科技猎在线智能客服机器人的需求与定位运营（1）：Ai训练师/Ai产品经理
导语：在智能服务产品的多样性，有不同的服务产品、同一个服务产品在训练任务和内容上存在些许差异，那么该如何从0到1构建出一条清晰明了、通畅且能够上升到通用层正面启发其他小型智能服务产品运营的体系思路呢？想要回答这个问题，需要先聚焦于客服域智能服务产品的定位。
一、智能服务产品需求研究
很多训练师尤其是刚刚入行的训练师都会有这样一个困扰：训练师的工作内容繁杂，通常都是一专多能的状态，到底怎样沿着一条主线逻辑完成训练工作、实现个人成长和突破呢？
电影《教父》中有这么一句话：“花半秒钟就看透事物本质的人，和一生都看不清事物本质的人，注定是截然不同的命运。”
这句话对于训练工作来说同样适用，看清事物本质能力的高低是训练师业务能力强弱的最佳体现。“事物的本质”就是事物发展变化中的关键要素和主要矛盾。
关于事物的本质有一个非常著名的案例：福特在最开始造汽车时，他咨询了许多人：“你对交通出行的最大诉求是什么？”大家的回答都是“我想要一匹最快的马。”
人们的回答本质上是对交通出行耗费时间太长的不满，如果没有抓到本质而只是沉迷于用户说的话，可能福特就会去养马，但福特观察到的却是当时人们内心深处对于交通出行速度的追求，从而创造出了汽车。
那么在线机器人的本质是什么呢?
在线机器人在与客户交流的过程中，首先需要明白客户的语言，这些语音有的是通用领域的，如“帮我查下天气”：还有些是特定领域的，如“什么是基金？”训练师们需要在训练的过程中不断提升机器人“听懂”或“读懂”的能力。
因此无论是哪种类型的机器人，使用什么样的技术，都是为了实现客户的语言识别、企业预设知识内容的推送，提升客户体验。智能服务产品也好，在线机器人也好，本质上就是满足客户的服务诉求，并且超过客户的预期。
所以，我们可以得到这样一个推导过程：
首先：智能服务产品的出现是为了提高客户在服务过程中的体验。
其中，客户体验是服务产品与客户服务诉求之间的差值，且在线机器人提供的服务与客户服务诉求是一个包含关系，如客户A想要开发票、客户B想要退换货，如果服务都是由人工来提供，就一定能够满足提供的服务完全包含客户的服务诉求。
这本身没有问题，但同时我们还需要考虑企业的成本，企业存在的本身是一种商业活动，是为了盈利而出现的组织，所以采用智能服务的方式，才有可能在成本控制的情况下给客户更加优异的服务体验。
其次：好的体验就是尽可能使在线机器人提供的服务包含客户的服务诉求，并且在服务感知上超过客户的预期；机器人是满足客户的服务诉求的载体和产品企业通过在线机器人提供的服务满足了客户需求，从而使得客户更加愿意使用企业的其他产品，也为企业创造其他的附加价值。
由以上推导可知，在线机器人训练的本质就是使其在最大限度上满足客户的需求。优秀的训练师首先就需要将目光聚焦在客户的需求上面。
二、需求调研指导
在明确需求产生的干系对象后，训练师们需要通过调研的手段获取需求。
对于智能服务训练团队负责人来说，要想知道什么样的机器人才是企业最需要的，只能通过调研。调研是最重要的事情，如果不进行详细调研就直接进行智能服务产品的采购或者研制非常容易导致需求短视症。
产生需求短视症的原因在于市面上的智能服务厂家五花八门，各家提供的产品侧重点不同，其核心技术优势也都各不相同。如果盲目跟从，不进行业务匹配、不进行智能服务需求调研而直接采用，智能服务的效果可能不但没有提高，甚至还会降低原有服务水平。
1. 智能服务调研方法
智能服务的调研需要从智能服务的价值链切入，需求调研包括纵向、横向、内部、外部。
纵向调研是从智能服务产品诞生到成熟的流转，包括智能服务产品研发、智能服务产品运营；横向调研包括同行业类智能服务产品；内部调研是智能服务产品在客户中心或者企业内部的流转，包括与在线机器人有关的各个岗位与部门；外部调研是在线机器人在外部服务的流转，即使用在线机器人或者智能服务产品的客户。
2. 智能服务调研原则
1）实地调查（场景还原）
在现实中，遇到不能解决的问题就需要调研这个问题的现状和它的历史，当完全调查明白后，就会找到问题的解决办法。不进行调查，而只是凭空想象，多半会做出错误的决策。
很多训练师不喜欢做调研，而是凭着自己的理解创造需求。他们经常会认为，客户应该跟着我设定好的规则走，只要我的规则设计得够好，所有客户都将成为在线机器人服务流水线的产品，跟着流水往前问题就能解决，这类训练师大多都不屑于找用户求证其真正的需求是什么。
也就是说，许多情况下用户也并不清楚自己的真正需求是什么。就像在线机器人诞生之前，笔者会针对用户调研：“你觉得现在服务最大的问题是什么？”
很多用户会回答：“我买了东西在线上咨询物流信息要排很久的队。”通过实地调研，将客户反馈的“人工咨询物流信息慢”转化成研究一个能够7×24小时不排队为客户提供物流信息查询的机器人，这才是最为正确的做法。
实地调研对上线后的机器人训练工作影响重大，如在线机器人上线后，客户往往一进线直接就进行了转人工的操作，不给机器人提供服务的机会。
这个时候就需要实地去找到这些真正转人工的客户，实际调研到底是因为什么原因导致客户不愿意选择使用在线机器人，而不是武断地认定是因为在线机器人识别能力不强，导致客户转人工。
因为这里我们强调的是客户进线后看到是机器人提供服务就转人工，而不是说客户在接受了机器人的服务后，发现答非所问，或者回答的内容过于冗长，前者说明客户不信任在线机器人，后者则是因为机器人的服务能力不够。
2）加强思辨
加强思辨能力是为了避免掉入思维陷阱当中，最好的案例就是在机器人诞生之初，有很多人都认为人工智能未来将会彻底的颠覆人工服务，是在线机器人诞生之初，很多人都认为人工智能未来将会彻底颠覆人工服务，为自动化流水线的加工确实导致很多企业用在线机器人完全替代掉人工。
但时至今日，我们才发现人工是不能够被完全替代的，人机耦合才是最佳的解决方案，人工智能的出现是给企业在成本和服务体验二者之间平衡点找到的新的契机而已；同时，加强思辨也体现在在线机器人的训练过程中，因为当我们在训练过程中受到阻碍时，调研尤其是实地调研才是解决疑惑的最佳方案。
三、调研框架
调研的框架设计可以借鉴5W1H的模型来思考，具体方法如下：
- what：用户的问题和需求是什么？
- when：用户什么时候会遇到这样的问题?
