我們探討了如何優化企業智能客服系統，特別是在售前和售后服務方面。我們主要關注了兩個核心功能的實現：

1. 基于知識庫的問答系統：我們創建了一個汽車故障處理的知識庫，使智能客服能夠根據用戶的問題提供準確的故障處理方法和建議。
2. 用戶預約功能：我們設計了一個完整的工作流，允許用戶通過智能客服系統預約汽車保養、試駕等服務，并能夠查詢自己的預約信息。

這些功能的實現涉及了知識庫的創建和導入、工作流的設計、數據庫的使用，以及如何將這些元素整合到一個統一的智能客服系統中。

在本節中，我們將在此基礎上進一步深入，探討如何通過具體業務劃分，將智能客服系統進一步優化。

需求分析

這次的優化，我們會將功能劃分為三大類，每一類分別都會有相應的功能進行處理和實現，具體如下：

1. 銷售顧問：

• 新增給客戶推薦汽車的功能，當用戶咨詢汽車時，智能客服能夠根據用戶的需求，推薦合適的汽車。
• 復用之前的客戶預約試駕功能，當用戶咨詢試駕時，智能客服能夠根據用戶的需求，滿足試駕預約的需求。

2. 售后服務：

• 復用之前的客戶預約保養功能，當用戶咨詢保養時，智能客服能夠根據用戶的需求，滿足保養預約的需求。

3. 技術支持和維修：

• 復用之前的汽車故障處理回答，當用戶詢問汽車相關的故障問題時，智能客服可以快速響應用戶咨詢，提供準確的信息，并引導用戶進行下一步操作。

可能你會發現，這里我們并沒有新增很多新的功能，而是將之前已經實現的功能進行復用，但是這次功能優化的核心是，讓大家可以有一個更好的結構化設計思維，讓大家以后可以基于這個設計模式來進行更簡單的功能擴展和維護。

基于我們這次分成三大類的業務功能，我們首先要記住一個重點：每個業務類別之間的需求設計一定不要有交集！ 就好像假設你是一個人力資源專員，在公司里你應該是做好自己人力資源的職責，比如招聘、培訓、績效、員工關系等，而不是越俎代庖去干銷售、市場、財務等部門的事情，這樣會導致你的工作內容變得非?；靵y。設計 AI Bot 的功能實現也是類似的道理。

操作步驟

我們先來看看這次優化的最終版是怎樣的：

從圖中的功能分類可以看出，每個類別的業務功能都是各自為政，互不干擾的，這樣設計的好處在于，當某個業務類別的需求發生變化時，我們只需要修改對應類別的功能實現，而不會影響到其他類別的功能實現。接下來我們一個個來說說。

銷售顧問功能拆解

這次我專門獨立出來了一個工作流??car_pre_sale_service_handler??來應對所有的銷售顧問功能，我們來繼續講解里面的核心功能（工作流分享鏈接等待審核通過后會放在下方）：

工作流 car\_pre\_sale\_service\_handler 詳情^[1]

用戶咨詢汽車推薦時，大模型就會調用這個工作流，然后工作流就會在開頭檢索用戶有沒有填寫身份證 ID，如果沒有填寫，就會引導用戶填寫，然后根據用戶填寫的信息，使用下方的意圖識別節點來識別用戶具體要想咨詢的事項：

新功能：客戶購車意向

意圖識別節點識別到要推薦汽車后，就會調用推薦汽車的子工作流??get_customer_car_intent??：

工作流 get\_customer\_car\_intent 詳情^[2]

為了這個功能，我也創建了一個新的數據庫表，表名為 ??customer_purchase_intent??，表結構如下：

1. 了解購車動機：??purchase_motive?? 字段記錄客戶的購車動機。
2. 判斷購車經驗：??is_first_purchase?? 字段用于區分是否為首次購車。
3. 了解預算情況：

• ??budget_range?? 記錄客戶的預算范圍
• ??loan_or_full_payment?? 表明客戶是傾向于全款還是貸款購車
• ??extra_cost_budget?? 記錄客戶對附加費用的預算

4. 分析客戶偏好：

• ??type_preference?? 記錄客戶對車型的偏好
• ??brand_preference?? 記錄客戶對品牌的偏好
• ??specific_function?? 記錄客戶對特定功能的需求

