2016年，聊天機器人風靡一時。

那一年，Facebook降Messenger bot平臺作為其F8大會的中心議題。微軟的薩蒂亞·納德拉將聊天稱為“第三次運行時”，這是運行平臺必不可少的部分，僅次于操作系統和Web瀏覽器。

在財報電話會議和新聞發布會上，聊天機器人被提及的次數直線上升，對于許多人來說，似乎聊天機器人可能是下一個重大顛覆性技術。成千上萬的公司都在期待著自己的聊天機器人。

然而，終預期的范式轉變并沒有發生。

導致聊天機器人在2016年沒有開始的原因很多。其中一個原因是，消費者發現，款聊天機器人執行的許多任務——比如轉發新聞或尋找菜譜——在有機器人參與時要花費更多時間。

另一個問題是，機器人通常需要人工幫助來理解命令。就連Facebook大肆宣傳的個人助理M也在發現機器人70%的反應要人工負責后不久也關閉了。

雖然許多聊天機器人沒有達到用戶的高期望，但它們也并非一文不值。

如今，這些機器人程序仍在金融科技、醫療、銷售和客戶關系管理、零售、甚至法律等行業中廣泛使用，它們正產生著重要但卻悄無聲息的影響。利用自然語言處理和人工智能方面的進步，它們讓醫療保健更容易導航，讓購物更個性化，讓律師更有效率。

2019年重要的聊天機器人并不是無所不知的虛擬管家;它們是會話技術的高度針對性應用。盡管它們看起來沒有那么炫酷，但這些機器人正在改進其技術，并對其行業產生明顯的影響。

本文對真正的“聊天機器人革命”正在發生的行業進行了綜述，并重點介紹了希望利用這項技術的公司所得到的重要的教訓。

聊天機器人的興起和衰落

什么是聊天機器人？

當一家公司創建一個聊天機器人時，它到底想做什么？

簡而言之，聊天機器人是基于文本或語音的界面，使用戶可以執行某些操作并使用語言檢索信息。

在基本的范圍內，有一些銀行用來通過電話樹提示呼叫者，告訴他們說“是”，“否”，“檢查我的余額”等。像這樣的機器人只是在一個簡單的服務上放置一個聊天界面;不涉及人工智能。

另一個極端是像Facebook的M這樣的聊天機器人，它被標榜為一個完全有能力的人工智能虛擬助手。實際上，該機器人通過人工智能和人工結合工作。

但是，一旦聊天機器人掌握在用戶手中，就可以清楚地看出服務承諾與實際提供服務之間存在的差距。 M可以處理一些簡單的問題，例如“下周我在芝加哥哪里可以買到好吃的漢堡？”并可以執行諸如訂餐的任務，但它更復雜的請求。

Facebook的目標是使M的幾乎所有任務完全自動化;然而，據《連線》雜志對該產品的事后分析，該平臺的自動化程度從未超過30%。與此同時，這種資源密集型、人力支持的模式正在消耗大量資金，即便財大氣粗如Facebook也不能坐視不管，終該項目關閉。

在對一系列預先編程的問題回答“是”和“不是”的死記硬背模型與準備響應任何請求的全面“虛擬助手”之間，存在一個中間立場：和響應所有廣義問題的聊天機器人，但使用某種程度的人工智能或機器學習來執行任務。

在佳應用場景中，這些任務是（1）沒有機器人的情況下比較耗時，以及（2）簡單而特定。

例如，CRM平臺對講機的“ Answer Bot”可以解釋問題并從站點的FAQ和幫助文檔中檢索適當的答案，而用戶進行自我搜索的話需要往往要花很長時間。

用戶還可以將響應標記為有用或無效，從而使該機器人能夠學習（以一種非常基本的機器學習形式）將來應該給出什么樣的答案。 “Answer Bot”本身能夠處理大約29%的客戶查詢，而無需人工參與。

專門的聊天機器人在醫療健康領域也越來越受歡迎。例如，自主治療機器人Woebot可以獲取有關用戶特定需求的數據，并隨著時間的推移使用這些信息來提供更個性化的服務。

在律師事務所和銀行中，聊天機器人正在成為一種強大的研究媒介，它可以消耗寶貴的可計費時間或需要雇用大批助手。 2017年，摩根大通宣布，其“ COiN”機器人每年審查大約12，000個金融合同，從而節省了律師和貸款人員約360，000小時的勞動時間。

與其好高騖遠，不如轉向聊天機器人可以解決的特定功能，并且它們在使用中變得越來越有用。但總體而言，聊天機器人在近幾年經歷了相當多的動蕩。

聊天機器人運動勢頭強勁

2016年，幾乎所有世界上大的科技公司都宣布了競爭性的聊天機器人項目。

例如，微軟擁有Tay，這是Twitter的AI機器人。執行官薩蒂亞·納德拉于2016年3月宣布“機器人是新應用”。亞馬遜生產了文字轉語音服務Polly，和用Alexa觸發動作行為的引擎Lex，可供聊天機器人開發人員公開使用。

