你所在的位置：管理文库 > 运营管理
一、对AI科技原理的基本了解
很多人会问我说，我是做智能运营的，为何需要了解背后的技术原理？
就好像我买了一台车，我只要会开，不需要知道车子引擎和发动机的原理吧！
听起来有道理，但问题是，如果你不是在平路开车，而是在沙漠、在高山峻岭呢？
智能客服发展的历史太短，科技厂商都还处于摸索阶段，车子故障了，别太指望有多少人能帮忙修理。
就举一个困扰大家的例子吧：机器人维护到底需要多少人力？
智能客服机器人分为3代，第3代机器人用到了深度学习的技术，如果你不懂深度学习的基本原理，很容易认为需要大量人力来进行语料处理和知识维护，不仅仅浪费了人力，智能系统的识别能力还会受到很大影响。
你说，深度学习不是需要海量的数据来训练吗？
是的，但仔细想一想，知识分两种：一种是中文，一种是你所属行业的专业知识，例如银行业务。
如果你是银行业务，做一个客服机器人，你喂进去那么多语料，也就是客户可能的说法，你到底是在训练中文，还是在训练银行的业务知识？
如果你还要训练中文，那真的是太惨了啦，因为要让机器人懂中文的各种语法，例如主谓宾定状补，那可能的变化真的太多，你真需要海量的数据来训练。
训练机器人懂中文，这应该是科技厂商要帮你做好的事情。
但如果你只是要让机器人懂银行业务，第一次的工作量可能比较大，但后续的维护量应该是少的，因为银行业务的说法也就是那几种。
这里面，满满的学问，技术不必深入了解，但至少要能明白自己在做什么，至少要能跟科技厂商对话。
高度建议你看一下本期客户洞察月刊我写的3篇科普文章，当作是入门。
▶许乃威科普讲智能 ─ 每个人都应该略懂的智能历史（上）
▶许乃威科普讲智能 ─ 每个人都应该略懂的智能历史（下）
▶10分钟掌握深度学习 ─ 教你一招识别真假
你看完以后，或许可以问自己一个问题：
很多厂商在宣传的「多轮对话」技术，用到的是第1代还是第3代的技术？
答案可能会让你很吃惊。
二、对智能客服运营指标的基本掌握
管理需要管过程，需要管结果，需要用到量化的指标，这是数字化管理的基本精神。
我根据自己经验和行业一些标杆企业的实践成果，整理了12个智能客服运营指标，听起来很直观，但又是学问满满，从中举几个例子：
▶智能使用率
▶一次问题解决率
▶客户问题识别率
▶关键流程节点解决率
▶关键流程节点流失率
这些指标到底在讲什么？
这些指标又要如何采集？
智能客服的客户参评率往往过低，拿不到足够的客户反馈，智能系统本身有不少数据也很难提取，例如客户问题识别率，对机器而言，如果识别错误，机器怎么会知道自己识别错误？
没法跟客户拿，机器自己又算不出来，那到底要怎么测量？
人工智能因为深度学习有了重大突破，但深度学习于2006年提出，2012年才爆火广泛被接受，也就是说离现在才10年的时间。
深度学习用在智能客服系统，更只有3年左右不到的光景，这其中，还有太多的疑问需要我们去探索。
关于智能客服运营的12个关键指标，建议找小师妹索取我编撰的「客服运营管理指标KPI字典2.0版」，至少先把这些指标的定义和公式给搞明白了。
三、总要尝试对机器人的服务质量进行评价打分吧
人要成长，需要一面镜子，学校为何要考试？就是想给学生一面镜子，反映学生的学习情况。
机器人也是人，也需要一面镜子，如果不能让机器人知道自己的服务能力好坏，机器人要怎么进步呢？
但要如何给机器人打分？给一线客服代表打分，我们可是有长达15年以上的经验，但给机器人打分，大家都是在摸着石头过河。
中国在智能客服这个领域，跟高铁、5G一样，处于世界领先的地位，在找不到参考文献的情况下，我试著写了一个质检表，尝试著给机器人打分：
有3个检查维度：解决能力、客户行为与感知、流程规范，14个质检点。
其中不少质检点就是为了采集上面讲到的这几个指标：智能使用率、一次问题解决率、客户问题识别率、关键流程节点解决率、关键流程节点流失率。
你能猜到这些指标分别用到了哪些质检点吗？
总结
作为第一代的智能客服运营者，我们真的是一起在开创历史，真的是站在世界的顶端，没有其他前辈能告诉我们该怎么做，但正是这样的挑战，给予我们无比的激励，希望能告诉后代子孙，这里面有些管理方法，是我们这些第一代运营者，在无数的错误中，尝试出来的！
要如何开始尝试呢？或许可以从我上面讲到的这3个基本开始入门吧！