5. 了解使用場景：usage_scenario 字段記錄客戶的用車場景。

這個表的設計可以幫助銷售顧問更好地了解客戶需求，從而提供更精準的車型推薦。通過分析這些數據，智能客服系統可以根據客戶的具體情況和偏好，推薦最適合的汽車，提高客戶滿意度和成交率。

而且有一個重點時，我設計的所有數據庫全部都是??多用戶模式??，這個核心目的在于，我們之后可以擴展功能，設計一些管理數據的功能把這些用戶數據導出，然后給到銷售顧問進行客戶跟進甚至是后續的二次營銷。

好，我們接著來看這個子工作流，基于已有的用戶身份證 ID，我們先去這個數據庫查詢一下是否已經有用戶填過這個表了，如果有的話，我們就會顯示給用戶之前的推薦意向記錄并詢問用戶是否繼續沿用，如果用戶選擇繼續沿用，我們就會使用之前填寫的數據，如果用戶選擇重新填寫，我們就會引導用戶重新填寫這些信息：

如果用戶確定了要重新填寫的話，這里和用戶沒有先前推薦意向記錄是一樣的后續步驟，就是要開始填寫自己專屬的推薦意向：

1. 購車動機： 工作流首先詢問用戶的購車動機。這可能包括是否為首次購車、是否是為了升級現有車輛、家庭需求等。了解用戶的購車動機有助于銷售顧問更好地理解用戶的需求背景。
2. 購車經驗： 接下來，工作流會詢問用戶是否為首次購車。這個信息對于后續的推薦和溝通策略非常重要，因為首次購車者和有經驗的車主可能需要不同的指導和建議。
3. 預算情況： 工作流會詳細詢問用戶的預算情況，包括：

• 預算范圍
• 是否傾向于貸款或全款購車
• 對額外費用（如保險、稅費等）的預算考慮 這些信息有助于推薦符合用戶經濟能力的車型。

4. 車型偏好： 用戶會被詢問對車型的偏好，如轎車、SUV、MPV 等。這有助于縮小推薦范圍。
5. 品牌偏好： 工作流會詢問用戶是否有特定的品牌偏好。這可以幫助銷售顧問了解用戶的品牌忠誠度或興趣。
6. 特定功能需求： 用戶可以表達對特定功能的需求，如自動駕駛、高性能音響系統等。這有助于推薦具有這些特性的車型。
7. 使用場景： 最后，工作流會詢問用戶的主要用車場景，如城市通勤、長途旅行、越野等。這有助于推薦最適合用戶日常使用的車型。

這里每個步驟都使用了單獨的對話節點來獲取信息，可以確保每個問題都得到清晰的回答。

獲取到對應的回答后，就是展示給用戶看收錄到的整體內容結果了，并且基于此來寫入到數據庫中：

下一步就是通過一個??文本處理??節點將這個最終的推薦意圖結果整理起來輸出到結束節點，好讓后續的父工作流去使用了：

當然，如果前面的步驟在意圖識別節點時就識別不到這個子工作流支持的功能的話，就會統一返回一句??客戶給到的購車需求為空??，用作后續的父工作流處理：

好了，這就是整個子工作流??get_customer_car_intent??的具體流程了，我們繼續拿著它最終的結果走父工作流后續的過程。

后面的流程其實不難，就是使用了一個插件??WebPilot??來基于這個推薦意向網絡搜索結果來返回合適的答案了：

最后就把得出的結果轉發給結束節點返回給用戶了，這就是新功能??客戶購車意向??的全部內容了。

功能：客戶試駕預約

基于上一節的內容，客戶試駕預約功能是通過復用之前實現的工作流來完成的。這個功能的主要流程如下:

1. 身份驗證:

• 檢查是否已有用戶 ID(身份證號)
• 如果沒有，引導用戶輸入身份證號并保存

2. 意圖識別:

• 使用意圖識別節點確定用戶是否想預約試駕

3. 收集預約信息:

• 車型
• 預約日期
• 聯系電話
• 其他備注
• 使用一系列問答節點收集必要信息:

4. 數據庫操作:

• 預約類型(試駕)
• 用戶 ID
• 車型
• 日期
• 聯系方式
• 備注等
• 將收集到的預約信息寫入數據庫，包括:

5. 確認預約:

• 向用戶確認預約信息已保存

這個功能與保養預約的流程類似，只是在預約類型和可能的一些具體問題上有所不同，比如這里的流程就沒有了判斷汽車保養的功能了，因為這個功能被挪到了售后服務功能范疇里面了。通過復用這個結構，可以快速實現試駕預約功能，同時保持系統的一致性和可維護性。

