作者：来自 Elastic Elastic Platform Team

我们都经历过这种情况：走进商店时，看到人工收银台排着长队，而所有自助收银台都是空的。这就是所谓的便捷工具并不那么便捷的情况。曾经，许多客户服务 “解决方案” 也处于这种状态。还记得宜家的早期聊天机器人Anna 和阿拉斯加航空的 Ask Jenn 吗？当技术变得笨拙而不实用时，顾客就会完全避开它。

然而，90% 的客户希望立即得到客户服务问题的回应。人工智能 (AI) 客户支持工具的出现，对于希望简化客户服务系统的企业来说，它们已经成为游戏规则的改变者。

客户支持中的人工智能集成已成为必不可少的，也是客户所期待的。Gartner 预测，到 2028 年，生成式人工智能 (GenAI) 将为 80% 的客户服务和支持运营提供支持。这不仅仅是面向客户的互动 —— 人工智能可以通过向人类代理提供见解来帮助他们为客户提供一流的体验。

随着人工智能在客户支持系统中越来越常见，企业需要了解如何实施最佳工具以实现最大价值。个性化是有效客户支持的关键。通过为你的业务和客户提供个性化解决方案，你可以预测他们的需求 —— 这是任何良好客户体验的核心。

客户支持中的 AI 是什么？

AI 用于客户支持，以创建更顺畅、更个性化的互动，同时减轻人工客服代表的负担。最常见的是，AI 用于使用机器学习 (machine learning - ML) 的聊天机器人和自然语言处理 (natural language processing - NLP)，以模仿人类语音并解决客户问题。但客户支持中的 AI 并非始于聊天机器人，也并非止于聊天机器人。从虚拟助手到 AI 驱动的搜索，公司可以将 AI 集成到用户体验的几乎每个方面，以支持其客户服务团队。目标不是取代客户支持，而是增强客户支持。

如果充分利用 AI，它可以帮助客户支持团队提高生产力、提高客户满意度并提高他们的利润。长期客户更有利可图，留住他们更便宜，他们会向同行宣传他们最喜欢的品牌。良好的客户服务可以将犹豫不决的客户变成品牌忠诚者。但客户的期望也在上升。用户期望无摩擦的体验能够比以前更快、更好地解决他们的问题。 80% 的客户声称公司提供的体验与产品和服务同样重要。因此，落后可能意味着失去客户。因此，企业争相实施 AI 客户服务工具也就不足为奇了。

以下是如何正确实施以满足客户并简化客户成功运营的方法。

客户支持中的多种 AI 技术

AI 极大地扩展了客户服务中的自动化范围。虽然聊天机器人仍然是客户支持中最常见、最易用的 AI 工具，但它们可能不是最适合你的业务。熟悉这一领域可以帮助你决定哪种 AI 工具最适合你的团队和客户。

聊天机器人 - chatbots

聊天机器人是一种自动化系统，可以解决基本问题和日常任务，为客户提供快速答案并减轻人工代理的负担。它们旨在同时处理大量交互，是任何高流量支持系统的必备工具。

虚拟助手

虚拟助手可以处理比聊天机器人更复杂的查询，并为客户互动提供更个性化的体验。如果用户需要引导完成复杂的流程，那么虚拟助手是比聊天机器人更好的选择。

向量搜索

当客户搜索某些内容但未使用精确的关键字时，向量搜索可以提供帮助。通过嵌入（捕获其上下文的数据的数值表示），即使未使用关键字的精确匹配，向量搜索也可以识别概念上与搜索词类似的信息。

混合搜索

混合搜索结合了向量和关键字搜索等不同的搜索技术，以提供更好的相关性。它融合了密集和稀疏嵌入，以微调理解上下文和匹配特定术语之间的平衡。

自然语言处理 (NLP)

NLP 用于以细致入微的理解来解释和响应人类语言。它让聊天机器人和虚拟助手能够理解客户所说的内容，并以一种有意义且感觉像自然对话的方式做出回应。

机器学习算法

机器学习算法是人工智能持续改进的核心。通过分析来自以前交互的大量数据，机器学习可以帮助人工智能系统改进和改善其未来的响应。

自动响应系统 (Automated response systems - ARS)

这些系统旨在处理大量客户查询。它们会自动响应常见问题和问题，以便人工代理不会不知所措，而是可以专注于更复杂的客户问题。

人工智能分析（AI-powered analytics）

借助人工智能分析，你可以深入研究客户数据并找到有助于预测客户需求的见解。它还可以帮助你做出明智的决策，以最佳方式定制未来支持策略。

在客户支持中实施 AI

对于许多想要尝试 AI 的企业来说，实施过程是一个障碍。将 AI 集成到现有系统中并不一定令人生畏。合适的工具和合适的合作伙伴使添加 AI 集成变得直观。但要找到合适的工具，第一步是确定你的目标是什么。只有了解你的业务（以及你的客户）真正需要什么，你才能对客户支持系统进行重大改进。以下是如何在客户支持中实施 AI。

