AI客服可以自动区分客户是售前咨询还是售后咨询吗？
摘要：AI客服可以自动区分客户是售前咨询还是售后咨询吗？ 人工智能客服可以区分售前和售后吗？本文详细阐述了意图识别的技术原理，售前售后场景的划分，识别准确率以及优化方法，并且帮助你选择一个能够理解客户的AI客服。 客户询问有没有M码的衣服，这就是售前咨询；而客户说收到的衣服出现了破损，则属于售后服务范畴。…
AI客服可以自动区分客户是售前咨询还是售后咨询吗？
人工智能客服可以区分售前和售后吗？本文详细阐述了意图识别的技术原理，售前售后场景的划分，识别准确率以及优化方法，并且帮助你选择一个能够理解客户的AI客服。
客户询问有没有M码的衣服，这就是售前咨询；而客户说收到的衣服出现了破损，则属于售后服务范畴。看上去很直接，但是对于AI客服而言，能够准确的区分出售前跟售后，并且给出正确的回答才是根本。
如果把售后的问题当作售前咨询来回答，给客户回复一长串的产品参数，客户会更加愤怒。那么AI客服能否做到售前和售后都自动识别呢？准确度是多少？今天我们一起来分析一下这个问题。
售前和售后的区别是什么？
第一种方式就是回答的方式不同。
把售后服务当作销售之前的准备工作来做的时候，客户会认为“你们并不关心我遇到的问题”。
第二条的原因就是优先级不一样。
售后的问题一般比较急迫，特别是涉及到投诉的问题。如果没有人工智能来处理售后服务，把投诉的信息排到普通的咨询之后去，就会造成客户的投诉被放大。
第三种原因是数据考核不一样。
售前关心的是转化率跟客单价，售后关心的是解决率跟满意度。把它们合并起来去计算的话，数据就没有了意义。
人工智能客服怎样来区分售前和售后服务呢？技术一：关键词规则匹配（传统的方案）
配置关键词规则为： 售前的关键词是：价格，是否有货，尺码，颜色，推荐，促销等。
售后关键词：退费，换货，补发，不良品，质量投诉等。
- 优点是：简洁明了，安装方便。
比如说客户抱怨产品质量不好时，并未命中售后服务相关的词，那么AI就会把这当作一般的咨询来对待。
- 第二条技术是大模型意图识别（新式的解决办法）
比如说客户说，“这件衣服穿起来有点紧，可以换一个大一点的吗？” 大模型可以理解到： 客户的商品已经被他买走，并且处于售后的状态。
客户的最主要的需求就是换货。
调用售后服务流程进行处理。
准确率：优秀的模型方案，在售前跟售后服务中可以达到95%以上的识别准确率。
第三种技术就是Agent智能体架构（目前最先进的方法） Agent架构可以判断出用户的意图，并且能够将任务分解开来，调用相应的系统。
- 比如说在售后退款的需求被识别出来之后，Agent就会自动的：
判断是否可以申请退费。
计算出应该退还的钱。
生成退款单。
通知有关人员。
- 全过程都不需要人去操作。
- 主流的人工智能客服在语义理解方面的能力比较
出现售后问题的时候会自动激活相应的解决程序，不需要人工去归类。
售前和售后所涉及的各种具体情境
售前场景分类 售后场景分类
- 怎样才能提升售前和售后识别的准确性呢？
- 第一种方式就是用大模型来驱动工具。
- 关键词匹配的方法已经过时了，使用以大模型为基础的意图识别工具可以提高准确率20%以上。
- 第二种方法是完善知识库。
- 把售前售后经常出现的问题以及标准的回答整理到知识库中去。
有了足够的知识储备之后，人工智能才能够做出正确的判断并进行有效的处理。
无法被人工智能所识别到的复杂的难题将会被自动转入人工服务。
不能强迫AI去解决它不能解决的问题。
第四种方法就是不断的进行改进。
定期查看AI会话质检报告，找到识别错误的例子，并对知识库，意图规则进行优化。
总结： AI客服可以实现售前售后的一体化服务，主要看所选的技术方案是否合适。
关键词匹配为基本要求，大模型意图识别为主流方式，Agent智能体架构为最前沿的解决方案。
对大部分商家而言，使用以大模型，Agent为架构的产品（比如简小智）可以达到95%以上的识别准确率，并且会自动启动相应的处理程序来提高客服工作的效率以及客户的满意程度。
意图识别并不是百分之百准确的，所以要准备好兜底策略，在AI无法解答的时候就转向人工服务，这样就不会出现答非所问的情况了。
常见问题 AI客服可以自动区分售前和售后服务吗？ 可以。
以大模型，Agent架构为基础的人工智能客服系统，在售前售后服务识别准确率达到95%以上的情况下，可以自动启动相应的处理程序。
人工智能客服如何分清楚售前与售后呢？ 使用意图识别的技术：大模型能够理解客户的真正需求，Agent架构可以将任务分解为各个部分，并且调用相应的系统来完成工作。
哪个人工智能客服能够准确的判断出用户的意图呢？ 简小智(Agent+大模型，95%+)跟晓多AI(多Agent协同，90%+)是意图识别能力最强的产品。
