客户服务聊天机器人的好坏，取决于它被训练所依据的知识。把一个通用机器人硬装到你的网站上，你得到的就只会是通用答案，而相信我，客户立刻就会察觉。一项被广泛引用的调查 发现，多达70%的用户曾因为纯粹的挫败感而对聊天机器人爆粗口；而另一项由Forrester委托的研究 发现，30%有过糟糕聊天机器人体验的消费者会转投他处、放弃购买，或把这件事告诉别人。
用你现有的文档、常见问题、帮助文章、产品指南来构建聊天机器人，正是解决之道，而且借助合适的**AI客户服务聊天机器人构建工具 **，这只需要几分钟。下面介绍如何连接你的知识库，并在极短的时间内部署一个支持聊天机器人。
从基于规则的机器人到知识库聊天机器人
客户服务聊天机器人经历了三个截然不同的世代，而客户抱怨的大多数挫败感，都可以追溯到某家企业仍停留在哪个世代。
第一代：基于规则的机器人。 最早的聊天机器人建立在决策树之上，客户需要从预先写好的选项菜单中挑选，或者机器人用模式匹配来识别少数几种预期措辞。一旦问题换了种说法，或超出了脚本范围，机器人要么陷入循环，要么答非所问，要么给出一个通用的非答案。这类机器人与其说是在理解语言，不如说是在把语言与固定脚本做匹配，因此脚本之外的一切从设计上就是死路。
第二代：通用AI聊天机器人。 用通用型LLM取代决策树解决了语言问题。机器人现在能够解析措辞奇怪的问题并流利作答，但它并没有解决知识问题。通用AI聊天机器人对自己所代表的业务依然一无所知。更糟的是，一个没有事实依据约束的LLM往往仍会自信作答，生成一个流畅、听起来可信却完全错误的回答。这里的主要挫败点，在于客户的需求与机器人实际所知之间的鸿沟。
第三代：知识库与实时互联网访问聊天机器人。 知识库聊天机器人一次性解决了这两个问题。你不必为每一种可能的对话路径编写脚本，也不必依赖LLM在训练时恰好学到了什么，而是连接你本就在维护的文档，并可选地接入实时互联网访问，机器人便会在每个问题上实时检索这些内容。每一个回答反映的都是你实际的策略和产品，而不是脚本化的菜单或通用的、没有依据的猜测。
你可以在FlowHunt的带内部知识的ChatGPT 演示中看到同样的底层方法在运作——它使用FlowHunt自己的内部文档来回答实时提问。面向客户的支持机器人所运行的也是同样的机制，只不过指向的是你的内容。
分步指南：构建你的第一个支持聊天机器人
构建一个以知识库为依据的支持聊天机器人可归结为六个步骤。
1. 设置定时爬取。 FlowHunt的计划功能 让你可以自动爬取并重新爬取你的公开内容，这样机器人无需手动重新上传就能保持最新。把一个计划指向你的网站（域名爬取）、你的公开文档（站点地图爬取）、你的定价页或其他频繁变化的页面（单一URL爬取），甚至是你希望机器人参考的外部来源。根据该内容实际变化的频率设置周期——每天、每周、每月或每年。
2. 上传你的文档。 在FlowHunt的文档功能 中，进入“文档”，点击“添加文档”，然后选择“从文件上传”或“从URL上传”。这条路径适用于专有和非公开知识——你不希望（或无法）公开、但仍希望聊天机器人参考的内部政策、产品规格或支持手册。索引每份文档只需几秒钟。
3. 可选：添加实时互联网访问。 连接一个实时搜索检索器（例如Google搜索或DuckDuckGo搜索），可让机器人为索引内容未覆盖的问题拉取实时结果。与你的文档和定时爬取不同，这些内容并非你审核过的，因此很难管控机器人最终会引用或向客户重复什么内容。
4. 配置欢迎语和提示词。 当会话开启时，机器人会用欢迎语向访客致意，然后等待他们提问。支撑这段对话的提示词是一个由你直接掌控的模板。它定义了机器人的人设、语气，以及当问题超出知识库范围时会发生什么（详见下文）。
5. 用真实问题测试。 在任何东西上线之前，用过去真实的支持问题跑一遍，而不仅仅是你预期会问的问题（见下文测试部分）。
