在人工智能的辅助之下，客服代表的工作由“填空题”变成了“选择题”，处理消费者咨询的速度得到了数倍的提升。

消费者也因此受益。过去冗长的等待时间给予了消费者糟糕的咨询体验。如今更快的客服回复速度让消费者与企业的交流更加迅速，消费者满意度由此提升。

同时，当消费者需要比较不同类别的产品时，过去客服需要自行调取相关产品信息，而在人工智能的辅助下，调取信息与产品比较在转瞬间即可完成。过去人工客服不能回答的问题，人工智能可以协助回答。

同时，惠氏还面临客户管理方面的问题。营销及获客成本越来越高，注册率低，用户迁移频繁，留存和销售转化率并不十分理想。如何吸引到有粘性的母婴用户，并提供精准服务，成为惠氏的头号难题。

对于这一问题，来也在与惠氏的合作中逐渐找到了解决方案。

在客户对话中，对话机器人将不断的收集消费者的消费习惯、消费能力及各类诉求。随着数据的不断积累，惠氏消费者的画像也逐渐清晰。由此，机器人将对不同的消费者进行标注，为其定制推送符合其消费能力、消费习惯、消费需求的产品。

通过这种方式，惠氏的新客获取手段由传统的粗放式宣传转化为高效率的定向推送。这一转变意味着惠氏能以更低的新客转化成本，收获更忠诚的客户。

仅需6步，对话机器人赋能惠氏微信客服

相较于电子病历、病种汇集的知识图谱，母婴客服打造的知识图谱内容更为精准地契合用户与消费者的生活需求。且整个个性化产品的搭建仅需数月即可交付。具体而言，整个搭建过程包含一下几个步骤。

一、挖掘历史预料，分析用户主要需求：在与惠氏的沟通过程中，来也先后共拿到3份对话数据，共清理出近60万个对话。这些对话数据大部分为典型的多轮对话，平均会话长度11轮，长度少于6轮的会话约占总量的17％。远高于其他行业客服复杂程度。

二：归纳需求，找到人工客服痛点：通过分析对话语料，来也发现，客户服务代表回复的事实类消息普遍较长，此外，客户服务代表还会经常用到一些模板消息（如会话开始打招呼话术、会话结束话术、教育话术）。

这些话术的特点是内容固定，如果客户服务代表每次使用都手动输入，会对回复效率造成瓶颈。这是客户服务代表使用惠氏多客服系统时的典型痛点，因此，来也问答系统的具体目标是优先覆盖这些高频回复话术。

三、建立知识库：完成上述分析，来也开始有目的性地打造知识库。通过综合使用层次聚类、分类、领域关键词挖掘等算处理数据，并结合AI训练师人工复查，多次迭代后，最终产出的知识库包含1500余个知识点，20000余条问题。

四、搭建问答机器人：根据清洗后的对话语料和训练师复查过的知识库，来也搭建了基于“检索＋排序”的问答机器人方案。

具体而言，对话语料和知识点被导入ElasticSearch检索系统，系统接收到用户消息后，从检索系统中搜索相关的知识点或历史会话片段，然后借助rerank算法对搜索结果做精排，使得最相关的知识点或历史会话片段尽量被排到前面，最终取top6结果显示到多客服界面，供客户服务代表选择。

五、根据业务场景，提供输入提示功能：结合来也内部系统的使用经验和客户服务代表的使用场景，来也认为如果客户服务代表能借助关键词召回完整话术，或者系统根据客户服务代表当前输入能自动召回完整话术，会对回复效率有明显提升，用户使用体验也会有更好的保证。因此，来也开发了输入提示功能供客户服务代表使用。

六：开发BI系统：来也提供的BI系统支持自定义关键词，系统会自动监控包含这些关键词的消息，统计它们被提及的会话个数及近期变化趋势，从中可以发现一些有意义的特征。如“感冒”在冬季被提及的次数，用户对不同的奶粉系列的关注热度等等。

整个知识图谱的搭建过程视项目大小而定，长度在1－6月不等。快速的交付速度意味着企业可以迅速从传统的管理模式转化为人工智能赋能后的数字化模式。对于来也而言，迅速的项目推进速度则凸显了其将人工智能产品化的能力。

从母婴到大健康

母婴领域的成功为来也在健康领域的布局塑造了一个良好的开端。而类似于惠氏这样的企业广泛分布于医疗消费、医疗健康领域。

由于医疗知识的专业性，C端用户对于医疗产品的消费将伴随着更繁琐、更广泛、更专业的人工智能交互问答，不少医疗领域的项目更需要人机协作提升效率。

这对于来也而言既是机会也是挑战。在2019年的实践中，来也已经达成了与阿斯利康等大型药企的合作，帮助阿斯利康搭建合规机器人，通过人工智能产品降低运营成本，挖掘数据价值。