Industry
Ai, customer service, UIUX
Client
Amazingtalker
AI智能客服-Sophia
Amazingtalker是台港最大家教平台，擁有自己的網站及App，每日有數千則來自不同國家的學生、教師訊息｜智能判別問題類別分流，多個prompt及資料庫設計，全面提升一條龍客服體驗
核心問題
問題解決時間超過一天
研究發現超過40%的諮詢並不需要人工幫助，長時間的客服等待對產品體驗產生負面影響。
問題研究
現有的聊天機器人
解決率不夠高
透過選項設計的機器人仰賴用戶選對問題，無法透過AI辨識可能的問題提供最適合的回覆。
多語言版本的設定、更新成本高，解決率無法突破60%。
試用多款AI agent服務，
效果不如預期
API 限制 | 讀取Token限制 | AI訓練成本 |
|---|---|---|
使用的客服軟體沒有AI功能，只有固定API可用，串API仍遇到回應上限，優化程度有限 | 試用多個AI服務，發現容易給出錯誤答案，原因是在AI使用同一個資料庫訓練，而讀取token數的限制造成讀取文本量過大，容易誤解 | AI需要持續訓練，大量文本練習。訓練過程常常發生改A錯B的問題，同一隻AI知識過多可能造成混淆，因此人工維護訓練成本很高 |
解決方法
設計開發內部客服系統
突破API限制、模板式設計：將由其他專案仔細介紹
創建多位AI專員
為了降低讀取Token限制的回答錯誤率，思考真人客服及AI的成功關鍵：AI成功關鍵＝人設(Role)＋指令(Prompt)＋限制範圍
客服人員成功關鍵＝分組處理不同的業務專長
因此讓AI模擬真人配置，建置了多位AI客服角色，給予不同指令跟資料庫，降低讀取Token限制的錯誤率，讓回答更準確。
判讀分類，讓指定角色回答
設計AI分類專員，訓練問題分類的正確性，同時在後台分析每種問題的數量、改善成效
分開訓練角色、自動傳送改善內容
每位角色的精準度分開管理，可單獨更新，不影響其他角色準確性
可以在系統標記需要加強的AI回覆，自動送到後台給訓練師重新訓練
成果
Back to top