谈店小蜜自定义知识库的搭建

刘向荣

电子商务从PC时代进入移动时代，当前正在迈向智能时代。而电子商务客服行业顺应时代的要求，也悄然地进行着智能革命。阿里巴巴推出的商家版智能客服机器人——店小蜜，也就应运而生。店小蜜有全自动和智能辅助两种模式，其运行的原理是商家需事前配置好知识库（店小蜜后台的问题与答案集合列表），店小蜜会根据客户问题的情景作出相应的回答。本文主要介绍了店小蜜及其管理模式，重点谈论了店小蜜自定义知识库的搭建过程，通过实例描述自定义知识库从重构产品数据库到“Q&A;”表配置的搭建过程，为人工智能培训师提供一种店小蜜知识库快速建模的方法。

店小蜜是一种创新的客服管理模式。在传统客服团队中（如图1所示），团队管理是由客服主管带领着大量的客服人员处理各种问题。而在智能化的客服团队中，企业的客服团队变得更加精炼和高效。同样是在客服主管的管理下（如图2所示），这种模式只需由店小蜜（智能机器人）、人工智能培训师和配备少量优质客服组成智能化的客服团队，大大地降低了企业的经营成本。

两种模式的对比，我们可以发现店小蜜和人工智能培訓师的出现，代替了大量的人工客服。而店小蜜相对人工客服又具有无可比拟的天然优势，如真正做到7*24小时待命，永不下班，永不离职，甚至以一对万。引用阿里巴巴的话说，店小蜜是当前人工智能化趋势下，最懂电商的智能机器人。

为什么说店小蜜是最懂电商懂客户的智能机器人？其秘密在于店小蜜的知识库。店小蜜的知识库是一个拥有“机器大脑+人脑”的智能知识库。知识库其实就是一个商家事前配备好的买家问题及其答案列表（如表1所示）。

阿里把日常的客服问题重新整理，具体分成了商品问题、活动优惠、下单付款、物流问题、售后退款、店铺服务和聊天互动等七大类场景分类问题。每大类场景问题由行业高频问题和自定义问题组成。行业高频问题是阿里官方已经定义好的店铺通用高频问题和各类目高频问题的买家问题及其答复列表，行业高频问题是由算法基于海量买家问题训练得出，商家可增加自身的商品行业类目，订阅“行业包”即可快速使用。而自定义问题，即自定义知识库，则是需要商家（人工智能培训师）手动添加和定义的买家问题及其答复列表。虽然行业高频问题已经帮助商家解决了大部分的客户常见问题，但在实际中，自定义问题才是需要商家重点配备的问题，只有自定义问题才能更有效地解决客户关于商家自身店铺和商品的疑问。

在配置自定义知识库之前，商家遇到的最大困惑往往就是如何从成千上万的客服问题中，有效地提取客户针对自身店铺或商品的高频问题，并就对应的问题逐一作出满意的答复。显然，这项任务的工作量是巨大的。设置自定义问题并对其作出回答是一项异常繁重的工作，其实质就是需要客服人员先把客户关于商品疑问的全部问题考虑一次，并作出问题答复。最后把所有问题和答复形成一个集合的过程。因此，人工智能培训师一职就应运而生，而其工作就是更好地解决自定义知识库建模的困难。

为了让店小蜜成为“真正”的客服智能机器人，人工智能培训师需要对其自定义知识库进行搭建和配置。

一、重构产品数据库（产品表）

为了更准确地回答客户对店铺或商品的提问，我们首先要对店铺和商品的全部信息进行数据化，这就需要重构产品数据库，形成新的产品表。但是，在众多不同类目的商品中，如何合理地设置商品的属性，这是首要解决的关键问题。我们尝试先从分析商品的类目属性开始，找到商品对应的属性。如家电类，其商品属性参数有产品名称、颜色、型号、材质、功能、电压、功率、长度；服饰类，其商品属性参数有产品名称、颜色、尺码、款式、型号、材质、厚薄、长度；化妆品类，其商品属性参数有产品名称、产地、成分、肤质、日期、功效……尽管类目不同，但可以发现每个商品的参数都有产品名称，并以唯一的产品ID来区别与其他产品。

重构产品数据库，即用数据库的方法重新定义产品表的属性内容（表头）。产品表应由主表（固定参数列）和附表（可选参数列）组成。主表的属性包括产品ID（主键）、产品名称、产品链接、产品图及分类名称，附表的属性应是基础属性（全店产品共有参数）、分类产品属性（各类目的产品参数）、全店服务属性、售后保障属性等（如表2所示）。

以某销售泳具产品的店铺为例，构建该店铺产品的产品表。产品表的创建可以使用常用的数据库软件（如Excel、Access） 进行建立和存储。该店产品表内的主表参数（固定列）填写方法如表3所示。

2.产品名称是根据打开的产品页面标题内关键词，指定个性化产品名称。如产品标题是“泳镜女高清防水防雾度数泳帽泳镜套装男女士装备近视游泳眼镜”，则产品名称可以定位“近视游泳眼镜”。同理，产品列表可以标题或商品详情页的属性表中找到，该产品属于“泳镜”类目。

