需要深入大客戶公司內部去了解業務流程、細節、問題等，甚至有觀點認為，核心門檻就在“把問題梳理清楚”——

2）退一步講，如果把問題梳理清楚了，又可能出現一個新的不利情況：如果只是解決20%的核心問題，甚至都不一定需要用到真正的AI解決方案……曾經聽說，某公司用一套自己創造的“粗暴規則+大量人工”方式，就能很現實的解決問題，已經從一些AI公司手裡搶到了大單。

而且，真正有極大“降低客服成本”需求的公司，很有可能自建團隊來做的。既有成本考慮，也有數據安全考慮。比如滴滴，很多人沒想到的是，滴滴已經是國內人工客服成本最大的公司了，而相關數據又非常敏感，所以滴滴有極大的動力去自建智能客服團隊。還有阿里，也是花了幾年的時間，把網上購物等領域的客服相關問題梳理清楚，花了很多人工整理大量有效數據，然後才一步步的把智能客服真正落地的。

3）再退一步，暫且不糾結“AI方案”是否能絕對碾壓“粗暴方案”（即，假設各家公司的方案都能部分解決客戶的問題），這時，還會面臨競標時的

4）假設很幸運，拿到了某個大客戶的單子，那後續怎麼辦呢？垂直行業內的大客戶公司就這麼多，公司收入的增速和總量，都會有天花板。而且近似外包的做項目，還意味著成本也是在線性增加的。

5）如果大公司不好做，那小公司呢？一般中國的中小企業，即使覺得“減少人工客服成本”是好事，但更大的動力還是在“如何增加收入”，即，如何拉新、如何提高轉化率等。

3. 如果價值定位還是想設定在“節省客服成本”，可以怎麼做？

如圖靈機器人-產品負責人@蝸牛老師在《系統化思維，AI產品經理的必修課》中分享的：

解決70%都會被問到的問題。30%人本身也解決不好的問題，智能客服也解決不了。要把問題範圍框定在能解決的範圍，並給客戶算賬

（輸出成客戶能理解的語言：省了多少錢，我們賺的錢只是省的錢的一部分）。

比如，在去年9月份一個大會上，有嘉賓分享過其公司的2個合作案例：1）建設銀行，日均300萬交互量，相當於9000個人工坐席，對應9億元的人工成本；2）交通銀行，月均代替的呼叫量為200萬次，對應月均成本140萬。

智能客服產品方向，可能的2個“出路”

大方向來說，目前這個階段做AI落地，“直接代替人”是非常危險的（不論從產品體驗，還是從商業可行性來說），建議更多考慮如何“AI輔助人工”。

下面，從2B和2C兩個方向分析。

1、2B

不是給客戶提供“NLP技術方案”，也不是給客戶提供“智能客服產品方案”，而是給客戶提供“智能客服

比如，對於“如何設置智能客服的評估指標（體系）”這個問題，常規想法可能是，完全從“有用”、“效率”角度出發，去看“問題解決率”（不確定各家公司是否這麼命名，總之類似這種說法吧）。

但是，是否可以更關注用戶體驗？舉例來說，當用戶問題沒有被解決的時候，是否能有些更友好的交互體驗（比如更有好多引導流程/文案、設置一些小彩蛋等，有很多可以挖掘的東西），讓用戶不那麼生氣，重新再來嘗試一次，或者即使這次失敗了，也不至於“對這種AI客服模式或者這家商家產生嚴重的牴觸情緒、進而以後再也不來了”。

相當於，“問題解決率”，關注重點僅僅是“這一次”用戶需求的滿足情況，而“用戶滿意度”，導向的是長期用戶需求的滿足。

以上這個想法，好像也沒什麼特別的，大家也許都能想到。但為什麼沒人這麼去做呢？不能說我的想法一定是對的（其實也是拿出來拋磚引玉），但這個想法背後存在一個認知的區別：

假設目前行業AI技術水平，“解決問題效率”是93分，很多從業者可能認為，通過AI技術，也許有可能做到98分，還有很大空間可以去做AI技術探索，值得把很多人力資源投入進去；而我的認知是，很可能95分、甚至94分，就是“目前”整個AI行業技術水平的天花板了，1、2年內，可能更應該投入“可控”的人力去做技術攻堅，而把更多的資源傾向給AI產品經理們，放到“提高用戶體驗效果”的探索方向去，這方面，可能做幾個中等量級的優化feature，就能夠整體提升2~4分的產品價值。

為什麼這2種想法，差別這麼大呢？

可能是因為，很多從業者是技術背景出生，雖然他們也知道，目前AI技術水平，並沒有根本性的突破，但是，他們只有“技術”這一個認知維度；而如果我們從產品或商業出發，至少會多出1~2個維度。

舉個例子，大家都知道對於Siri這種語音助手產品，成年人去和她交互，問10次，即使9次都對了，只要1次回答不好，那麼1個月之後，用戶慢慢就再也不用了。——也就是說，從純技術角度來說，即使已經做到了90分，但是在產品角度來看，這個模式的用戶價值不足60分；如果再考慮商業價值，可能就不足30分了（至少現階段是這樣，未來也許有機會）。——也就是說，技術維度+產品維度，不是在做加法，而是在做“歸一化”，是不能把90分作為整體產品價值的baseline的。