消息服務Kik、Line和Telegram都啟動了自己的機器人平臺。 Facebook在2016年4月召開的F8會議上透露，它將開放Messenger作為聊天機器人開發平臺，并將與1-800-Flowers和CNN News等公司合作進行早期試驗。

Facebook向開發人員承諾，開發人員可以利用Messenger平臺的所有方面，包括“ Bot Engine”，它是開發人員可以用來訓練其機器人的新自然語言工具。到2016年中期，已經推出了11，000多個Facebook Messenger機器人，包括來自Burberry、British Airways和星巴克的試用。在Messenger平臺一年的時間里，超過100，000聊天機器人在陸續構建中。

與此同時，對聊天機器人初創公司的風投加速增長，從2015年到2016年年中，各公司共投資了約8500萬美元，進行了30筆交易。 Slack推出了自己的8000萬美元聊天機器人基金，與的風投公司合作，包括星火資本（Spark Capital）、Index Ventures、Accel、KPCB、Social Capital和安德森?霍洛維茨基金（Andreessen Horowitz）。

這一連串的活動引起了人們對該技術潛力的極大興趣。 Gartner預測，到2020年，將有80%的新企業應用程序使用聊天機器人，而到2021年，聊天機器人將成為企業的“重要的平臺范例”。

Twitter話題標簽的、谷歌和Uber的產品設計師克里斯·梅西納（Chris Messina）寫道，“你和我將在年底之前通過Facebook Messenger、WhatsApp、Telegram、Slack以及其他平臺上與品牌和公司進行對話，并且會發現這很正常。”

實際上，2016年末是聊天機器人炒作的頂峰。

盡管進行了一系列的投資、產品發布和媒體討論，但聊天機器人總體上還是讓用戶和押注它們成功的技術公司感到失望。

炒作消失了

構建一個真正的“虛擬助手”，能夠理解上下文并響應不明確的查詢，這比構建一個簡單的聊天機器人更具挑戰性。

許多聊天機器人無法理解足夠多的人類語言，也足夠多的數據來完成公司承諾它們可以處理的復雜請求。

在透露M70%的用戶請求之后，Facebook縮減了其標志性“M”虛擬助手的工作。谷歌同樣承認，它在呼叫中心使用人工來做助手。

到2018年，有關聊天機器人的新聞報道直線減少。上市公司財報電話會議中提到聊天機器人技術的次數在2018年初達到峰值，但在年底時降至近一半。

聊天機器人行業仍然處于萌芽狀態，大部分交易發生在早期階段（種子/天使和A輪）。考慮到2014年至2017年之間進行的天使輪和種子輪的數量，后期融資的缺乏表明，早期的聊天機器人投資很少成功。

在2018年1月，Facebook關閉了M。同月，《Inc Magazine》采訪了聊天機器人公司Digit的創始人伊桑·布洛赫（Ethan Bloch），他為此哀嘆：“我甚至不確定我們是否可以說‘聊天機器人死了’，因為我甚至不知道它們是否曾經活過。”

隨后又發生了幾起備受矚目的聊天機器人倒閉事件。到今年8月，許多媒體公司——包括《華盛頓郵報》、《商業內幕》和《赫芬頓郵報》——的聊天機器人實驗已被證明這一趨勢是真實存在的——都已縮減或停止了它們的聊天機器人工作。

2016年3月，微軟的Tay關閉了，因為它在發布24小時內就開始表達令人頭疼的政治觀點，而谷歌的Allo拖到2018年12月也死了。

但是，聊天機器人熱潮的故事并非全部以失敗告終。

芬達使用Messenger機器人來提高對新產品的認識，其廣告優惠券的兌換率比預期高46%。起亞通過其機器人獲得了33，000個潛在客戶，并將其報價請求和試駕請求的轉換率提高了一倍。

樂高的“Ralph”購物助手機器人也表現出色，其廣告支出回報率達到了3.4倍。

這些成功的故事表明，盡管幾經沉浮，聊天機器人技術仍存在合法的應用，尤其是針對那些關注更具體問題的機器人。

金融科技：合同審查和票據談判

從搜尋財務文件到簡化用戶的資金管理方式，聊天機器人都在后端和前端都在創造更的金融技術。

管理資金是一項復雜的工作。對于銀行而言，這種復雜性表現為諸如冗長、密集的貸款協議和衍生工具之類的形式。對于消費者來說，是預算、銀行賬戶、信用卡賬單和訂閱。聊天機器人可以幫助用戶跟蹤他們的債務。

