【摘要】优质的服务是企业留住用户的重要手段，因此，提高对用户的响应速度和服务质量，同时降低客服成本，是企业的一项重要工作。传统的人工客服已不能满足现代企业的需求，同时，随着人工智能技术快速发展，建立一种自动智能的在线客服系统成为企业需要重视的问题。针对现有客服系统的不足，本方案基于业务系统用户行为数据及异常日志，提出一种新的智能客服系统设计方案。通过将日志挖掘平台和客服引擎关联起来，基于用户LSTM长短期记忆网络模型、CNN神经网络模型等深层次机器学习算法，智能客服系统可以更准确地理解用户提问，从而把最准确的FAQ和答案反馈给用户，向用户提供智能咨询服务。甚至可以先于用户发现业务问题，实时给用户推送业务预警及解决方案。通过智能客服系统可更有效解决用户咨询问题，提高用户感知，提升服务效率，缩短咨询处理时间。同时可以降低传统人工客服压力，节约企业成本。并在一定程序上提升业务系统健康度，更好地发挥业务系统的作用。
【关键词】日志挖掘；在线客服
1引言
优质的服务是企业留住用户的重要手段，因此，提高对用户的响应速度和服务质量，同时降低客服成本，是企业的一项重要工作[1]。客户服务是企业获得用户反馈意见、解决用户产品疑问的一个主要途径。传统的客服主要由专业的人工客服人员处理，存在企业成本增加、处理效率低问题。为解决该问题，很多企业开始引入客服系统[2]。其通用做法首先是对热门问题进行归类分析为标准问句（FAQ），对每一为FAQ由专业人员配置好标准答案。然后针对后续用户的提问，采用技术手段把问题约束到某一个已有FAQ，若成功则将由系统自动将对应答案返回给用户，从而高效解决用户疑问，达到降低企业成本的效果。
1．1客服系统介绍
目前的客服系统通常由机器客服和人工客服组成，其中机器人客服一般是基于网站的即时通讯工具，人工客服是通常是内嵌于网页中的即时通讯工具，每个人工客服客户端均有人工维护。在客户服务过程中，当接收到来自用户的会话消息时，先由机器客服进行服务。当用户认为机器客服无法解决其提出的问题时，再手动点击人工客服，向人工客服进行咨询。通过机器人客服与人工客服协同工作，由机器人客服统一接收来自用户客户端的会话消息，识别会话消息的内容并确定是否能够自主处理所述会话消息，在确定能够自主处理时直接应答，而在确定无法自主处理或无法识别会议消息的内容时，将自身在与所述用户客户端的后续会话业务中的状态设置为会话挂起状态，并发送与会话消息的内容匹配的安抚性应答消息，同时将用户客户端的会话消息发送至客服客户端由人工进行应答。
1．2客服系统的局限性
目前关于客服系统的研究方法大部分是从人机交互用户会话入手，主要关注用户会话的语法语义分析，关注用户使用业务系统方面的研究较少，缺乏用户在使用特定领域业务系统的行为数据和日志数据的分析方法，造成服务过程分析不全面，进而不能得到有效的用户问题解决方案。也有综合用户客户端用户点击行为进行的分析，但是分析范围仍然集中在用户使用客服系统的人机交互方面，同时在准确性上很难得到合适的用户画像。由此可以看出，现有的客服系统与用户关心的业务系统是相脱离的，进而只能针对客户咨询的问题进行宽泛性回复，或者需要与客户进行多次交互后才能理解客户端的需求，因此，客户系统普遍存在准确性不高、处理效率低、响应时间较长等问题。
2智能客服系统方案设计
针对现有客服系统的不足，本方案基于业务系统用户行为数据及异常日志，提出一种新的智能客服系统设计方案。在客服系统中引入业务系统日志挖掘平台，实时对业务系统的用户操作行为数据及系统运行异常日志进行分析，通过特征数据提取和数据挖掘算法，得出业务系统健康诊断报告和用户操作流程合理性结论，并提供相关问题描述信息和对应解决建议。另一方面，客服系统通过对用户客户端提问文本的上下文语义情感分析、关键字分析、问题聚类，客服引擎生成咨询问题标准描述。通过将日志挖掘平台和客服引擎关联起来，基于用户LSTM长短期记忆网络模型、CNN神经网络模型等深层次机器学习算法，智能客服系统可以更准确地理解用户提问，从而把最准确的FAQ和答案反馈给用户，向用户提供智能咨询服务。甚至可以先于用户发现业务问题，实时给用户推送业务预警及解决方案或关怀提醒信息。通过智能客服系统可更有效解决用户咨询问题，提高用户感知，提升服务效率，缩短咨询处理时间。同时可以降低传统人工客服压力，节约企业成本。并在一定程序上提升业务系统健康度，更好地发挥业务系统作用。
2．1主动告警流程
