如何搭建一个智能客服（二）：结合业务场景撰写多轮对话PRD

首先我们通过观察业务场景，来抽取终端用户需求和明确需要通过AI来实现的对话流程。这一步的重点在于理清大多数用户的高频出现的需求，也可以说是正常用户经常会问的问题和会做的操作。要这样做是因为AI的开发成本毕竟不算低，所以好钢用在刀刃上，我们暂时不关注少量用户奇奇怪怪的想法。

以苹果专卖店为例，我拿了两个常见的对话场景：

1号场景——买iphone

店员：欢迎光临，您要买什么？
消费者：我要一台iphone店员：您需要哪一款？
消费者：11店员：128G还是64G？
消费者：64的店员：什么颜色？
消费者：黑色店员：好的，请您付款，谢谢。

2号场景——买Macbook

店员：欢迎光临，您要买什么？
消费者：我要一台Macbook pro店员：什么尺寸呢？
消费者：15.6寸店员：什么颜色？
消费者：黑色店员：好的，请您付款，谢谢。

接下来我们把每个环节拆分成不同的用户意图，如下：

这样我们拿到了7个不同的意图，接下来是准备一些样本做识别训练。样本的概念就是对一个意图不同的表达方式，比如“我想买个iphone/您好我买个iphone/帮我拿个爱疯手机”都归为买iphone的意图。样本的来源可以是实际的业务场景下发生的对话，也可以是靠自己生成，当然最好是前者，这里样本的丰富度决定了识别的准确性。注意收集了足量的样本后，要抽取一部分用来后面作为测试集。当识别率达到我们要求的置信度时，假设阈值是80，就可以着手下面流程的部分了。

首先，我们把上面两个对话变成两个AI处理的流程。

关于付款之类的操作，大概率还需要跟其他系统的对接和联调，因为这篇主要讲对话，所以这部分按下不表。到这儿，我们就得到一个基本可以用的小机器人了，它可以完成前面场景里店员要做的工作。

下一步是对流程的完善。因为对话产品不像普通的产品，用户再怎样也离不开页面上有的东西。对话时用户行为是不受限的，他们讲什么都可以，那么也就可以不按照预设流程去走。比如买iphone到一半，用户改主意要买MacBook呢？因此在上图的完美流程外，我们要加一些节外生枝的东西进去。

这里插播一个知识点。在NLP中，人工智能本身是不能够理解用户意图的，它只是根据大量样本的统计结果做概率预测。比如，如果你在“买iphone”的训练样本中加入了大量的“买豆腐”，那么当你去测试买豆腐，它一定会认为你在买iphone。没有理解力这个事情导致了什么呢，它既没有听得懂的概念，也没有听不懂的概念。因此，在实际的训练中，我们需要准备第8个意图，叫做“无意图”，用来把跟实际场景无关的话语与有效话语区分开来，比如“买豆腐”就应该算到无意图里。

事实上，在我写过的PRD中，上图是一个非常简化的版本，它一共只有流程*2和意图*8. 在真实的业务流程中，因为场景的复杂度很高，所以交叉排列出的可能性也非常之多。这一部分就很考验PM对于用户行为的观察和预测，以及对场景的拆解能力。理论上，拆解出的颗粒度越细，设计的场景丰富度越高，那么使用起来的体验就越舒适越近似人工客服。

我另外做了一个更为复杂的版本，基本框架都没有变，所以不再多做说明，贴上来以供参考。（欢迎同行一起交流呀）