本文將從數(shù)據(jù)預(yù)處理到排序算法，全面分析Uber人工智能客服系統(tǒng)，為了打造最佳用戶體驗(yàn)，Uber 持續(xù)優(yōu)化客戶支持流程，設(shè)計(jì) COTA 來幫助客服提高解決問題的速度和準(zhǔn)確性。

日前，Uber 官網(wǎng)上的一篇文章詳細(xì)介紹了基于 NLP 和機(jī)器學(xué)習(xí)構(gòu)建的？COTA 客服系統(tǒng)。利用該系統(tǒng)，Uber 可以快速高效地解決 90％ 以上的客服問題，小編將原文編譯整理如下：

為了打造最佳用戶體驗(yàn)，Uber 持續(xù)優(yōu)化客戶支持流程，讓客戶支持服務(wù)更易用，更方便。

為實(shí)現(xiàn)這一目標(biāo)，Uber Customer Obsession 團(tuán)隊(duì)基于其內(nèi)部平臺(tái)，提供 5 種不同客服渠道（應(yīng)用內(nèi)置客戶支持、官網(wǎng)客戶支持、本地司機(jī)網(wǎng)、電話客服、線下服務(wù)網(wǎng)點(diǎn)）。這個(gè)內(nèi)部平臺(tái)具備客服工單功能，以便跟蹤解決問題。每天提交到這個(gè)平臺(tái)上的客服工單有數(shù)十萬條，遍布全球 400 多個(gè)城市。Customer Obsession？團(tuán)隊(duì)必須確保客服代表能盡可能準(zhǔn)確、快速地解決問題。

基于此，Uber 打造了一個(gè)人工智能客服助理平臺(tái)——COTA（Customer Obsession TIcket Assistant），它利用機(jī)器學(xué)習(xí)和自然語言處理（NLP）技術(shù)，幫助客服代表提供更好的客戶支持服務(wù)。

在 Uber 客戶支持平臺(tái)上，利用Michelangelo平臺(tái)的機(jī)器學(xué)習(xí)服務(wù)，COTA 可以快速高效地解決 90％ 以上的客服問題。

下面，我們會(huì)詳細(xì)介紹創(chuàng)造 COTA 的動(dòng)機(jī)，COTA？后端架構(gòu)，并展示如何利用這一強(qiáng)大工具提高客戶滿意度。

當(dāng)客戶聯(lián)系 Uber 尋求支持時(shí)，我們必須及時(shí)為他們提供最好的解決方案。

我們可以讓用戶在提交問題報(bào)告時(shí)，點(diǎn)選問題所屬的類別，填寫細(xì)節(jié)。這一過程為客服提供了很多背景信息，從而能更快解決問題，如圖 1 所示：

圖 1：Uber 內(nèi)置的客戶支持服務(wù)為用戶提供了一個(gè)直觀且易于使用的界面，先提供問題可能的類型，然后突出顯示行程的細(xì)節(jié)

Uber 內(nèi)置的客戶支持服務(wù)能反映問題的背景信息，雖然這些信息很重要，但要解決客戶的問題，單靠這些信息遠(yuǎn)遠(yuǎn)不夠，特別是在一個(gè)問題有多種工單答案的情況下。此外，同一個(gè)問題，客戶可以通過多種方式來描述，因此問題的解決過程更為復(fù)雜。

隨著 Uber 的服務(wù)規(guī)模不斷擴(kuò)大，客服必須應(yīng)對(duì)不斷增長(zhǎng)的客戶支持問題，同時(shí)，問題也變得更為多樣化，包括技術(shù)故障和費(fèi)用調(diào)整等。事實(shí)上，當(dāng)客服在解決客戶提交的問題時(shí)，他們首先要做的是從數(shù)千個(gè)類別中，確定問題所屬類型，這絕非易事！

縮短識(shí)別問題類型的時(shí)間非常重要，它能減少客服解決用戶問題的總時(shí)間。

確定問題類型后，下一步就是給出正確的解決方案，每種類型的工單都有不同協(xié)議和解決方法。此外，還要從成千上萬個(gè)可能的解決方案中進(jìn)行選擇，這也是一個(gè)耗時(shí)的過程。