6. 部署它。 一旦你对回答满意，就把聊天机器人部署到你的网站、支持门户，或任何支持可嵌入聊天小组件的平台上——无需搭建单独的基础设施。
若想更广泛地比较聊天机器人的构建方式，请参阅为支持团队构建自定义AI聊天机器人 。
为获得最佳效果，知识库中应包含什么
聊天机器人的文档知识源支持PDF、DOCX、Markdown和TXT文件，以及通过URL添加的HTML页面和YouTube视频。其他文件类型仍可上传，它们很可能被标记为无法识别的格式，但仍可能可用。
有几件事会对回答质量产生显著影响：
- 用分类来组织。 按主题（账单、入门引导、故障排查）对文档分组，这样检索会拉取最相关的片段，而不是在一个扁平、未加区分的堆里搜索。
- 优先处理你流量最高的内容。 常见问题和最热门的支持文章 能以最少的设置投入带来最大的准确度回报。
- 保持内容最新。 知识库聊天机器人的准确度取决于其背后的文档。关于如何自动完成刷新、而不必在每次有变化时手动操作，请参阅我们的指南：让你的知识库保持最新 。
写得出色的欢迎语也比看起来更重要。它是客户获得的第一个信号，表明他们正在对话的对象确实了解产品，而不是一段通用脚本。有关示例和模式，请参阅精心设计的聊天机器人欢迎语 。
上线前如何测试你的聊天机器人
用客户实际会问的问题来测试。抽取一批真实的历史工单或常见问题提交记录，在上线前让机器人跑一遍。
顺便，还要逐一核实每份文档是否已正确建立索引，而不是想当然地认为它成功了。你可以直接打开某份文档的详情视图并检查其内容树来确认，它会精确显示系统从该文件中提取了什么。一份未能正确建立索引却悄无声息的文档，会产生自信却错误的回答，这比完全不回答更糟。
最后，故意测试失败路径。问一个你确知知识库中没有覆盖的问题，确认机器人会得体地升级转接，而不是胡乱猜测。
加入我们的新闻通讯
免费获取最新提示、趋势和优惠。
升级转接设计：机器人何时移交人工
知识库聊天机器人绝不应该虚张声势。FlowHunt客户服务聊天机器人背后的提示词被明确要求：如果它不知道答案，就应提出移交人工支持，而不是编造答案。
要有意地设计这一点，而不是把它当作事后补充：
- 确定对你而言知识库的“范围之外”意味着什么，并确保提示词体现了这一点。
- 把兜底路径指向一个真实且有人监控的渠道——支持邮箱、工单表单或在线聊天队列——而不是死胡同。FlowHunt还可以通过其集成库 直接连接到你可能已经在用来处理升级队列的服务台软件，例如LiveAgent ，这样转接就能落到你团队本就在关注的工具里，而不是一个没人查看的新收件箱。
- 回顾触发了升级转接的对话。它们是你文档缺口最直接的信号。
衡量聊天机器人成效：正确的指标
一旦上线，每一次对话都是一个数据点。考虑到一次糟糕的聊天机器人互动就能多快地把客户推向流失或公开抱怨，把这些指标当作早期预警系统是值得的：
- 解决率与升级转接率 ——机器人完全作答与移交人工的比例。某个特定主题的升级转接率上升，通常意味着文档缺口，而不是机器人故障。
- 重复提问与困惑模式——机器人处理不佳的反复出现的问题，直接指向需要重写或扩充的内容。
- 由机器人处理的对话的客户满意度，与人工客服对话分开追踪，以免把两者混为一谈。
结语
通用聊天机器人之所以让客户沮丧，是因为它们依据脚本或通用模型作答，而不是你的实际内容。连接你现有的知识库可以从根源上解决这个问题。机器人依据你的文档作答，在不知道答案时诚实地升级转接，并且每当你更新它所连接的内容时都会变得更准确。从知识库聊天机器人中获益最多的团队，会把测试、升级转接复盘和知识更新当作长期习惯，而不是一份上线检查清单。
准备好让你的文档发挥作用了吗？试用客户服务聊天机器人 ，把你现有的知识库变成一个客户真正能依赖的支持机器人。
