智能服务时代应有的知识管理认知和逻辑

服务体验的优劣,很大程度上由交付的解决方案能否顺畅解决客户问题决定,这个解决方案本质上是抓取组织内的各类信息组合而成,我们通常把经过加工处理服务客户的信息称为知识,执行信息抓取和加工的角色往往设置在客服中心,叫做知识管理岗,这是因为传统认知里客服中心作为面向客户提供服务交付的主渠道,更了解客户更熟悉业务,所以知识管理流程设计和知识库系统功能规划更多是围绕如何支撑人工客服的知识调用的。

但随着智能客服、自助服务(网站、APP)、论坛/社区等服务能力愈加成熟,人工客服在服务交付体系中的比重逐步降低,此消彼长下服务方式日益庞杂,如何保障多种服务渠道、多种交付方式的信息支持效率、协同和一致性体验,成为知识管理角色不得不面对的难题,这个难题如果站在客服中心的单一视角上往往是很难解决,因为不同服务渠道和交付形式的权责归属、对知识信息的应用场景、展现形式和调用逻辑可能完全不同,需要知识管理角色不再囿于支持人工客服的文档资料库式知识管理方法,从实现多渠道多服务形式的统一知识支撑为出发点,以更高的视角来看待智能服务时代所需要的知识管理体系如何搭建和运营,在知识管理权责,方法和逻辑上革新,搭建起一套能够协同支持人工客服、智能无人、自助等服务场景中知识调用和展现需求的知识管理体系。

我们为什么要用中台思维做知识管理?

我们先来简单理解一下“中台”是什么,能解决什么问题。

中台其实是为前台而生的,它存在的目的是更好的服务前台,进而更好的服务客户,使企业真正做到自身能力与客户需求的持续对接,中台其实是把一些公共、通用的部分从前台业务中抽离出来,形成可复用的服务,让前台业务之间的信息形成互通和增强的能力。”以上内容摘自知乎关于企业中台战略的相关文章。

比照中台的概念,我们来看为什么要用中台思维做知识管理,企业做知识管理的核心目的是把组织内部沉淀的各类信息、经验和数据外化,以提高前台服务场景的服务效率和体验。这个信息外化的过程是基于信息流,对信息进行分类、分级、结构化和客户化加工成为知识,支持人工客服、智能机器人、自助服务、智能辅助等各种前台服务场景的调用需求,围绕这个需求我们往更深层次细想想,前台服务场景需要的仅仅是知识信息本身吗?

要回答这个问题,我们先盘点一下传统知识管理体系的现状和痛点:

1、大多数企业的知识管理体系和知识库在建设之初就是为了支持人工客服的,通过知识采集流程从后端信息提供方拿到各类产品、规则、流程文档,分门别类发布在知识库系统,人工客服根据服务场景在知识目录和文档中查找信息,经过理解和转化作为解决方案交付给客户。但对信息做结构化加工上投入精力较少,知识调用往往以整篇文档为单位,没有围绕知识信息调用的速度和精度对知识文档做结构化拆解,在知识颗粒级别去匹配服务场景和知识属性,帮助人工客服更快速精准的调用知识。

2、在这个知识管理体系下连人工客服的调用都不能很好的支撑,就更跟不上智能、自助等前台知识信息调用和创新的节奏了,这些前台服务场景对知识信息的颗粒度、场景标签、客户关联、调用意图识别等能力的实现,强依赖于在知识底层根据信息属性和分类做结构化设计,实现颗粒维度知识采集,满足前台服务场景对信息调用精度的要求,背后需要基于整体服务策略和信息体量,结合服务渠道和务场景,对知识采集流程和加工方法进行重构(表1)。

表1:基于知识结构化和知识颗粒支持前台调用

3、智能、自助等服务前台无法直接调用知识库信息完成解决方案交付,妥协的做法是各服务前台单独做知识采集和加工,以满足智能机器人或自助服务的应用需要,包括对信息做问答拆分,场景匹配和客户化呈现等,各服务前台配置单独的知识管理职责、流程和岗位,这就带来知识采集割裂和知识岗位重复配置,同时不同团队基于各自的应用场景和要求对信息进行处理,客户在不同服务渠道获得不一致信息的风险极具增大。

4、由于知识的多头管理和职能重叠,知识内容和调用场景繁杂,当知识发生新增或者变更,需要付出高昂的效率成本和风险去保障信息的一致性。在知识运营层面很多经验和方法也很难沉淀和共享,包括知识信息采集流程、知识结构颗粒、知识质的评价机制、目录架构设计和搜索定位机制等。

