Enterprise AI customer service platform

灵云智能客服平台

灵云智能客服平台界面展示

WAHT I DID

我在项目中的角色

与产品组共同进行需求调研,架构梳理,流程梳理,为迭代功能模块设计线框图。

制定交互和UI迭代方案,针对解决当前版本的问题,并主导设计落地。

设计走查、开发跟进、上线调优。

requirements

收集需求

痛点:日常维护效率低下,系统可拓展性不强,缺乏错误预防和处理,功能间存在割裂,智能化程度不足,安全系数有待提高,且视觉样式单一。

客户
实际使用中,我们的客户经常遇到答非所问的情况
不够智能,最好能做到 举一反三
用户
培训之后可以正常使用,但是维护和优化比较费时间, 需要手动编写大量内容
跳转很频繁,系统频繁报错也很影响效率
项目经理
测试机器人的功能感觉比较割裂,从发现问题到优化的操作需要耗费较长时间
客户常有部分定制化需求,需要我们花费较多时间 定制开发
销售/售前
不同客户对业务的需求量各不相同,分配资源不方便
中标项目参数指标中通常对可视化图表有较高要求,然而我们的图表相对单调,整体风格也不好看

Problem definition

定义问题

CORE TECH

核心技术方面

  • 语义理解效果不理想
  • 未融合自学习能力
USABILITY & UX

可用性与用户体验方面

  • 知识库结构单一,不仅影响知识调用的效率,也影响日常维护的效率。
  • 部分功能模块间存在割裂,影响使用流程的流畅性。
  • 缺乏防错和反馈机制。
OTHER FACTORS

其他方面

  • 知识库安全性不足。
  • 拓展空间受限。
  • 视觉样式单一。
DESIGNER INSIGHT

设计师角度发现

  • 实际遍历中发现,案例归纳总结和维保优化时,缺乏快捷的维护途径。
  • 考虑在会话记录中增加新的快捷功能入口,提升用户效率和体验。

REQUIREMENTS definition

定义需求

需求分类
需求拆解
优先级
前端用户体验优化
a. 提升识别理解率
b. 根据不同场景优化对话体验
c. 增加关键词之间的智能关联
安全性优化
d. 修改知识库数据加密逻辑
可用性优化
e. 扩展问添加方式优化
f. 自学习功能
g. 自测试优化
h. 案例归纳总结和维保优化
i. 图表和维度优化
j. 优化系统模块和机器人维度逻辑
其他
k. 视觉改版、功能跳转、防错、反馈等优化

DESIGN DECISIONS

设计策略

算法中心协同

提升识别理解率

  • 由算法中心负责引擎升级
  • 增加意图管理模块,提升机器人交互过程中的语义理解能力
场景与流程

根据场景优化对话体验

  • 增加对话场景模块,可自定义搭建多轮对话流程
  • 增加流程图模块,并入知识管理流程中
  • 细化知识库结构,在不同场景分类下进行专门维护
知识图谱

关键词智能关联

  • 增加知识图谱模块,以二维表模式加强关键词间关联性
  • 在添加扩展问的功能中加入关联选项,手动关联关键词
  • 在词表管理中添加关联词模块
自学习与训练

自学习与训练功能

  • 从原始的问答记录中提取可能的新知识和扩展问,经统一处理后转入知识库
  • 为机器人提供模型训练功能
  • 增加智能挖掘功能,每日定时刷新推荐扩展问法
测试与维保

测试优化与维保提效

  • 测试中加入选择渠道和标签的功能,并提供更多测试入口
  • 会话记录中添加标签和评价功能,为后续工作提供支持
  • 由研发同事负责优化加密方式
体系与架构

维度架构与其他优化

  • 修改机器人管理维度逻辑,适应不同客户
  • 进一步完善模块化设计,增加可拓展空间
  • 提升系统可用性,包括但不限于优化操作效率、易学性、防错性、系统反馈等

information architecture

信息架构

灵云智能客服平台信息架构图

wireframe

线框图

灵云智能客服平台线框图

critical path

关键路径

灵云智能客服平台关键路径

Experience optimization method

体验优化

Agent管理

Agent管理

知识浏览

知识浏览

对话场景

对话场景

知识编辑

知识编辑

教育优化

教育优化

交互记录

交互记录

usability testing

方案测试

我们通过建立基准测试,验证此次迭代的效果。定义创建图谱、创建场景、知识维护3个任务,邀请多名公司内部训练师依次进行操作,记录操作次数、操作时间、任务完成情况和反馈意见,之后与记录中旧版本数据进行对比。同时,每日早中晚三个时段连续一周与机器人进行对话,验证问答效果。

无论成功与失败,一次点击/一次完整内容输入记录一次操作次数
用户编号 操作次数 操作时间 任务完成率
01 82 3min54s 100%
02 159 4min25s 100%
03 143 4min47s 100%
04 98 4min38s 100%
05 78 3min2s 100%
06 196 6min30s 66.7%
07 101 4min17s 100%
操作次数 较旧版平均减少约 0%
操作时间 较旧版平均缩短约 0%
回答效果 机器人回答准确率提升约 0%
💡

通过记录发现,有复数参与者在场景编辑时思考时间偏长,并出现了任务未完成的情况;我们将着重研究此部分可用性,并输出优化方案在下版本迭代任务时完善。