步骤 1：充分了解你的客户

他们的人口统计和兴趣是什么？他们的痛点是什么？他们对语音或数字互动的反应更积极吗？通过了解客户，你可以定制解决方案以主动满足他们的需求。

第 2 步：确定你是希望 AI 改进自助服务工具还是支持人工代理（你可能希望两者兼顾）

自助服务为你的客户提供了帮助他们自助服务的工具。虚拟代理或聊天机器人通常是不错的选择。通常，此过程需要分析客户查询，了解他们的意图，然后让客户服务专家创建对话流程，以帮助客户到达他们需要的地方。创建这些流程通常很耗时 —— 如果客户提出问题，这种 “选择自己的冒险” 式的写作风格很容易偏离轨道。幸运的是，生成式 AI 使这个过程变得简单得多。它不仅使流程构建变得更容易，而且在客户互动过程中对离题和变化的适应性更强。

使用 AI 支持人工代理是你可以采取的另一种方法。新的呼叫中心代理可能会花费大量时间搜索知识库、文档和案例历史，以便为客户找到正确的答案。 GenAI 可以更快地检索信息并快速总结，从而减少客户等待时间。如果你曾经长时间等待，你就会知道这可以大大改善客户体验。GenAI 可以提供帮助的另一种方式是根据客户的问题和任何可用的上下文自动起草对客户电子邮件的回复。然后，客户服务代表可以在发送电子邮件之前对其进行检查，以确保其合理且适当地处理查询。

步骤 3：确定你想要创造什么样的体验

你了解你的受众，并且对你希望为他们服务的方式有一个大致的了解。现在是时候规划你的端到端客户旅程（你很可能至少会有几个），然后寻找支持它们的最佳工具。在集思广益这些旅程时，不要局限于预算问题 —— 大胆一点。你可以在下一步中控制事情。

步骤 4：考虑你的预算和投资回报率

首先，计算不同 AI 工具和技术的成本 —— 并记住考虑你的前期投资和持续费用、维护和更新。当你评估完所有这些后，考虑你的投资回报率。使用你拥有的内部数据，思考你的计划将以哪些不同的方式提高客户满意度，以及这将如何影响你的底线。

步骤 5：设计端到端的客户体验

现在是时候回顾步骤 3 并考虑步骤 4 的预算。选择你的工具并设计策略，为你的客户和代理提供服务。

第 6 步：培训你的客户服务团队

如果聊天机器人将对话传递给你的客户服务代表，他们能否无缝地接听对话？如果客户体验不佳而 AI 工具无法解决，他们是否知道何时何地进行干预？他们是否对如何在交互过程中正确使用技术以及事后从中收集见解有基本的了解？通过培训你的客户服务团队，当 AI 难以提供答案时，你仍然可以成功地为客户提供个性化的体验。

第 7 步：查看数据并进行迭代

AI 也使这个过程变得更容易。例如，呼叫中心的很大一部分工作是记录对话。GenAI 可以记录每个呼叫，从而节省接线员的时间。它还可以使用这些记录来得出某些呼叫耗时更长的原因，或者某些产品或服务是否存在需要报告给产品和营销部门的问题。

人工智能在客户支持中的挑战

实施新技术会带来挑战。尽管人工智能具有潜力，但一些客户和一些团队可能会持怀疑态度。使用正确的人工智能工具和正确的实施流程，你可以克服大多数常见障碍。以下是人工智能在客户支持中的一些潜在挑战及其解决方法。

管理客户期望

根据 Gartner 最近的一项研究，一些客户可能担心 GenAI 只会在他们和真正的代理之间增加另一道障碍。其他人则担心它会提供错误的答案，甚至可能对某些客户产生偏见。