2、2C

基於現有的智能客戶產品技術條件，如何應用到普通用戶？有正反兩個例子。

1）不成功的magic模式（AI+HI）

前幾年，有一批中國公司copy非常火的magic模式（AI+HI），目前來看沒有太成功的，主要原因可能有：

A）需求定位的兩難（長尾 vs 頭部）

B）做MVP驗證的思路問題（注：MVP，minimum viable product的縮寫，意為“最小可行性產品”）。

沒必要一開始就去挖大價錢挖大量的AI技術人才，因為他們（magic模式）提供的本質價值是（對接）服務，所以做MVP驗證時，需要用真人來模擬、走通閉環就行，等驗證成功了再挖AI技術人才。

而且曾經有該領域公司技術負責人親口給我說過，他們的技術沒做那麼深入，因為很多情況下，回覆語料（即回答數據）就能夠滿足用戶了（不一定完美回覆，但是“可接受”的）。

即，這背後的邏輯是：如果用人工，一開始就能有80~85分的效果，但如果用AI，一開始只能有60~70分效果；所以，如果用人工做MVP，用戶都用不起來，就沒必要大投入AI技術了；但如果一開始用AI實現，很可能由於效果沒有足夠好，而無法判斷MVP方案本身是否OK，甚至可能被AI研發週期和成本給拖死。

另外，關於MVP方面，再分享下追一科技產品負責人@汶林丁 的實戰心得：

……在標杆客戶的身上收集需求，從而打磨一個MVP的產品出來，慢慢上線運營，從解決基本需求到運營到體驗，不過這個過程也非常痛苦。只有有標杆性的企業需求滿足後，產品解決的問題，才有代表性和可複製性。

“從解決基本需求到運營到體驗”，是很務實的思路。

2）最近非常火的Google Duplex

Google最近在其個人助理 Google Assistant 中，新增了Duplex功能，可以幫用戶給飯館、理髮店等商家打電話溝通、預訂。

這裡的精妙之處在於，雖然表面上AI是在服務於普通用戶，但真正的AI對話產品體驗的交互對象是商家的客服人員，而這類人群本身的對話流程、語言方式甚至語料內容都是相對更加清晰可控的！

即，反過來說，如果AI技術表面上是服務於客戶公司，但最終產品對話體驗的交互對象其實是普通用戶，那麼，對於現階段AI產品技術來說，這種對話流程非常不可控的。

可以說，Duplex這個例子正好證明了我一直以來的觀點：現階段的AI產品技術，雖然還不完美，但已經完全不影響我們做demo了，而這正好是我們AI產品經理施展的機會——這需要有一定的AI技術理解力+垂直場景認知積累+AI產品落地方法論，這些，都是我在飯糰“AI產品經理大本營”裡，經常會分享的。

最後，針對“智能客服作為AI產品經理的發展前景”，簡單分享2點：

1、智能客服，是很好的入行AI方向。因為相關公司可選範圍不少、相關職位類型高中低都有（AI產品經理、人工智能訓練師、數據標註等）、面試門檻沒那麼高（對NLP有一定了解，或者，如果有垂直行業經驗的話，會更有機會）。

2、但是，鍛鍊成長後，要明確自己的長期積累方向，是在哪個更能落地的領域，即，最好不要侷限在給垂直行業大客戶做項目的公司，更好的可能性是：

1）2B，阿里、滴滴這類大公司內部的智能客服部門；自己公司內，就有很好的落地場景、用戶量、數據和鍛鍊機會。

2）2B，價值方向不是“準確度”或“問題解決率”，而是直接闡述商業價值——如何能幫他拉新、提高轉化率、提高滿意度等。

3）2C，有更多的產品創新可能性。

-The End-

將門是一家專注於發掘、加速並投資技術創新激活商業價值的創業公司的新型創投機構，旗下設有將門創新服務、將門技術社群以及將門投資基金。

將門創新服務專注於使創新的技術落地於真正的應用場景，激活和實現全新的商業價值，服務於行業領先企業和技術創新型創業公司。

將門技術社群專注於幫助技術創新型的創業公司提供來自產、學、研、創領域的核心技術專家的技術分享和學習內容，使創新成為持續的核心競爭力。

將門投資基金專注於投資通過技術創新激活商業場景，實現商業價值的初創企業，關注技術領域包括機器智能、物聯網、自然人機交互、企業計算。在兩年的時間裡，將門投資基金已經投資了包括量化派、碼隆科技、禾賽科技、景馳科技、杉數科技、迪英加科技等數十傢俱有高成長潛力的技術型創業公司。

如果您是技術領域的初創企業，不僅想獲得投資，還希望獲得一系列持續性、有價值的投後服務，歡迎發送或者推薦項目給我“門”: [email protected]

點擊右上角，把文章朋友圈

將門創投

讓創新獲得認可！

[email protected]

閱讀更多 將門創投 的文章

關鍵字: 人工智能 移動互聯網 客服