与传统客服系统相区别，由于引入业务系统日志平台，智能客服系统可以先于用户发现业务问题，从而可以及时向用户客户端推送预警信息及解决方案。（1）业务系统日志挖掘分析平台接入业务系统，实时获取业务系统业务数据、异常日志文件。日志挖掘系统基于大数据分析模型，对用户系统、异常日志分析诊断，对用户业务异常故障进行分析聚类，确定与用户相匹配的行为特征数据辅助分析，例如：手机数据线拔插、手机连接客户端、应用APK安装包下载、APK推送安装等行为进行分类；（2）业务系统日志挖掘分析平台实时更新推送业务用户行为数据及异常日志分析结果，用户及其异常行为特征推送给客服引擎。例如，捕获异常日志<errorcode=10007，连接异常：手机连接未允许授权>、<errorcode=-1，安装失败：未知的的异常导致解析失败>，通过分析诊断用户可能在手机连接、应用安装环节遇到问题；（3）客服引擎基于用户LSTM长短期记忆网络模型、CNN神经网络模型等深层次学习，根据用户的访问行为，确定和更新用户异常特征行为匹配，结合故障解决方案库生成预警及解决方案。例如用户在频繁拔插数据线电缆，及异常日志中产生连接错误代码，则用户可能在连接手机阶段时出现问题，客服引擎则结合用户特征生成解决方案；（4）客服引擎主动将预警及解决方案推送至用户客户端。用户通过查看客服系统推送的消息提醒，对故障进行处理，最后在确认问题是否得到解决及满意度方面进行评价反馈；（5）客服引擎通过用户满意度反馈，基于LSTM长短期记忆网络模型、CNN神经网络模型等深层次自学习，更新用户的特征及解决方案库、调整权重等参数。
2．2自动应答流程
在自动回复用户提问场景中，结合用户相关的业务系统日志挖掘平台的分析结果，智能客服系统可以更加准确地理解用户，从而可以反馈有效的FAQ和答案。具体的自动客服应答流程如图3所示。（1）用户客户端接收来自用户的文本会话消息，对用户报障/问题咨询进行文本语义识别，客服引擎通过对文本上下文语义分析、关键字提取，对用户情感聚类分析，获取客户意图等关键信息；（2）业务系统日志挖掘平台实时分析业务系统用户行为数据，根据用户历史操作行为数据，对用户的当前业务行为进行分类，确定与用户相匹配的当前行为特征，生成UserID维度的用户行为分析报告，作为用户报障及问题咨询的辅助分析来源。例如：手机数据线拔插、手机连接客户端、应用APK安装包下载、APK推送安装等行为进行分类；（3）业务系统日志挖掘平台实时分析业务系统异常日志数据，结合用户的访问行为，确定和更新用户异常特征行为匹配，生成UserID维度的用户业务异常告警，作为用户报障及问题咨询的辅助来源。例如，捕获异常日志<errorcode=10007，连接异常：手机连接未允许授权>、<errorcode=-1，安装失败：未知的的异常导致解析失败>，通过分析诊断用户可能在手机连接、应用安装环节遇到问题；（4）通过把业务系统日志挖掘平台和客服引擎关联起来，智能客服系统实现会话语义分析与业务日志挖掘的双重辅助分析，快速定位异常行为特征缩减答案范围，精确回复用户咨询问题提高解决成功率。例如用户在频繁拔插数据线电缆，及异常日志中产生连接错误代码，则用户可能在连接手机阶段时出现问题，客服引擎则结合用户特征生成解决方案，提高问题解决成功率；（5）客服系统根据用户的咨询问题，将有效的FAQ和解决方案推送至用户客服终端。用户根据客服系统回复的解决方案，对故障进行处理，最后在确认问题是否得到解决及满意度方面进行评价反馈；（6）客服系统通过用户满意度反馈，基于LSTM长短期记忆网络模型、CNN神经网络模型等深层次自学习，更新用户的特征及解决方案库、调整权重等参数。
3结束语
本文提出的智能客服系统，通过获取业务系统的用户行为及异常日志数据进行深度挖掘分析，同时与用户提问上下文语义情感分析相关联，基于用户LSTM长短期记忆网络模型、CNN神经网络模型等深层次分析算法，比传统应答式客服系统可以更准确诊断用户问题特征和情感诉求。智能客服系统先于用户在业务使用过程中发现问题，在用户投诉前及时推送问题预警及解决方案关怀信息，并精确回复用户咨询问题，最终达到提升使用业务系统的用户感知，降低用户故障投诉率，降低传统的人工客服压力和节约企业成本的目的。
参考文献
[1]黄正伟，等.e微笑服务对在线客服系统用户持续使用意愿的影响.企业经济，2017.
[2]张瑞.情感介入式智能客户服务系统.情报理论与实践，2014.
作者:马晓凯 单位:中移互联网有限公司