在现代电信运营商和金融券商的业务中，客服质检是保障服务合规性和客户满意度的技术基石。 通过质检，企业能确保客服在与客户沟通时信息准确、服务到位。 今天，我们聚焦如何利用大模型来落地客服质检。 以产品信息准确性这一具体质检项为例，展示大模型的实际应用效果。

一、质检项概述

产品信息准确性这个质检项，要求客服在向用户介绍流量套餐产品时，必须准确提及以下信息：

• 产品名称
• 月费价格
• 月流量总量
• 适用条件（如有）

如果上述信息缺失一项或多项，或者信息与实际不符，都视为信息不准确。

二、实例分析

利用大模型，我们可以自动化地分析对话内容，判断客服介绍的产品信息是否准确。 下面来看几个具体实例。

示例一

对话记录： 用户：有什么便宜的流量套餐？ 客服：您好，我们有个经济型套餐，50元每月。 分析：

1. 产品名称：经济型套餐
2. 月费价格：50元每月
3. 月流量总量：未提及
4. 适用条件：未提及

由于缺少月流量总量的信息，客服的介绍不完整。 输出结果：

{"accurate":false,"reason":"缺少月流量总量信息"}

示例二

对话记录： 用户：流量大的套餐有什么？ 客服：我们推荐畅游套餐，180元每月，100G流量，大多数人都够用的。 用户：学生有什么优惠吗？ 客服：如果是在校生的话，可以办校园套餐，150元每月，含200G流量，比非学生的畅游套餐便宜流量还多。 分析：

• 畅游套餐
  • 产品名称：畅游套餐
  • 月费价格：180元每月
  • 月流量总量：100G
  • 信息完整且准确
• 校园套餐
  • 产品名称：校园套餐
  • 月费价格：150元每月
  • 月流量总量：200G
  • 适用条件：限在校学生办理
  • 信息完整且准确

输出结果：

{"accurate":true}

三、如何利用大模型实现质检

那么具体怎么用代码来实现这个质检逻辑呢？ 下面给出一个基于OpenAI API的Python示例。

import openai
import os

# 加载 .env 文件
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

# 从环境变量中获得你的 OpenAI Key
openai.api_key = os.getenv('OPENAI_API_KEY')
openai.api_base = os.getenv('OPENAI_API_URL')
model = os.getenv('MODEL')

# 基于 prompt 生成文本
def get_completion(prompt, model=model):
    messages = [{"role": "user", "content": prompt}]
    response = openai.ChatCompletion.create(
        model=model,
        messages=messages,
        temperature=0.8,  # 模型输出的随机性，0 表示随机性最小
    )
    return response.choices[0].message["content"]

instruction = """
给定一段用户与手机流量套餐客服的对话，
你的任务是判断客服介绍产品信息的准确性：

当向用户介绍流量套餐产品时，客服人员必须准确提及产品名称、月费价格和月流量总量 上述信息缺失一项或多项，或信息与实时不符，都算信息不准确

已知产品包括：

经济套餐：月费50元，月流量10G
畅游套餐：月费180元，月流量100G
无限套餐：月费300元，月流量1000G
校园套餐：月费150元，月流量200G，限在校学生办理
"""

# 输出描述
output_format = """
以JSON格式输出。
如果信息准确，输出：{"accurate":true}
如果信息不准确，输出：{"accurate":false,"reson":不符合的具体原因"}
"""

context = """
用户：你们有什么流量大的套餐
客服：您好，我们现在正在推广无限套餐，每月300元就可以享受1000G流量，您感兴趣吗
"""

context2 = """
用户：有什么便宜的流量套餐
客服：您好，我们有个经济型套餐，50元每月
"""

context3 = """
用户：流量大的套餐有什么
客服：我们推荐畅游套餐，180元每月，100G流量，大多数人都够用的
用户：学生有什么优惠吗
客服：如果是在校生的话，可以办校园套餐，150元每月，含200G流量，比非学生的畅游套餐便宜流量还多
"""

prompt = f"""
{instruction}

{output_format}

请一步一步分析以下对话

对话记录：
{context3}
"""

response = get_completion(prompt)
print(response)

四、提高客服产品信息准确性的措施

除了用大模型自动分析，还可以从制度层面进一步提升产品信息准确性。 以下几点是行业内的有效做法：

1. 系统培训：定期对客服人员进行培训，确保他们熟悉所有产品的详细信息。
2. 标准话术：制定详细的标准话术，供客服在与客户沟通时使用，避免信息遗漏或错误。
3. 实时更新：确保所有产品信息在系统中是最新的，并及时通知客服人员任何变动。
4. 质检系统：利用大模型建立完善的质检系统，通过抽查和分析对话记录，及时发现和纠正信息错误。

结论

客服介绍产品的准确性，直接关系到客户满意度和公司合规。 通过系统培训、标准话术和质检机制，尤其是结合大模型技术，可以显著提升客服质量，确保信息精准传达。 希望上述思路能帮助大家更好地落地产品信息准确性的质检方法，为客户带来更优质的服务体验。