吕冬冬-线上质量保障之客诉处理体系的智能化实践.pdf

《吕冬冬-线上质量保障之客诉处理体系的智能化实践.pdf》由会员分享，可在线阅读，更多相关《吕冬冬-线上质量保障之客诉处理体系的智能化实践.pdf（34页珍藏版）》请在三个皮匠报告上搜索。

1、线上质量保障之客诉处理体系的智能化实践吕冬冬|快手吕冬冬快手商业化线索营销方向测试负责人南京邮电大学大学计算机系专业硕士毕业，毕业后入职华为、百度、贝壳等公司，现任快手商业化线索营销方向测试负责人。现负责服务端质量保障体系、FT效能提升等专项建设，同时负责AI智能测试技术在质量保障侧的探索、设计与落地，包括智能测试用例生成、需求风险智能分级、AI数字员工、客诉&舆情数据智能挖掘、模型评测等课题，助力产研流程优化、效率提升。目 录CONTENTSI.背景II.问题/痛点III.解决思路/整体方案IV.具体实现/技术实践V.总结与展望AI大模型潜力、客诉背景PART 011.1 背景-AI大模型潜

2、力大模型在客诉方向能做什么，帮助我们解决哪些问题自然语言理解、多模态融合、智能决策能力为质量保障提供新路径。大规模处理能力AI客诉问题分类风险预警场景聚合情感分析语义理解能力跨模态语义解析跨模态语义解析上下文意图追踪上下文意图追踪隐形需求挖掘隐形需求挖掘风险识别能力风险识别能力反馈对话理解能力舆情风险识别能力模型微调批量处理数据可视化分布式异构计算分布式异构计算实时流式处理引擎实时流式处理引擎增量学习和资源优化增量学习和资源优化报告和文档生成报告和文档生成对话总结1.2 背景-客诉背景问题类型问题类型技术问题技术问题代码缺陷或系统故障导致的应用运行异常，直接影响用户使用稳定性和流畅性。例如：应

3、用崩溃、异常弹窗、性能问题、功能逻辑错误等产品问题产品问题在功能设计、用户体验、以及内容生态等方面存在不足，导致用户体验或业务目标下降。例如：内容质量差、产品使用逻辑复杂、互动功能不完善等日均消耗反馈声量业务日均消耗业务日均消耗-反馈声量趋势图反馈声量趋势图风控问题风控问题在风险识别、内容审核、用户行为治理等方面的漏洞，可能会导致法律风险或用户利益受损。例如：内容安全风险、用户违规行为、技术风控漏洞等等1.3 背景-客诉背景客诉现状反馈问题工单问题舆情问题商业化重大活动缺少站外舆情检测手段，并且噪音大，识别准确率低。不关注各FT主要依赖人工对接、KIM、工单等方式处理用户反馈，缺乏对用户反馈的

4、主动关注无感知缺少主动挖掘反馈的能力，问题感知的时效性较差不准确少工具人工处理用户反馈的效率较低，人工处理的方式不仅耗时，而且容易出现遗漏和错误客服对业务缺乏了解，无法精准分类识别商业化业务的问题，用户的真实情感和诉求没有展现缺少舆情挖掘工具处理效率低缺少舆情度量机制可支持大型运营活动舆情，缺少对站外舆情的关注，有舆情发酵风险，可能会导致公司信誉和用户体验下降等连锁反应在客诉工单流转PUSH动作上需要 oncall同学轮换，需要大量精力进行盯屏、PUSH流转。1工单跟进Oncall人力多每周会人工根据客诉底表数据，进行归因统计和分析，每次都需要耗费较多人力，而且归因分类不深入。2客诉问题归因慢

5、工单分配依赖人工，并且无有效异常工单感知能力，客诉达成率低。3产运答疑不及时核心问题客诉解决率：机器人回复准确率较低，人工回复准确率受专业性和疲劳程度影响。用户反馈量级：大型业务每天有大量用户反馈。在线客服机器人客诉声量大客诉解决率低反馈提交电话客服工单量级随业务发展而同步增长工单达成率低机器人用户反馈技术修复人工客服业务问题和痛点PART 022.1 业务问题和痛点-客诉处理效率低01人工处理慢问题表现：传统客诉处理依赖人工分类，需手动筛选投诉类型、优先级及责任部门，导致响应延迟。例如，客服需从海量投诉中逐条判断是否为技术问题或服务问题，耗时费力原因：缺乏智能分类工具，分类标准模糊（如“系统

6、卡顿”可能涉及研发或运维部门），人工判断易出错且效率低下02排查根因耗时长问题表现：技术类客诉需跨部门协作，信息传递断层导致根因定位困难。原因：缺乏统一数据平台与自动化工具，依赖人工排查日志或复现问题，且部门间权责划分不清03机器客服处理不准确问题表现：机器人客服受限于知识库更新滞后与语义理解能力不足，常误判用户诉求。原因：传统规则引擎无法处理模糊描述（如“卡顿”“闪退”），且缺乏多模态数据分析能力（如未关联用户操作日志）2.2 业务问题和痛点-客诉数据分析困难解析困难不同来源的数据结构不同、格式不同，不便于进行后续的数据处理和分析。数据安全在数据收集和存取过程中，保护用户隐私和遵守国家法律法