惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

S
SegmentFault 最新的问题
G
Google Developers Blog
H
Help Net Security
月光博客
月光博客
阮一峰的网络日志
阮一峰的网络日志
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
P
Proofpoint News Feed
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
B
Blog RSS Feed
爱范儿
爱范儿
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园 - 三生石上(FineUI控件)
大猫的无限游戏
大猫的无限游戏
人人都是产品经理
人人都是产品经理
GbyAI
GbyAI
D
Docker
Hugging Face - Blog
Hugging Face - Blog
I
InfoQ
博客园 - 司徒正美
Last Week in AI
Last Week in AI
Microsoft Security Blog
Microsoft Security Blog
美团技术团队
Stack Overflow Blog
Stack Overflow Blog
M
MIT News - Artificial intelligence

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
问答流程智能化应用
0x0产品日记 · 2022-12-02 · via 人人都是产品经理

搭建问答社区,需要特定的模型,用以识别问答的质量和类型。那么我们该如何减少人工成本,让问答流程更加智能化?作者分享了关于问答流程智能化的应用思考,一起来看看。

搭建问答社区,需特定的模型来识别问题的质量和分类,否则容易导致无效问题会一直下发给坐席或其他用户进行查阅。同时大部分用户的提问大同小异,可采用统一的标准回答来解答。

搭建标准化的问答知识库,可以指定标准问题和回答,对问题进行统一分类。搭建问题的质量判断,可以有效识别出用户提问的精准度和有效性,可以释放更多坐席时间来解决有效问题,降本提效。

同时招募一群优质的用户专家,用户作为稍微专业等人员可自主报名参与解答用户群体,节省坐席人力,提高回答时效。

一、问答功能场景

  • 问答搜索:前置问答的搜索入口;
  • 提问流程:用户发布问题的时候,检索库内是否有相似的问题存在,如有相似度达到80%以上的,可以引导用户直接查看问题;
  • 邀请回答流程:根据问题的标签和分类,在同标签的优质用户中匹配,发起回答邀请;
  • 提问模式:文字提问、视频提问、结合会员身份提供专属一对一实时解答、积分悬赏问答;
  • 标准知识库:制定问题分类,搭建知识专业问答知识库,将相似问题归类,并联动运营制定标准回答;
  • 与在线客服联动:紧急问题可引导用户直接咨询在线客服。

基础流程图:

二、提问处理步骤

用户在问答社区提问:

调用用户声音分类模型,识别用户的问题是属于何种类型(如是投诉、咨询、跟公司业务相关、平台功能使用等);

问题匹配已设定的问答知识库,判断是有与知识库有相似的问题,相似度达到80%以上的默认用知识库的解答作为回答。若无法回答则进入问题质量识别流程;

问题质量识别,AI模型识别内容的质量优、中或差。对于差内容,直接进行过滤。问题质量判断标准如下:

  • 优:内容文本和图片跟提问的时候关联的标签相关,且发布的内容字数不低于10个字;图片不少于1张;
  • 中:除了差和优,统一被定义为中;
  • 差 :文本单一重复,如发表的问题是重复的文本(好好,666,可以可以,纯表情等);跟平台活动相关拿积分(海量福利、更多福利等);不是一个问句(如疫情当前好好在家);

识别为优的问题在1小时内和中的问题在3小时内无人回答,自动下发给6个用户专家回答。

三、问答信息流

在前端刷问答信息流,获取展示在前端的逻辑如下。

问题推荐的模型因子和占比:

  • 运营推荐的问题 20%;
  • 问题是不是有采纳的回答或者是优质回答 15%;
  • 问题是否有优质用户来提问 15%;
  • 问题的关注度 15%;
  • 问题发布的时间5%;
  • 回答的点赞和评论5%;
  • 用户在平台的行为偏好 25%:浏览的问题的标签/分类;浏览的内容分类;关注的用户是否有提出、回答问题;与用户基础画像匹配的;

外露问题回答的规则:

  • 回答被提问者采纳;
  • 回答被运营打上推荐标签;
  • 点赞数最高(>=5)的回答 -> 评论数最高(>=5)的回答 -> 同等数量下按照回答时间倒序排;
  • 回答质量被判定为优;

不符合上述条件的回答不外露。

四、前端页面设计

竞品参考:百度知道、知乎

社区最简单从0-1的搭建形式:打造优质的问答栏目 + 问答信息流。

4.1 优质问答栏目

  • 支持用户对于栏目进行关注,关注后可进行消息推送的形式,告知用户该栏目下有热门/最新的问答内容;
  • 栏目基础信息:栏目标题、浏览量、关注数、栏目介绍等;
  • 栏目下的专业优质回答者:通过征集一批优质的专业内容回答者,支持用户对回答者关注,关注后可以私信或发起提问的操作;
  • 正在热议:取最近15天内,回答数最多的问题 -> 互动量最多的问题(即针对问题和回答的点赞、分享、评论行为)-> 问题和回答的质量必须在优和中(优先取优)
  • 最新内容:按照时间倒序 -> 展示优质问题 -> 展示中等质量的问题;

4.2 问答频道页

4.2.1 栏目入口

  • 将运营配置的栏目优先外露在频道页,取该栏目下最新的一条优质问题和正在热议下的两条问题;
  • 统计在该栏目下的提问者+回答者 = xx人正在热议;
  • 前端支持用户横滑查阅更多内容;

4.2.2 问答信息流

  • 后台支持分类 -> 分类关联标签(定义的层级是:分类下支持关联多个标签);
  • 用户发布的内容 -> 进入内容质量模型识别 -> 提炼文本中的关键词打上标签 -> 确认标签的权重明确划分到哪个分类下;
  • 符合外露规则的回答优先展示,如果优质问题下无回答,引导用户【成为首答】

五、项目总结

针对提问流程,实现AI自动过滤分类 -> 匹配知识库 -> AI自动回复 -> AI内容质量判断 -> 智能派单,下发问题 -> 监控质检 -> 提取优质的内容在前端展示。整个全流程可以释放坐席手动回复用户问题的人力投入,同时通过智能化识别自动提炼出值得回答的问题分发给用户,选取优质的回答展示,可以降低运营成本,提升优质问答社区的建设。

当社区的氛围形成积极正向的循环,才能持续不断地吸引用户来建设社区。人工运营成本着实太高了,如果可以通过更多智能化的方式解决,应该更能降本提效。

专栏作家

vivi,人人都是产品经理专栏作家。曾就读于英国约克大学,4年产品经理,主要领域在旅游商品和社交场景,擅长原型图,用户体验。

本文由@ vivi 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自Unspalsh, 基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。