在個人理財方面，聊天機器人成功的實現方式集中在相當日常的信息檢索和管理任務上，這些任務看起來很日常（例如檢查余額或取消訂閱），可以通過聊天提率。

在企業方面，聊天機器人正在幫助耗時且昂貴的流程自動化，從而節省了數十萬小時和相關成本。

個人理財：聊天機器人可幫助管理支出

為個人理財應用打造一個簡單的用戶體驗是一項艱巨的任務。有多種輸入需要處理——銀行賬戶、信用卡、賬單——以及復雜的數據，需要以用戶友好的方式進行溝通。

初創企業和金融機構已經尋求聊天機器人來幫助解決問題，并押注它們可以為用戶創造更直觀的體驗。

手動監控銀行帳戶和信用卡對帳單以識別不必要的支出可能很耗時，而且小筆經常性支出很容易被忽視——尤其是通過iTunes或Paypal等服務進行的交易可能會隱藏資金的使用情況。

然而，聊天機器人可以持續監控用戶的銀行對賬單，以確定每月的經常性支出，并簡化管理流程，使用簡單的“是”或“否”問題來確定用戶是否愿意每月支付某項費用。

2015年，金融科技初創公司Trim推出了基于短信的聊天機器人產品。該機器人會分析用戶的銀行對賬單，然后用簡單明了的語言詢問他們是否想取消任何經常性訂閱，比如Netflix和Dropbox。然后Trim可以代表用戶取消會員。

美國銀行的聊天機器人Erica可以幫助用戶完成償還債務和查看帳戶狀態等任務。 Swedbank、Capital One、SEB和Wells Fargo都推出于類似目的的機器人。富國銀行的迭代程序可以理解并回答“近的銀行ATM在哪里？”和“我的帳戶中有多少錢？”之類的問題。

但是，并非所有公司都為個人理財而使用聊天機器人。

自動儲蓄應用程序Digit是早將聊天機器人引入個人理財的公司之一。然而，在2018年，該公司宣布將重新設計其聊天機器人模型的界面，執行官伊桑·布洛赫（Ethan Bloch）指出該程序在幫助用戶查找重要財務信息時效率低下。

在《美國銀行家》的一篇文章中，布洛赫討論了將用戶的銀行賬戶余額從數字應用程序的頂部移除，以鼓勵用戶與聊天機器人進行互動，以檢索這些信息。這種變化只會給用戶增加摩擦。客戶迅速指出，這種改變是沒有意義的，布洛赫表示，他“應該為這個錯誤負全責”。

在個人理財領域，希望在產品中利用聊天機器人的公司，應該密切關注相關任務的類型。對于日常任務，聊天機器人可以增加簡單性和清晰度;然而，如果比這更復雜，它們的價值就會迅速消失。

商業銀行業務：摩根大通聊天機器人為公司節省了360，000小時

在金融領域，有前景的聊天機器人應用程序不于面向消費者，金融機構還在探索如何利用該技術來提高運營效率，尤其是使重復性、日常性和時間密集型任務自動化。

解釋商業貸款協議是一項任務，需要花費銀行數十萬小時的律師和貸款人員時間。這種工作很昂貴，并且盡管有高水平的專業知識，但也不是完全不出錯的。

聊天機器人可以使銀行處理貸款協議的時間僅為人工完成的一小部分，而不會出錯。

2017年，摩根大通推出了COiN（Contract Intelligence的簡稱），這是一款利用自然語言處理人類請求、處理商業貸款協議的機器人，只需幾秒鐘就能審閱過去需要一組員工幾個小時才能解讀的文件。

根據摩根大通2016年的年度報告，該機器人經過訓練，能夠從其分析的商業信貸協議中“提取150個相關屬性”，幫助緩解80%的貸款服務錯誤是由“合同解釋錯誤”造成的。

這家銀行業巨頭報告說，該軟件每年檢查大約12，000張合同，節省了大約360，000小時的勞動時間。

“們總是把這種情況稱為‘搶飯碗’。我認為它解放了人們，可以讓人們從事更高價值的工作，這就是為什么對公司來說是一個了不起的機會。”摩根大通信息官達納?迪希表示。

摩根大通現在表示，它計劃將來使用類似的軟件來處理更復雜的財務報表，包括信用違約掉期和托管協議，以及執行更多基于自然語言的任務，例如解釋法規等。

醫療保健：患者參與和遠程醫療

當今的醫療保健提供者負擔沉重、資源匱乏，尤其是農村地區在努力提供持續的醫療服務方面尤為困難。在相同的管理費用下，費用占美國所有醫院支出的25%，以及所有醫療保健錯誤的86%。

聊天機器人可以通過簡化患者的參與并增加服務不足地區的醫療機會來幫助緩解其中的一些問題。

例如，聊天機器人可以使用自然語言處理來處理患者報告的癥狀并返回診斷，而無需患者踏入醫生辦公室。當患者進入醫生辦公室時，聊天機器人可以在登記時收集其基本信息，從而避免昂貴的人為錯誤。

