为什么大多数聊天机器人失败

大多数聊天机器人让用户沮丧，因为它们试图满足所有人。解决方案从设计开始，而非技术。

设计原则

  • 范围窄：做好一件事。不要构建通用聊天机器人。
  • 优雅降级：当机器人无法帮助时，转接人工或提供替代方案。
  • 设定预期： 提前告诉用户机器人能做什么、不能做什么。
  • 显示进度：对多步骤任务，显示用户当前进度。

对话设计

  • 问候：清晰简洁，设定预期。"我可以帮你查订单或回答产品问题。"
  • 错误处理：永远不要说"我不理解"。改为："我不太确定。你能换个说法，还是想和人工客服交流？"
  • 确认：对重要操作，执行前始终确认。
  • 记忆：在对话中记住上下文。引用之前的消息。

技术最佳实践

  • 延迟：2 秒内响应。长回复使用流式传输。
  • RAG 保证准确性：基于知识库而非仅 LLM 训练数据回答。
  • 护栏：防止机器人跑题或做出承诺。

需避免的反模式

  • 假装是人类。
  • 不理解时无限循环。
  • 要求用户已提供的信息。
  • 大段文字而非结构化回复。
  • 没有明确方式联系人工客服。

关键指标

跟踪这些 KPI 衡量聊天机器人效果：

  • 解决率：无需人工升级即解决的对话百分比。目标：60–80%。
  • 平均处理时间：总对话时长。聊天机器人应比纯人工减少 40–60%。
  • 用户满意度 (CSAT)：对话后调查。目标：5 分中 4.0+。
  • 升级率：转接人工的百分比。低于 30% 为良好；低于 20% 为优秀。
  • 回退率：机器人说「我不知道」的频率。应低于 10%。

对话流程设计

映射前 20 个客户咨询并为每个构建流程。使用决策树方法：

1. 意图检测：分类用户需求。

2. 槽位填充：逐步收集必要信息。

3. 操作执行：调用 API 或查询数据库。

4. 确认：执行前复述操作。

5. 跟进：询问是否还有其他需求。

高级技巧

  • 情感检测：用户看起来沮丧时立即升级。
  • 主动消息：基于页面上下文主动问候用户。
  • 多语言支持：从第一条消息检测语言并用相同语言回复。