为什么会这样，如何从关键词搜索到真正的智能客服？这里面有两个可以努力的角度，第一就是技术上的突破，真正能够理解客户所表述的语言和潜台词，除了能回答客户明确的问题外还能够将潜在的问题（客户因为信息、知识欠缺所不能表达的问题）解决掉。但在技术上的突破并非一朝一夕，这一块业界还没有很好的解决方式；另一个努力的角度是通过运营人员的分析能力和参与，对于重复出现影响面广的问题进行界定、拆借、分析、基于场景组织答案。从现状看，第二种努力的方式可能更靠谱一些，高水平人力的分析+技术辅助才可能提供更进一步的智能。
具体讲，包括3个层面：
第一：对客户需求的理解。除了理解客户表达出来的显性语言和文字，还能够理解客户的潜在和深层次需求。
第二：明确的问题界定和对策提出。如果问题能够被清楚的界定，那么也就可以解决。基于客户问题被提出的次数、影响的人数，先从最普遍问题开始分析，找到核心问题。基于问题解决建立解决模型。
第三：知识资源的匹配：图谱和场景。将问题解决模型匹配知识资源、解决策略，在客户需要的时候反馈给客户。
下面深入说说：
1、女朋友最诟病的一个说法是：多喝点热水！
这是单身汪之所以单身的一个核心原因：搞不清楚女生语言背后的潜台词。
女人们这样表达的原因是因为性别和性格因素决定的，单身的要想俘获女神的心、结婚的如果想要家庭的长治久安，都需要去了解语言背后的需求。而客户的语言或者在智能客服里面的所描述的关键词与之类似，但其原因是因为对产品和服务了解少、背景知识欠缺，无法提出自己准确、客观的问题。这样的结果就是，即便客户问什么你能回答什么，客户仍然不满意。
我们无法要求终端客户有更好的语言表达能力，客户大部分时候只会描述他看到的现象和出现的结果，许多时候坐席与客户沟通、智能客服的提问环节效率低下的原因是坐席代表或者智能客服系统“听不懂”用户在说什么，这里面包括两个问题，第一个是客户的语言和词汇与官方的是不一样的，他们只会用口语、生活中的习惯叫法，而我们知识库里面存的却是书面甚至专业的说法，这个时候需要内容客户化需要建立“客户语言词汇表”与我们官方的语言进行对应，并培训给坐席代表或者在智能客服库里面建立相应关联。
2、对于客户有简单、明确、有成熟答案的问题，通过“客户语言词汇表”转化客户语言到系统语言后，在知识库里发现对应问题的答案，返回给客户即可。
知识库里面有内容，但客户不一定能得到
但通常情况下，客户提出来的问题都不明确。大部分客户只会描述现象，他们没有能力界定出问题来，这个时候需要坐席代表或者智能客服能够基于客户提出来的零散描述去提示客户判断，将可能原因用排除法去一项一项的排除掉，找到真正的问题。但这依赖于高水平的坐席代表才能保证发现真正的问题，而高水平的坐席代表永远是少数。而智能客服则需要建立现象-可能原因的关联：需要将常见现象、引起的原因、对应的问题、可行的对策建立起关联来，同时还需要在智能客服里面基于大数据分析的结果判断最大可能性的原因，从而将可能性最高的结果排到前面去。当然这个工作也可以由知识库人员、坐席人员等多角色人员基于个人经验去确定可能原因的排序，这样在客户端才能有好的体验，真正降低对坐席代表能力和水平的依赖，实现自动化和提升客户的满意度。
关于客户的核心问题和界定方法，大部分知识库没有作为一项专门的内容进行整理和存储，而要实现真正的智能客服，基于客户需求对显性和潜在问题的分析是智能化的基础工作。
举个例子：
譬如有人在微信公众号询问KMCenter最近有没有企业知识管理的公开课，他们想参加等等。但参加公开课可能根本不是他的核心问题，如果对方有意愿我们除了回答是否有公开课的问题外，通常还会问：
A、你们知识管理是刚开始做还是已经做了几年了？
如果是刚开始做，这个时候他们的核心问题大致是需要做一个知识管理的规划（基于我们的经验），而仅仅参加一个公开课解决不了规划的问题；如果是已经做了很多年，其核心问题最可能是如何让业务部门参与的问题，即如何激发业务部门的知识管理动力问题。这个时候最需要培训的可能不是知识管理推动者，而是管理人员。
B、您是什么部门在负责知识管理？
因为在企业内部负责知识管理的部门很杂，有的是信息化部门，也有战略部门、人力资源部门、档案部门、行政部门等，他们不同部门对于知识管理的需求也不同。基于不同部门的特性，我们还会建议它更深层次的服务等等。
可能还会有更多的问题跟客户去了解和确认，这样当客户提出一个公开课的需求时，他可能真正的问题是要买一个知识管理的软件、评估知识管理的效果、知识管理的动力等问题。这次是真实的需求。
在智能客服里面也有类似的问题，许多时候要将坐席代表、知识库甚至业务部门之前积累的知识嵌入到知识库中来，合力帮助用户自动界定问题，这样的智能客服才是真正的智能，因为他帮助客户对自己问题的的深入理解，许多时候到最后他会发现甚至不是官方的产品和方案有问题，而是自己的操作方式或者方法错了，这个问题不需要官方解决就自己解决掉了。
在界定问题阶段，通过内置判断条件和之前对于客户常见问题的理解，通过客户说的几个关键词，帮助判断出客户当前面临的真实问题、关联问题、甚至未来会遇到的问题，然后再给予其恰当的建议。
3、如果能够界定出客户的核心问题，并能够基于核心问题解决建立模型，再关联和对应相应的知识库资源，就能够解决客户的问题。这个时候，你会发现需要的知识可能不仅仅是一个目录下的某个点，应该会包括不同目录、不同维度的很多个点。通过一个知识图谱的方式推送给客户，客户就会感觉服务的贴心和周到。
示意：基于具体问题解决的知识展示
更进一步说，智能客服也应该探讨如何超出客户预期，提升客户的满意度和忠诚度。举个例子：如果你问医生某种药需要什么时间吃，医生告诉你说需要饭前吃，这属于基本服务，通常情况下这时候服务就结束了。但如果医生还能告诉你，服用这种药后最好不要吃太油腻和生冷的食物，还可能会引起短时间的嗜睡，但无须担心等等，这个时候你估计会在心里为这个医生点赞了！
但能做到超越客户预期的背后，是对客户问题常见场景的分析和相应模型的建立，通过对之前客户咨询应对的总结提炼、加上对积累数据的挖掘，从而建立相应问题解决模型，并将这些问题的解决对策与知识库相关联，从而才能真正超越客户的预期，让客户尖叫！
总结
要实现真正的智能客服，需要从对客户语言的理解、客户问题的界定、问题解决模型的建立与知识匹配角度出发，将客户端的输入作为一种核心知识进行管理，沉淀坐席代表、知识库运营人员、质检和培训等不同角色人员的显性和隐性知识，能够统一对这些知识进行分析与应用，才能真正做到智能服务、自动服务。
