上下文是唯一可以保存聊天机器人的东西

我们都有过这些经历：

被不同的部门推来推去，搁置，从一个代理转移到另一个代理，被迫重复的说我们的邮寄地址或票号或我们拼命试图通过多种不同渠道一次又一次地描述问题。

不知何故，尽管所有关于机器学习，会话交互和个性化的炒作，绝大多数的客户体验仍然让我们想知道，如果我们被困在特别曲折的黑镜子情节中会怎样？。

实时聊天应该可以帮助我们从呼叫中心的炼狱中解放出来，但实际上它只是创建了另一个对话 - 而且客户体验糟糕，无法吸引用户。然后下一代通信技术出现了。这是一个巨大的飞跃，因为它消除了企业实时聊天的限制，并为客户带来了他们所了解和喜爱的丰富的会话体验。

但大多数客户支持的交互仍然缺少一些内容：上下文。

了解客户是谁，他们来自何处，以及他们过去谈论过的（或从您那里购买过的）对于提供人们期望的个性化体验至关重要。在聊天应用程序和短信到电子邮件和网络聊天等无数对话渠道的世界中维护上下文可能非常棘手 - 更不用说越来越多的语音助理。

好消息是，所有这些对话都是有价值背景的宝库。问题是，大多数企业仍然不知道如何处理它。

上下文改变一切

一些照片非常具有标志性，它们定义了我们对它们所描绘的人的概念。爱因斯坦伸出舌头。切·格瓦拉穿着他的贝雷帽。奥黛丽赫本和她的烟嘴。在我的家庭里，这是我第二次世界大战前已故的祖母的黑白照片。她年轻漂亮，显然是在对着相机旁边的东西微笑。我家有几本，但直到我看到我91岁的祖父的原创照片才真正成为我关注的焦点。

在右边的照片上，以她祖母的笔迹潦草地写着，是她给他的简单信息。这只是用意大利语写的几句话，但是当我读到这封信时，它改变了我对祖父母以及他们之间的关系，爱情以及我所有家族历史的看法。

这也让我意识到，消息的上下文可以与消息本身同样重要。

真正的对话依赖于多层线索

今天的大多数对话技术都集中在对话的表面 - 所说的内容（对话历史），它是在哪被说出的（频道）以及表达它的方式（通过文本，图像，视频，表情符号或其他奇特的消息类型）。

但是就像肢体语言一样，有时候没有说过的话同样重要。

举例来说，一个典型的聊天机器人只能处理它前面的事情，摄取它收到的信息，分析它的意图，并提供最佳的可用响应或行动。它无法做的是考虑到对话周围的环境。另一方面聊天机器人更不会涉及到我们在网络的背后具体上下文，例如距离收银台还有一步之遥的人是不是有购物车？他们最近是否抱怨过消极的客户体验？

如果机器人能够访问这类信息，它可以相应地调整其响应，甚至将信息传递给人工代理，CRM或其他以通知未来的交互软件。在这种情况下，随着机器人变得更加智能（通过真正听取客户告知的内容 - 无论是直接还是间接），企业都可以使其用户体验更具相关性并赢得客户的业务，忠诚度和信任。

这不仅仅是一个过程的改进。这是防止客户生气并找到其他供应商的一种方法。当品牌忠诚度处于低水平的时候，购物者知道他们很容易找到替代品。这就是为什么精明的公司都在寻求通过尽可能无缝沟通和支持来取悦并保留现有用户的方法得原因。

上下文将客户放在中心位置

尽管现在跑马圈地一般的消息应用程序或AI和自然语言处理方面的最新进展很容易让人在不同的技术实现之间来回摇摆，但现代消息传递如此强大的原因并不在于技术 - 而是以人为中心。下次您看到一位青少年在家中用餐沉浸在智能手机中时，请考虑一下她是否被用户界面或Snapchat过滤器的质量所吸引，或者是被对话的直接性和亲密性而影响到。 如果你拿起手机，看着她的消息，你不会知道她与之交往的人都是谁，都有什么特性，并理解她的人际关系的复杂性，你能理解他们吗？可能不会。

这对我们所有人都适用。作为负责构建未来客户体验的人类，我们需要停止将对话视为一系列数据这个观点，并开始专注于处于那些对话中心的人员。

我们需要考虑每个渠道中的每个客户接触点，以此为契机绘制出他们的身份，以形成一个关于这个人是谁以及他们关心的事情的画像。这不是为了向他们出售更多的东西 - 而是要帮助他们解决任何问题，或者做那些可以帮助他们的任何工作。

这些老派消息应用的客户体验如此令人沮丧的原因并不在于公司不知道我们是谁以及我们为什么打电话。这是我们觉得他们应该，因为我们已经告诉他们，或者因为我们知道他们已经有了他们需要的所有来解决它们的信息......只要他们关心足够的连接点的话。

如何缩小差距

在一篇中篇文章中，chatbot平台Assist的首席执行官Shane Mac研究了人们如何点咖啡这个问题。 Mac解释说，大多数机器人都是用按顺序询问一系列问题，直到他们获得所需信息为止的树状结构构建的。

问题在于，这不是关于人们如何谈话。在现实生活中，我们倾向于通过非结构化的对话来订购咖啡，在那里我们只是说出我们想要的，并得到我们需要的东西。有时我们甚至会改变主意，一旦我们看到杯子不合理，我们就会要一杯杏仁牛奶而不是大豆，或者是用小而不是中等大小的杯子。

星巴克barista应用程序其实非常聪明。它需要在处理订单之前填充至少两个“插槽” - 咖啡的“类型”和“大小” - 并且将继续询问问题，直到两个插槽填满为止，而不管它们被填充的顺序如何。

不幸的是，机器人只响应输入到应用程序中的文本 - 它不知道该行另一端的人。如果不是仅仅处理订单，机器人可以随着时间的推移存储和跟踪用户的偏好？

以下是一个简单的数据结构，它可能是这样的：

这种更加智能的插槽填充方法可以让企业解释一个命令，例如“我将需要一个通常大小的杯子”，然后机器人就可以根据一天中的时间，地点，天气以及任何其他可访问的上下文进行判断。

就我而言，它很快就会学到，我在下午3点30分拿到我的拿铁，当我需要额外的一脚时，我有一杯浓咖啡，在炎热的夏日，当我外出时 ，我可能会选择一个很好的冰镇啤酒。

那是过分的要求？

自动化应该为人们服务 - 而不是相反

这种个性化看起来可能是未来主义，但在许多方面，这是过去的一次爆炸，反映了我们一直与当地咖啡师，屠夫或银行出纳员互动的方式。技术的变化可能比以往更快，但人们仍然是人。而作为关心为所有人建立更好的客户体验的企业和人员，这是我们永远无法忽视的一件事。