3.产品图片可以是截取产品详情页内的封面图。一般是主图的第一张，如果是视频主图则使用第二张即可。

同理，接着可以设置该商品的附表（可选可变动）。泳具产品表的附表中的基础属性及其内容（只选取了部分基础属性）填写如表4所示：

附表中除了基础属性外，还有其他分类产品属性（泳镜以外的其他分类，如帽子、泳裤等属性）、全店服务属性（优惠、客户活动等）、售后保障属性（快递、包装说明等）、更多属性等就不再一一举例说明。

产品表构建其实就是将产品属性重新细分的过程，把每个可分解的属性尽量细分，单独提取出来，从而形成一个店铺全类目商品的数据库，为下一步配置自定义知识库提供了有效直观的数据来源。

二、“Q&A;”表的配置和填写

“Q&A;”表是自定义知识库的雏形，其核心就是由问题和答案两部分组成。但在面对消费者海量而杂乱的问题前，店小蜜首先会识别消费者和客服的对话内容，而对不同的场景进行定义。场景定义是通过一定的规则和定义，进行有意识的归类和总结，通过筛选得到一定量的标准问法，并对这些标准问法进行命名统一归纳的举动。

在店小蜜的知识库中，其中官方知识库（行业高频问题）已经对主要的七大场景问题进行分析和解读，具体场景分为商品问题、活动优惠、下单付款、物流问题、售后退款、店铺服务和聊天互动等七大类。店小蜜会根据消费者的问题识别当前的所属场景，然后再找到对应问题的答案。通过场景定义，有助于提升用户的体验，使答案能更全面更精确更快速地回复消费者的问题。同时也有助于判断和维护场景的准确性，从而提升机器人的学习能力。

尽管官方知识库能够解决店铺大量日常客服问题，但关于产品自身和店铺自身个性化的信息才是客户待解答的核心问题，因此我们要事先考虑周全，配置好自定义知识库的问题和答案，也就是“Q&A;”表的设置和填写。“Q&A;”表可根据Q问题和A答案的属性，建立表格的表头属性列。根据“问题”，可设置问题分类、问题类型、问题描述/原因、问法示例、可识别/衍生问题等属性；根据“答案”，可设置答案组成、案例、答案建议、关联产品、关联ID、关联ID数量、推荐产品、建议/备注等属性（如表5所示）。

“Q&A;”表的创建可以使用常用的数据库软件（如Excel、Access） 进行建立和存储。关于客户问题的收集，我们可以通过对聊天记錄导出，再利用专业的分析软件筛选出所有消费者咨询过的问题。根据客服对于店铺和商品的问题，对其进行分析归类，具体对应划分到商品问题、活动优惠、下单付款、物流问题、售后退款、店铺服务和聊天互动等七大类场景问题。最后填写七大类场景定义问题相应的“Q&A;”表。

“Q&A;”表中“答案组成”和“答案建议”是关键内容，其内容的质量决定店小蜜智能回答问题的准确性。要形成准确和详细的“答案建议”，需要借助“产品表”。首先，根据问题描述或示例，我们可以先列出该问题所涉及的知识点，这些知识点就是答案的范围。然后我们从“产品表”中，找出相应的知识点，对应产品表中的属性列，其对应的内容，就是我们的答案。最后，运用客服相关的术语，形成一条“答案建议”。另外，一个问题可以对应有多个答案，答案对于客户应该尽量友好。

仍以上述销售泳具产品的店铺为例，例如某关于商品尺寸类的问题，问题描述是：“咨询产品的尺寸”，问法示例：“请问商品尺寸是多少？”中的“尺寸”，这是我们要从问题中提取的知识点。把这知识点在“产品表”中搜索，即可在产品表中的“尺寸”的属性列中找到相应的答案（显示各类商品的对应尺寸）。最后运用客服的相关术语，形成“Q&A;”表中的“答案建议”。泳具“Q&A;”表填写内容参考如表6所示（省略部分属性）。

三、后台话术配置

根据“Q&A;”表的内容，在店小蜜后台完成自定义知识库问题和答案的配置。具体步骤可以根据后台界面提示（参考文中表1所示），添加“问题描述”和相应的“客服答案”，完成“Q&A;”表全部问题和答案的添加即可。也可以通过官方模板导入的方式，完成店小蜜知识库的配置。

最后，在整个自定义知识库建模过程中，我们可以看到在重构产品数据库阶段，千辛万苦地建立了商品的“产品表”，就是为了快速高效地填写“Q&A;”表中答案。正是因为有了这份完善的“产品表”，我们不需要再重新打开商品对应的网页，逐个逐个地寻找答案。客服中遇到的问题不仅数量庞大而且千人千面，运用此方法形成的答案既详细又准确。因此，“Q&A;”表的准确性一定意义上取决于“产品表”的质量。这将是人工智能训练师对店小蜜自定义知识库快速建模的一种重要方法。

责任编辑 何丽华