- why：用户为什么会遇到这样的问题？
- where：用户一般在什么地方遇到这样的问题？
- who：遇到这个问题的用户是谁?用户群体有什么特征？
- how：用户当前是怎么解决这个问题的？
四、需求调研流程
为客户提供优异服务体验的在线机器人一定是调研出来的，调研的方式有很多种，最先需要考虑的是拟订一份详细的调研目标清单，还要准备一份如何使用数据的分析计划。
根据调研目标进行拆解，设计具体的调研过程大纲，再基于调研大纲设计调研脚本。
调研流程设计：
1. 确认目的和内容
2. 搜集资料
搜集有关资料的目的主要有三个：
- 帮助训练师加深对所调查研究问题的认识
- 为调研设计提供丰富的素材
- 形成对目标总体清楚的概念
在搜集资料时对个别调查对象进行访问，可以帮助了解受访者的经历、习惯、文化水平，以及对问卷中所含问题的意见等。例如：年龄段研究和分析，很多中老年用户尤其不习惯长篇大段的应答内容，这往往也是他们不选择机器人而选择人工客服的首要因素。
3. 确定调研方式
不同的调研方式对于问卷设计是有一定的影响的：
- 面谈：在面谈中，被调查者可以看到问题并可以与调研人员面对面地交谈，因此可以询问较长的、复杂的和各种类型；
- 电话：在电话调研中，训练师可以与被调研人员交谈，但是看不到调研内容，这就决定了只能问一些短的和比较简单的问题；
- 在线问卷：调查者独自填写的，训练师与被调研者没有直接的交流。因此问题也应简单些并要给出详细的填写指导，方便收集数据进行分析。
4. 确定内容
一旦决定了调研方法的类型，下一步就是确定每个问答题的内容。
例如：问答题应包括什么，以及由此组成的问卷应该问什么，是否全面与切中要害。针对每个问题，应该遵循两个原则，即必要性和信息反馈的充足性。设计问题时，调研人员要时刻反问自己：
- 这个问题有必要吗?
- 是需要几个问答题还是只需要一个就够了?
问卷中的每一个问答题都应对所需的信息有所贡献，或服务于某些特定的目的。如果从一个问答题中得不到满意的使用数据，那么这个题目就应该取消。
5. 决定结构
根据调研的目的和要求，决定采用封闭式、开放式、量表评分式的构成组合，确定问卷结构。
6. 测评调优
要设计出好的调研方案，必须考虑这样几个问题：
1）调研是否能提供必要的训练决策信息，即训练师需要解决问题的信息。任何调研的目的和主要作用都是为管理者提供决策所需的信息，任何不能提供管理或决策重要信息的调研都应被放弃或修改。
2）调研是否考虑到被调研者的情况。考虑到被调研者，调研表应该简洁、有趣、具有逻辑性并且方式明确，调研不仅要考虑主题和受访者的类型，还要考虑受访的环境和调研问卷的长度。
3）调研是否满足从调研信息中获取信息数据、信息背后反馈的决策内容化的要求，即调研结果的编辑和信息处理。一旦调研信息收集完毕，就要进行编纽，以固定的格式和要求将调研结果进行转化。例如：调研问卷是以评分形式反馈（请您用0-5分来评价您对在线机器人服务的满意程度）。
五、总结
优秀的在线服务机器人的核心价值就在于“智能链接客户，重塑客户体验”即通过智能化打造更加精准的服务，重塑服务价值。
价值是需求背后的核心，优秀的训练师需要通过实地调研的方式，深入在线机器人服务的干系对象当中去，获取用户需求；同时应该避免被需求的表象所迷惑，重点关注需求背后的真正诉求，看透事物的本质，加强思辨能力，在训练过程中不断思考、不断迭代，唯有如此才能保证需求的正确性。
本文由 @F 原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自pexels，基于CC0协议