他們還可以在出院后跟進患者，回答問題，提供后期護理，甚至檢查患者是否遵循醫生制定的計劃。

事實證明，利用認知行為療法的聊天機器人可以為沒有時間或金錢來親自看醫生的人們提供一線治療。

在整個醫療過程中，聊天機器人都在幫助收集信息，教育患者，甚至模仿定期就診的核心診斷和對話功能，已經為全球數百萬患者帶來了更好的護理和可及性。

診斷：聊天機器人協助分類并減輕GP的負擔

醫療時間是醫療行業大的瓶頸之一。醫生的數量是有限的，而這些醫生一天只能看那么多的病人。

但是，并非所有情況都需要醫生身體力行的評估才能成功治療。一些醫療服務提供者將聊天機器人用作道防線，以從不太緊急的病例中篩選出緊急情況。

診斷聊天機器人實質上是一種“smart WebMD”。聊天機器人會提示患者報告其癥狀，然后該機器人返回潛在的診斷并建議下一步操作。

微軟已經推出了一個醫療保健機器人項目，目標是“將對話式人工智能帶入醫療保健”。該系統使用語言識別和信息檢索，而不是隨著時間的推移動態地了解患者。

Premera Blue Cross和Aurora Health Care正在使用微軟的平臺來減少對醫療中心的呼叫，并在患者必須進入醫生辦公室之前對患者的癥狀進行分類。

總部位于倫敦和柏林的健康創業公司Ada Health在2017年為其支持自然語言處理的診斷聊天機器人項目Ada籌集了4，700萬美元。

Ada用戶輸入其基本信息和癥狀，然后回答一些后續問題。然后，該機器人會提供一些可能的診斷，并在必要時給出去看醫生的指令。。

Ada返回診斷所遵循的核心過程與訪問Web MD之類的網站或在谷歌上搜索癥狀沒有什么不同。但是Ada通過自動按年齡、性別、病史、既存條件等過濾結果，為用戶提供更有效的信息。此外，該機器人還可以使用以前與患者交談中的信息來告知其診斷。

用戶還可以選擇以25美元的固定費用從與Ada的對話平穩過渡到與醫生的對話。任何處方藥都可以送到用戶家中。

Ada現在活躍在130多個國家/地區，比爾和梅琳達·蓋茨基金會與它合作，研究如何使用聊天機器人在世界上更偏遠的地區提供醫療服務。

英國健康科技公司Babylon Health開發了應該國家健康系統（NHS）移動應用程序，該公司于2018年發布了其診斷聊天機器人，引起了媒體的極大關注。當時，該公司報告說，其聊天機器人AI在臨床檢查中的得分高于英國普通醫生平均水平：Babylon聊天機器人正確診斷了81%的患者，而人類醫生的平均得分為72%。

除了與NHS的合作關系之外，Babylon自2016年以來一直與盧旺達的醫療保健系統合作，在該國擁有超過200萬注冊用戶。

據TechCrunch稱，截至2019年8月，Babylon代表表示，該服務“現已覆蓋全球430萬人，迄今已完成超過120萬次數字咨詢，并有超過160，000次五評級。”

但是Babylon聊天機器人的商業化并不完全順利。該應用程序的答案可能不正確，因此遭到批評。此外，盡管Babylon的聊天機器人宣稱要幫助人們避免進入急診室，但仍將30%用戶送往急診室，比英國國家健康建議熱線高出約10%。

希望優化分診護理并減輕醫生工作量的公司應警惕，不要過于依賴聊天機器人來處理可能敏感的診斷情況。聊天機器人更適合處理清晰明了的后續步驟的例行情況。對于嚴重或更主觀的診斷情況，轉診給人類醫生應該是下一步。

病人參與：在不犧牲患者滿意度的情況下減少人為干預

數據表明，患者依從性（患者是否成功遵循其醫生制定的治療計劃）是醫療保健領域的一個持續存在的問題。多達60%的慢性病患者未正確遵循他們的治療計劃，這導致可避免的重復住院，額外的治療費用，甚至是可預防的死亡。研究已將患者的不依從成本提高到3000億美元。

傳統上，監視患者依從性是一項勞動密集型過程。其結果是，醫療服務提供商正在尋找聊天機器人，以減少人類的勞動量。

醫療聊天機器人Florence以護士弗羅倫斯·南丁格爾的名字命名，在Facebook Messenger、Skype和Kik上運行。該機器人可以提醒患者服藥，并跟蹤基本的健康信息，如體重、情緒或月經周期，以監控患者實現目標的進展情況。Florence還可以引導用戶到近的醫院或藥房。

非營利醫療保健提供商Northwell Health也已開始部署聊天機器人，以提高患者的參與度和依從性。

Northwell的機器人有英文和西班牙文兩種版本，可以提示用戶進行有關一般問題和特定條件的對話。例如，有心臟問題而出院的人可能會收到機器人關于他們體重的后續問題。

盡管持懷疑態度的人表示擔心，人與人之間的互動減少可能會對護理質量產生負面影響，但迄今為止，患者的接受程度是積極的：在離開Northwell Health治療機構后使用出院后護理管理聊天機器人的所有患者中，有96%認為對話很有用。