售后服務功能拆解

售后服務就單獨使用了以下的工作流來應對：

工作流 car\_service\_advisor\_handler 詳情^[3]

功能：客戶保養預約

這里的功能和上述的客戶試駕預約的流程是類似的，畢竟也是復用的功能，只是當前這個功能被挪到了工作流??car_service_advisor_handler??里面而已，這里就不多贅述了。

技術支持/維修功能拆解

基于上一節的內容，技術支持和維修功能主要是復用了之前創建的汽車故障處理知識庫。這個功能的主要流程如下:

1. 知識庫創建:

• 創建了一個名為??汽車故障處理方法合集??的知識庫
• 導入了包含故障現象和處理方法的問答集(約 200 條)
• 選擇??故障現象??作為知識庫的索引

2. 知識庫集成:

• 將創建的知識庫添加到 AI Bot 中

3. 用戶查詢處理:

• 當用戶詢問有關汽車故障的問題時，AI Bot 會自動從這個知識庫中檢索相關信息
• 根據用戶描述的故障現象，匹配最相關的處理方法
• 向用戶提供準確的故障處理建議

4. 響應生成:

• AI Bot 使用自然友好的語言，將從知識庫中檢索到的信息轉化為易于理解的回答
• 提供專業的故障處理建議，幫助用戶解決車輛問題

最終版功能演示

這里我繼續直接給一個長對話的演示，讓大家感受下整個流程的完整性：

這個截圖展示了一個智能客服系統的完整功能演示，涵蓋了文章中提到的多個核心功能。讓我們逐一分析：

1. 身份驗證： 對話開始時，AI Bot 首先要求用戶提供??身份證號碼??，這是進行身份驗證的關鍵步驟。
2. 銷售顧問功能：

• 購車意向調查：AI Bot 引導用戶完成了一系列關于購車意向的問題，包括??購車動機??、??預算??、??車型偏好??等。這些信息被用來為用戶推薦合適的車型。
• 車型推薦：基于用戶提供的信息，AI Bot 給出了詳細的車型推薦，包括具體??型號??、??價格??和??特點??。

3. 試駕預約： 用戶表達了試駕意愿后，AI Bot 立即引導用戶完成試駕預約流程，收集了必要信息如??試駕車型??、??日期??和??聯系方式??。
4. 售后服務：

• 保養預約：AI Bot 展示了如何幫助用戶預約汽車保養服務，同樣收集了必要的信息。
• 預約查詢：用戶能夠查詢自己的預約記錄，AI Bot 準確地從數據庫中檢索并展示了用戶的所有預約詳情。

5. 技術支持和維修： 當用戶詢問關于汽車故障的問題時，AI Bot 能夠從知識庫中檢索相關信息，提供專業的故障處理建議。

總結

這次本文詳細介紹了一個高度優化的企業智能客服系統，專門針對汽車行業設計。這個系統成功地將銷售顧問、售后服務以及技術支持/維修功能進行了清晰的劃分和整合，展現了以下幾個關鍵特點：

1. 結構化設計：通過將功能分為三大類（銷售顧問、售后服務、技術支持），實現了清晰的業務劃分，便于后續的擴展和維護。
2. 功能復用與創新：在已有功能的基礎上，新增了客戶購車意向分析等創新功能，同時合理復用了試駕預約、保養預約等現有功能。
3. 數據驅動：引入了新的數據庫表（如??customer_purchase_intent??），用于存儲和分析用戶的購車意向，為個性化推薦提供數據支持。
4. 工作流優化：通過精心設計的工作流（如??car_pre_sale_service_handler??），實現了從用戶意圖識別到具體服務提供的全流程自動化。
5. 知識庫應用：利用已建立的汽車故障處理知識庫，為用戶提供準確的技術支持和維修建議。
6. 用戶體驗優化：通過自然語言交互和多步驟引導，提供了流暢、友好的用戶體驗。

Reference

[1] ??https://coze.cn/store/workflow/7409571206245908514: ?????https://coze.cn/store/workflow/7409571206245908514???

[2] ??https://www.coze.cn/store/workflow/7409571206246039586: ?????https://www.coze.cn/store/workflow/7409571206246039586???

[3] ???https://www.coze.cn/store/workflow/7409571625059762228: ????https://www.coze.cn/store/workflow/7409571625059762228????

本文轉載自????愛學習的蝌蚪????，作者：hpstream