场景描述
以亚洲著名的时装零售商 I.T 集团为例，他们旗下有多个品牌，SKU 繁多，在使用传统的以 NLP 技术为主的智能客服机器人的过程中，面临着以下 4 大业务挑战：
（1）售前咨询量大：I.T 旗下拥有众多品牌，每个品牌有自己的尺码体系、营销活动、优惠政策，客服团队日常每月承接近 2.5 万通会话量，大促期间每月超 3.5 万，此外，对于不同的问题，需切换不同页面搜索相关信息，单个售前咨询处理时长约 2 分钟，服务压力大，服务效率低。
（2）传统客服机器人解决效果不理想：此前采购 NLP 机器人用于订单发货转态、物流进度查询、退货换等场景的自动化处理，但整体的交互较为呆板，意图理解能力较弱，解决率只有 78%。比如消费者说 " 买多了 "，真正的意图是取消订单，机器人却无法识别出来。
（3）复杂售后场景服务耗时长：面对涉及到较多规则和判断标准的复杂咨询，客服团队需要查询各个接口，搜集各种信息，单个咨询平均处理时间长达 7 分钟，服务效率低，消费者等待时间较长，服务体验打折。
（4）希望进一步提升用户服务体验：消费者在发货催促、订单取消等环节，往往带有一定的负面情绪，此时既考验处理问题的能力，也考验情绪安抚的能力，两者都会影响到用户对品牌的满意度。
解决方案
面对上述客服场景的难点，I.T 集团引入了网易云商的客服 Agent 解决方案，采用大小模型融合的技术架构，70% 的常见问题回答、简单业务办理交给传统的 NLP 客服机器人，30% 的复杂咨询交给客服 Agent，发挥大小模型各自所长，既保障了回答的准确性，又实现了成本最优。
I.T 集团通过会话数据分析，优先选择了 3 个高频、高价值场景进行试点：售前尺码推荐场景、售后订单取消场景、售后退货安抚场景。
成效
经过一段时间的上线运行，该解决方案给 I.T 集团带来了显著的业务价值：
价值 1：售前询单场景，客服无需跳转查询多个系统，Agent 在识别推荐意图后，主动搜集用户身高、体重等信息，读取知识库中的对应信息，快速输出给客户，应答速度提升 60%，单个售前查询时间最短只需要 17 秒，大幅释放客服侧接待压力，并进一步提升售前转化率。
价值 2：复杂售后场景，交由 Agent 实现，自动完成用户信息的搜集和判断，单个处理时长由 7 分钟缩短至 3 分钟，同步完成订单取消原因的搜集，为业务提供输入。
价值 3：客服 Agent 对于用户的意图识别更为精准，整体的交互更细腻、更自然、更有温度，对话的连贯性和流畅性更强。对于有负面情绪的用户，也能快速识别并进行安抚。用户体验感大大提升，用户满意度达到 97%。