對于忙于后勤和管理任務的醫療服務提供者而言，聊天機器人可以是釋放專業人員寶貴時間的有用工具，即使在沒有專家的情況下，也可以確保患者能夠滿足他們的需求。

心理健康：CBT聊天機器人如何幫助患者重塑負面想法

根據美國國家心理健康研究所的數據，大約五分之一的美國人（近4，700萬人）患有某種形式的精神疾病。

對于聊天機器人的創建者而言，在擴大訪問范圍，降低人工成本和改善結果方面，心理健康領域已被證明與物理醫療一樣。

使心理保健適用于聊天機器人實驗的部分原因是，治療是一種固有的言語過程，尤其是認知行為療法（CBT），這是流行且研究廣泛的療法。

CBT的目標是教患者認識負面的思維模式（又稱“認知扭曲”），然后以危害較小，效率更高的方式來重新構建他們的思維。聊天機器人在這里非常有用，因為它們可以使用自然語言處理來識別某些類型的失真，并促使用戶重新思考。

其中一個例子是2015年推出的Woebot。Woebot向用戶詢問他們的感受，然后分析他們的反應以識別認知失真的例子。然后，機器人會根據預先確定的決策樹指導用戶如何改變他們的觀點，該決策樹確定對用戶輸入正確響應。

Woebot由斯坦福大學的研究人員團隊創立。在啟動該服務之前，創始人艾莉森·達西（Alison Darcy）在《心理健康醫學互聯網研究》雜志上發布了該工具的早期迭代研究結果。這項研究對70位報告有抑郁癥狀的大學生持續追蹤了2周，研究發現，與閱讀CBT電子書的參與者相比，與使用Woebot聊天的參與者的抑郁癥狀明顯減輕。

“ ［參與者］說Woebot感覺更像是朋友，而不是應用程序或技術。”

另一個心理健康聊天機器人Wysa也結合了CBT的原理，但增加了專注力和冥想。該應用程序提供了一個“工具包”，里面有各種各樣的練習，目的包括在壓力大的時候集中注意力、處理沖突和放松。

Wysa從與用戶的互動中“學習”以推薦某些工具;但是，Wysa的網站強調說，該機器人“在響應方式上受到限制”，并且其“預期用途是作為早期干預工具”，而不是代替治療。

其他臨床研究表明，聊天機器人技術可能在應對美國日益嚴重的心理健康危機中發揮重要作用。

聊天機器人可以按自己的時間表（而不是提供商的時間表）為用戶提供支持。這是一大重要增值，在這個領域里，很多都發生在患者的日常生活中，而不是在治療師的辦公室里。

但是，心理健康聊天機器人作為一種問責工具有效，它提醒用戶應用他們所學的心理健康策略。初的分析，診斷和教育仍好由訓練有素的精神衛生專業人員進行。

銷售與客戶關系管理：確定潛在客戶并回答問題

在SaaS的世界中，聊天已迅速成為與公司網站交互的主要方式之一。在2019年中，Drift and Audience受眾調查中，三分之一受訪者報告說使用網站的在線聊天功能，以便在過去12個月中與公司進行溝通。

隨著客戶對聊天機器人越來越滿意，企業正在將聊天作為一種銷售和客戶管理工具進行投資，以幫助解決客戶問題，將用戶從銷售渠道中移進移出，并為選擇客戶提供更加個性化的體驗。

除了基本的聊天機器人功能，處于銷售和CRM前沿的機器人開始執行復雜的任務，在此過程中帶來收入，提高生產率。

銷售：自動鑒定潛在客戶，使銷售代表效率更高

依靠入站營銷來吸引新客戶的企業很可能會采取某種形式的潛在客戶鑒定工作，對于銷售代表而言，花時間與不太適合他們所銷售產品的人員進行溝通可能會付出高昂的代價。

使這項工作變得復雜的是，一些SaaS公司發現人們終進入了銷售渠道，他們實際上是當前客戶，只是在尋找問題的答案。

如今，銷售行業中的聊天機器人旨在通過將潛在客戶與尋求幫助的客戶區分開來，幫助他們解決這些挑戰，并幫助銷售代表更有效地與潛在客戶打交道。

例如，Intercom的Operator聊天機器人會詢問網站訪問者是否是現有客戶，以幫助他們接觸公司不同團隊。

“這似乎只是一個簡單的小步驟，但它極大地改變了我們的銷售團隊的收件箱，超過三分之二的匿名潛在客戶回答了［初始］問題，大約一半是現有客戶。不用說，他們不想與銷售團隊交談，這意味著我們不得不進行的對話數量急劇下降。” Intercom銷售開發代表Sebastian McKenna Long

簡而言之，聊天機器人已用于自動化相對簡單但耗時的任務，例如捕獲潛在客戶的詳細信息并提出有效問題。這可以幫助員工騰出時間來完成更復雜的任務，例如了解客戶的痛點和建立關系。