基于此,前台服务场景需要的不仅仅是知识信息本身,而是基于服务渠道和场景,与信息源建立可复用的采集流程,根据服务场景支持足够小知识颗粒,知识颗粒上有场景标签、分类属性和关联,知识内容是客户化的,有监控机制评价各前台服务交付的方案是否能有效解决客户问题,知识库系统有数据接口支持各前台的知识调用等等。知识管理体系作为企业信息运转中枢,对于人工座席、智能机器人、自助服务、智能辅助等前台服务的支持,应站在更高视角以中台思维做知识管理体系的规划和运营,搭建一套即能支撑人工客服高效信息调用,又能满足智能、自助等无人服务知识调用知识中台。

以中台思维做知识管理,核心价值在于通过知识管理体系中台能力的支持,可以快速、高效应对前台服务渠道和场景提供灵活、精准的知识调用需求,这是因为知识中台可以带来:

• 知识采集流程和知识信息的复用;

• 同时为多个前台服务渠道和场景提供信息支持,让前台服务交付和创新更顺畅;

• 避免重复工作,减少效率浪费;

• 知识信息穿透共享,一点采集多渠道调用,各前台服务场景中的知识不再是孤岛;

• 简单清晰的调用关系,保障知识信息一致性;

• 基于服务体验的知识运营经验和方法沉淀和共享;

什么是知识中台?

在回答这个问题前,我们需要首先明确两个相对的概念:知识前台和知识后台。

知识前台:前面的内容里我们已经多次提到,由各类服务渠道和服务形式组合成的面向客户提供解决方案交付的平台,例如人工客服电话、在线服务、智能机器人、网站/APP上的帮助中心,线下门店/网点,微信公众号等都属于直面客户提供服务的前台。每个前台其实就是一个服务触点,客户在这些服务触点获得的体验好坏强依赖知识信息对解决方案的底层支持,我们把为了实现这个信息支持的所需的信息、解决方案和配套流程定义为知识前台。

知识后台:知识信息作为服务解决方案所需的底层资源,包括分散在组织内部各职能部门,如来源于市场、采销、售后、财务、合作方等知识提供方的文档或流程;积累在各类IT系统中的信息,如客户管理系统、财务系统,产品系统,仓库物流管理系统等所产生的数据信息;沉淀在员工脑海中的知识和经验,外部网络平台上的用户经验分享等等,这些信息源构成了知识后台。

明确了知识前台和后台的概念,有人会说,直接把信息源用一个知识采集流程推给前台用不就行了吗?当业务和场景足够简单时是可以的,比如在电商平台上的一些中小规模店铺的客服团队,几个产品文档和话术就可以应对绝大部分客户咨询了,就只需要一个知识采集流程,能及时准确的从信息源获取产品资料,不需要做加工直接用就可以了。但绝大部分企业的产品体系、业务流程、服务方式和场景都不是这样简单的。在做知识管理体系设计时都会面临知识交付场景丰富:人工客服、智能机器人、自助服务、智能辅助等;知识种类繁杂:产品信息、业务规则、套餐活动、客户信息等;服务前台需求多样:各服务渠道在知识颗粒度、场景适配、展现形式和调用规则可能完全不同;比如一篇产品文档,人工客服可以基于理解抽取文档中的信息灵活组合成解决方案交付给客户,但智能机器人是不具备这样的理解力的,需要提前把产品文档用一个结构做拆解和问答对配置,机器人才能根据服务场景和训练结果去这些问答对里匹配答案交付给客户。这个对产品文档做结构拆解、知识颗粒化、客户化的过程知识后台是没有意愿和能力做的。

在知识前台和后台之间需要一个做衔接和适配的角色,把知识后台的各类信息资源通过知识采集流程收集,围绕知识前台的服务场景个性化需求对信息做加工转化,向知识前台交付知识信息和配套的知识采集流程、协同共享机制、运营评价和系统接口等,同时考虑知识客户化、合规、法律等限制,支撑企业整体服务体验的协同交付,这个角色我们把它定义为知识中台(图1)。

图1:知识中台架构

知识中台:为前台而生,以知识信息组件、知识运营组件和技术系统组件做中台能力输出,保障知识后台信息资源高效、顺畅和一致的交付给前台服务场景,依赖更精准的解决方案驱动服务体验改善。知识中台搭建需要跳脱出现行以支持人工客服为目标的知识管理思维,以企业整体服务渠道协同的视角和站位,引人中台思维在知识管理流程、权责划分、岗位配置和系统支撑上全面革新,通过三个核心组件输出知识中台能力。

• 知识信息组件,协同知识提供方,以知识采集流程收集涵盖产品文档、业务流程、系统数据和服务交互记录,输出全方位、可复用的知识信息收集、加工和发布能力;

• 知识运营组件,以提高信息调用速度和精度为核心,结合前台服务场景需求提供多维知识目录架构设计、搜索定位机制、知识调用意图识别和服务场景匹配能力;

• 技术和系统组件,向各类知识前台提供智能机器人训练和运营、知识信息调用接口、知识库前台功能和账号权限等能力;