解决方案：你的企业需要向客户传达人工智能如何改善服务体验。坦率地说：让客户知道他们何时与人工智能互动。当人工智能出现问题时，不要犹豫将复杂的案例上报给人工代理。

隐私和安全问题

任何处理客户数据的系统都是黑客的主要目标，人工智能也不例外。这些系统通常需要处理大量个人信息，因此隐私和安全不能只是事后才考虑。

解决方案：你需要掌握数据保护法，并定期更新安全措施以应对新威胁 —— 这对于维护客户信任至关重要。

技术集成问题

许多公司仍然依赖于未考虑 AI 的旧系统。这可能意味着升级 —— 通常是昂贵且耗时的升级。

解决方案：首先对当前系统进行全面评估，寻找 AI 可以顺利融入和需要升级的领域。分阶段推出可以帮助最大限度地减少中断，让你在扩大规模之前解决问题。

支持团队的抵制

支持团队可能会抵制人工智能集成，因为他们抵制新的工作方式，或者他们担心自动化会取代他们。

解决方案：这里的关键是从一开始就让团队参与进来，提供大量培训，并向他们展示人工智能如何让他们的工作更轻松，而不是夺走他们的工作。

持续更新和维护

AI 系统需要定期更新，以跟上不断变化的客户需求和新技术发展。如果公司不跟上，他们的 AI 就有可能落后，成为一种负担而不是资产。

解决方案：你需要制定定期系统审查和更新的时间表，并通过向 AI 系统提供新数据和改进其算法来投资于 AI 系统的持续学习。

人工智能在客户支持中的主要优势

一旦你克服了这些挑战，你就可以从人工智能在客户支持中获益。以下是人工智能在客户支持中可以改变你的业务的一些方式：

• 24/7 全天候可用：无论时区或营业时间如何，客户都可以全天候获得帮助。
• 即时响应：人工智能提供即时答案和解决方案，让客户体验顺畅无忧。
• 个性化服务：客户数据帮助人工智能定制其响应和建议。这有助于让每个客户体验都感觉很人性化。
• 提高效率：人工智能通过自动化日常任务和查询来简化支持操作。这让人工代理可以专注于更复杂和细微的问题。
• 降低成本：自动化流程意味着在手动任务上花费更少的钱，并简化操作。
• 改进数据收集和分析：人工智能深入研究每个客户互动以收集有价值的见解，帮助你了解趋势并改进支持策略。
• 支持操作的可扩展性：人工智能可以轻松处理不断增加的业务量，以便你的业务可以顺利扩展而不会出现成长的烦恼。

案例研究：思科如何改变其支持体验

思科成立于 1984 年，是全球网络经济的中坚力量，为 87% 以上的财富 500 强企业提供服务。但是，面对数百万个服务请求和无数需要筛选的文档，思科面临着一个真正的挑战：如何在如此庞大的数据量下提供快速准确的支持。

解决方案是对思科的搜索功能进行全面改造，并采用人工智能技术。为此，思科与 Elastic 合作，改进其客户支持系统。Elasticsearch 在 Kubernetes 上的 Elastic Cloud 上运行，现在是思科新企业搜索架构的核心引擎。这个名为 “重新构想的主题搜索” 的新工具每月为思科的支持工程师节省了 5,000 小时。现在，无论是通过电话还是在线帮助客户，工程师都可以快速调出相关文档和类似案例。

“我们的工程师的反馈非常积极，”思科系统首席企业搜索和云架构师 Sujith Joseph 说道。“他们现在使用主题搜索来解决 90% 的服务请求。他们可以通过轻松找到目标信息和比以前更快的速度解决问题来提供更好的客户体验。”

Cisco.com 也进行了重大的 AI 升级。它现在由 Re-imagined Search Platform 提供支持，这是一个基于 Google Cloud 服务和 Elasticsearch 构建的 AI 搜索解决方案。此次大修将搜索响应时间缩短了 73%，提高了用户参与度，同时降低了运营成本。

自从在客户支持和 Cisco.com 上推出 Re-imagined Search 以来，思科的搜索团队还将其集成到 50 多个内部和外部应用程序中，包括思科内联网。

“今天，人们希望能够立即搜索到他们需要的信息，” Joseph 补充道。“让客户和潜在客户与我们的解决方案和服务的相关内容保持一致是这些关系的基础。”

利用 Elastic 的 AI 为客户提供支持

Elasticsearch 将生成式 AI 与强大的搜索技术相结合，以增强自助服务支持并简化代理工作流程。它利用你组织自己的数据、知识库和流程文档来提供精确的答案和智能建议，同时确保文档安全并降低成本。

本文中描述的任何特性或功能的发布和时间均由 Elastic 自行决定。任何当前不可用的特性或功能可能无法按时交付或根本无法交付。

在这篇博文中，我们可能使用或提及了第三方生成式 AI 工具，这些工具由其各自的所有者拥有和运营。Elastic 无法控制第三方工具，我们对其内容、操作或使用不承担任何责任，也不对你使用此类工具可能产生的任何损失或损害承担任何责任。在使用 AI 工具处理个人、敏感或机密信息时，请谨慎行事。你提交的任何数据都可能用于 AI 培训或其他目的。我们无法保证你提供的信息将得到安全或保密。在使用任何生成式 AI 工具之前，你应该熟悉其隐私惯例和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 和相关标志是 Elasticsearch N.V. 在美国和其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

原文：Understanding AI for customer support guide | Elastic | Elastic Blog