客戶服務：使復雜的網站更易于瀏覽

當被問到在線體驗中令人沮喪的部分時，受歡迎的回答之一是“無法獲得簡單問題的答案”（34%受訪者如此表示）。其次是“網站難以瀏覽”（30%）和“關于企業的基本細節很難找到”（25%）。

所有這三大挫敗感都反映出當今的網站比以往任何時候都更大，組織更復雜。

根據HTTP Archive的數據，桌面網站單個頁面的平均大小約為1，500 KB，比2011年增加了三倍。

理想情況下，網站應幫助客戶自己回答問題。據TechCrunch稱，實際上，任何一家公司的呼叫中心接到的電話中，有90%都是在訪問過該公司的網站后撥打的。

聊天機器人是一種提供快速客戶服務的合適媒介，因此可以幫助解決此問題。

客戶服務在人們希望使用聊天機器人實現的功能列表中排名靠前。根據一項調查，大約三分之一的受訪者表示，他們會使用聊天機器人“在緊急情況下快速回答”、“解決投訴或問題”、“獲取詳細答案或解釋”。

有證據表明，客戶服務聊天機器人可能是解決這類用戶問題的有用工具。總部位于菲律賓的電信公司Globe Telecom表示，建立一個客戶服務聊天機器人，使呼叫中心的總呼叫量減少了一半，將呼叫中心的成本降低了10%，并使員工的生產率提高了3.5倍。

除了降低成本和提高生產率外，聊天機器人還可以提高客戶滿意度。 Globe Telecom的客戶服務聊天機器人所產生的客戶服務滿意度比其呼叫中心高22%，而荷蘭航空公司KLM發現其服務聊天機器人所獲得的Net Promoter Score（衡量客戶忠誠度的指數）高于典型渠道。

使用聊天機器人的公司在輔助人類方面的方法各不相同。荷航報告說，其聊天機器人軟件經過培訓可以回答60，000多個不同的問題，盡管人工代理仍會檢查每個響應。

另一方面，Intercom的“ Answer Bot”使用基于AI的技術，從該公司現有的FAQ數據庫中提取信息，以回答大約30%的客戶提問，而無需人工參與。

對聊天機器人作為銷售和CRM工具感興趣的公司將需要評估其可用數據（例如幫助中心文檔，常見問題解答，客戶對響應的反饋等）如何支持作為客戶服務媒介的機器人。他們還必須考慮人類應該在多大程度上監視聊天機器人的響應。

商業：便捷的瀏覽和個性化購物

對于許多電子商務零售商面臨的一個問題是，用戶體驗的挑戰可能使在線購物成為令人沮喪的體驗。難以導航的布局，干擾性的自動播放視頻，分散的廣告輪播以及缺乏的搜索功能，可能會讓潛在購物者望而卻步。

聊天機器人可能會有所幫助。它們充當虛擬商店的導購，用于幫助回答客戶問題并將其引向相關產品。通過聊天機器人購物已經變得越來越普遍，尤其是對于年輕的消費者。

禮物：通過幫助客戶更快地找到禮物來增加轉化率

在線聊天服務Needle的數據顯示，對84%的購物者來說，節日送禮是一項讓人倍感壓力的活動，盡管越來越多的人不再排隊，而是在網上購物。

在許多電子商務網站瀏覽可用商品的挑戰，加大了選擇合適禮物的難度。（回想一下，難以瀏覽的網站是消費者常抱怨的問題之一。）

零售商通常會提供龐大的產品目錄，要使這些信息易于搜索是一項艱巨的任務。例如，點擊樂高網站上的“主題”選項，你會遇到40種不同樣式的樂高產品供你選擇。

LEGO意識到這種難以導航的布局以購物者送禮的痛點，因此轉向了Messenger聊天機器人。

聊天機器人的目的是通過樂高廣泛的產品目錄（該公司表示已生產3700種不同的樂高）來引導購物者，并按禮物接受者年齡、個性以及購買者預算推薦。

樂高的“ Ralph”機器人于2017年圣誕節期間全面推出，現已全年開放。在詢問了有關個性、年齡和預算的一系列預定問題之后，Ralph向用戶提供了一個鏈接，可以購買推薦的產品。

樂高表示，在假期期間，通過在Facebook上投放廣告，該機器人的率比僅鏈接到其網站的廣告高3.4倍。而且，通過Messenger機器人銷售的產品的價值比通過網站直接購買的產品高1.9倍。

Messenger機器人不僅可以幫助樂高賣出更多產品，還可以個性化購物流程，從而幫助他們賣出更昂貴的產品并增加收入。

在當今時代，管理和自定義是購物體驗的特征，而零售商所攜帶的商品比以往任何時候都多，聊天機器人可以成為一個強大的工具，為消費者體驗增加更多個性化的觸覺，并將這種以客戶為中心的體驗轉化為銷售。

客戶歷程：使用Messenger帶領人們回到實體店

過去幾年的“零售末日”一直持續到2019年，Payless、FullBeauty Brands、Charlotte Russe、Gymboree等關閉了業務。美國各地商店所有者所面臨的問題：人流低、債務高、運營效率低下，成為越來越多零售商的生存威脅。

不過，根據美國人口普查局的數據，仍有約90%的零售銷售是線下交易，這使得實體零售成為許多零售商的首要任務。

而絲芙蘭卻在過去幾年中擴展了實體店業務。取得成功的原因是，該公司使用在線產品來補充其店內體驗，包括使用聊天機器人來幫助客戶找到新產品并將其吸引回店內。

絲芙蘭是早使用聊天機器人作為其電子商務策略一部分的零售商之一。Sephora Assistant于2016年11月推出，旨在通過使顧客更輕松地預訂化妝品來吸引更多顧客進入商店。通過對話界面，客戶只需三個步驟即可與當地的絲芙蘭門店建立聯系（比通過絲芙蘭的應用程序進行預訂要少五個步驟）。

啟動Sephora Assistant后，該公司表示，通過聊天機器人進行店內預訂的轉化率達到11%，高于其他媒介的預訂。此外，絲芙蘭的店內支出有所增加，通過Sephora Assistant預訂的客戶平均在店內支出超過50美元。

此后，Sephora Assistant聊天機器人不斷發展，可以為用戶提供針對其膚色的個性化產品推薦，以查找產品評論。

終，Sephora Assistant聊天機器人旨在成為產品營銷與店內購物之間的橋梁，幫助客戶識別所需的產品，然后鼓勵他們也進行店內購買。從應用程序內策劃到店內購買的這種進展，突顯了零售商為聊天機器人探索更多用例的機會。

個性化購物：在線導購如何幫助李維斯賣出更多牛仔褲

買一條好牛仔褲可能很難。品牌之間的尺寸和合身程度不一致，而且消費者有大量不同的牛仔褲可供選擇。

對于許多消費者來說，牛仔褲的購物體驗可以通過增加個性化來改善，這是非常適合聊天機器人的功能。

李維斯（Levi’s）在推出購買牛仔褲的聊天機器人方面處于有利地位，因為它的編碼系統可以識別牛仔褲是否合身的具體細節。

雖然將牛仔褲整理成帶編號的代碼有助于李維斯建立更廣泛的目錄，以適應各種體型和偏好，但也使在線購物者更難選擇購買商品。

李維斯的聊天機器人可幫助客戶使用簡單的語言對目錄進行分類。

“我們的站點上有超過20，000個牛仔布，因此我們需要為我們的消費者提供一些指導，以免他們在那片牛仔布海中迷路。”李維斯LSA Digital副總裁布雷迪·斯圖爾特表示。

為了幫助客戶找到合適的牛仔褲，李維斯的聊天機器人會提出一些簡單的問題，例如“你希望牛仔褲裹緊臀部和大腿？”然后根據購物者的答案來推薦符合他們偏好的牛仔褲。

李維斯的聊天機器人初是由Mode.ai為Messenger開發的，于2017年從Facebook刪除了聊天機器人，并將其放置在自己的網站上。

該公司副總裁布雷迪·斯圖爾特表示，到目前為止，李維斯頁面上聊天機器人實驗的結果對該公司來說是積極的，使用該聊天機器人的客戶進行購買的可能性高80%。

李維斯的機器人是聊天機器人作為個性化和策展工具的強大功能的另一個例子。當客戶可以找到所需的確切信息時，他們更有可能購買，而聊天機器人可以直接將其引導到那里。

法律：自動化小額索賠并推動研究

像金融和醫療保健一樣，法律體系也十分復雜，許多人都難以理解，但它同時也受到一套清晰、有案可依的規則的指導。

無論你是研究某些隱晦犯罪的法律先例的律師，還是一個普通人，試圖找出如何對交通罰單提出異議，瀏覽法律文件和程序可能是耗時且昂貴的。

那么，試試聊天機器人吧。法律任務和文件的高度結構化，常規化性質使其特別適合于聊天機器人的價值主張：聊天機器人可以解析數字化文件（例如法院文件和判決），并在極短的時間內提取相關信息，遠比人類更。

研究：“機器人律師”ROSS旨在減少研究時間

在法律領域，聊天機器人技術的一個例子是AI驅動的“機器人律師”ROSS。

ROSS由IBM的Watson提供支持，使用自然語言處理來回答進行案件研究的人類律師的查詢。

法律研究是一個非常耗時且復雜的任務，法律研究人員不僅要查看法規的文本，還要查看法規之前的文件，以了解其背后的立法意圖。

ROSS試圖通過梳理過去數千個法律案件的文本，尋找相關的判例，尋找匹配的語言，提煉后一個法院的決策過程，來加快這一進程。

只要輸入正確，聊天機器人就能解決相對復雜的問題。搜索過程只需花費一小部分時間即可完成，從而節省了時間和金錢。

與摩根大通的金融COiN系統相似，ROSS演示了聊天機器人的功能如何擴展到面向客戶的應用程序之外。減少花費在研究任務和繁忙工作上的時間也很有效，對于希望削減成本的律師事務所來說，這一領域可能很有吸引力。

小額索賠：減少頭痛并改善錯誤

律師并不是可以從法律領域的聊天機器人中受益的人：消費者也可以從中受益，因為該技術可以幫助簡化更多常規的法律互動，從而減少了消費者以及法律專業人士的時間和成本。

例如，雖然對停車罰單有爭議可能是一個相對常規的法律程序，但它種種程序繁瑣，以致使許多人望而卻步。除其他步驟外，該過程可能需要與相關法院進行溝通，整理文書工作并向法官提出訴訟。

免費的停車異議應用程序DoNotPay旨在簡化此過程。聊天機器人會引導用戶解決一系列預編程的人類語言問題，例如“你是因為醫療緊急情況而被非法停車嗎？”并使用他們的答案來確定用戶是否有資格。

該應用程序可以提供建議并幫助收集證據，例如路邊停車標志不清晰或罰單難以辨認。然后，它將自動完成提交罰單申訴。

截至2017年中，DoNotPay表示已為37.5萬人節省了900萬美元的罰單。

DoNotPay的野心不僅于罰單。該應用程序的網站指出，它正在將其服務擴展到小額索賠，客戶服務問題和政府文書工作等領域。

一些支持者認為，合法的聊天機器人技術可以進一步減輕法院系統的負擔，因為法院系統經常負擔沉重，資源不足。

“聊天機器人革命”的關鍵啟示

很多早期關于聊天機器人的炒作都沒有成功。盡管人們對聊天機器人的熱情有所下降，但如今聊天機器人正在許多行業產生影響，其中包括一些意料之外的行業。

聊天機器人不是幫我們預訂晚餐，而是幫助律師研究先例。他們不是在規劃我們的日常日程，而是在病人出院后幫助照顧他們。

雖然聊天機器人未能達到宣傳的效果可能令早期用戶感到失望，但現在人們比以往任何時候都清楚，聊天機器人技術在什么地方可以發揮作用。

1.聊天機器人擅長重復性任務，而不是新穎的任務

早期被炒作多的聊天機器人實驗，宣傳的都是功能齊全的人工智能管家，比如Facebook的M。雖然這些實驗往往會讓用戶失望，但專注于相對簡單任務自動化（通常由銷售和客戶支持團隊完成）的聊天機器人表現更好。

聊天機器人被迫處理不斷變化的請求模式，例如Facebook的M，被迫依靠人工處理大量查詢。

但是在許多情況下，僅接受特定類型請求的聊天機器人已顯示出即使在執行復雜任務時也可以提供幫助的功能。

在一定的用例范圍內，聊天機器人還可以利用人工智能和機器學習。

后，聊天機器人尤其擅長重復性任務，而人類通常不會這樣做。重復會產生無聊和干擾，為錯誤打下基礎。一些研究表明，即使是資深的制造業工人，在執行重復的手動任務時也會出錯。聊天機器人，只要他們正確編程，不能覺得無聊，可以幫助減輕人為錯誤而產生的問題。

2. 大多數聊天機器人與GUI配合使用效果佳

盡管文本是與聊天機器人進行溝通的主要方法，但許多成功的聊天機器人都利用圖形用戶界面（GUI）為用戶提供了與機器人進行交互的更多自由和功能。

3. 聊天機器人擅長處理結構化但信息有限的信息

早期的聊天機器人經常失敗，因為它們無法理解用戶的請求。M可以被問到的問題幾乎是無窮無盡的，這給機器人的自然語言處理能力創造了一個幾乎不可能完成的任務。

如今，事實證明實用的聊天機器人用于法律，醫療和銀行業等領域，這些領域都使用高度專業化但又受限制的詞匯和文檔來運行。

非專家可能無法導航法律或醫學語言，但是可以對聊天機器人進行編程，因為這種類型的語言結構非常正式。對于聊天機器人，技術語言通常比開放式人類語音更易于解析：甚至連晦澀難懂的術語也有固定的定義。

聊天機器人在零售中的定位也類似。

后

當Facebook在2016年啟動其聊天機器人項目M時，它的致命缺陷是期望太高、太早。一個可以處理從日程安排到無微不至所有事情的通用聊天機器人，這聽起來很吸引人，但是一個可以做“所有事情”的技術應用程序后可能什么都做不好。

終，聊天機器人受益于與普通軟件應用程序相同的知識體系。不同之處在于，聊天機器人可以簡化這些應用程序的使用和導航，因為它們可以利用人類交流的即時性。

聊天機器人的暫緩來自對應用程序的渴望，從紙面上聽起來很不錯的東西，轉變為專注于為用戶提供清晰、可衡量的成功的東西。在媒體大肆宣揚聊天機器人之死近兩年后，零售、金融和醫藥等領域的企業發現，還有更多東西值得討論。