附录
附录一：概念说明
问答对话 将用户的问题匹配到知识库中最相近的知识点上，用该知识点的答案回答用户。
知识点 由问题和答案组成。创建一个知识点需要一个标准问题、多个相似问题和若干个答案。
例如："北京南站怎么样"是标准问题，"北京南站的简介"、"介绍一下北京南站"是相似问题，"北京南站是北京面积最大、接发车次最多的火车站"是答案，以上组成一个知识点。
无意图知识点 与业务无关的用户问题的合集。添加到无意图知识点，会提高机器人回复准确率。当用户问题匹配无意图知识点，机器人会回复兜底回复。
例如：在"北京南站售票机器人"场景中，"虹桥火车站有哪些售票点"这个问题就与场景无关，适合添加到无意图知识点。
兜底回复 当机器人无法理解用户问题时默认的回复。在系统中，兜底回复的策略和答案是可以配置的。
问答召回率 机器人回复数（不含兜底回复）占用户总消息数的比例，更高的召回率意味着更多的用户问题被机器人回复。
例如：用户总消息数100个中，兜底回复10个，机器人回复相关知识点答案90个，那么召回率为90/100=90%。
问答准确率 机器人回复正确数占机器人回复数（不含兜底回复）的比例，更高的准确率意味着机器人有更高的几率正确回答用户问题。
例如：用户总消息数100个中，兜底回复10个，机器人回复相关知识点答案90个，其中正确回复72个，那么准确率为72/(100-10)=80%。
任务对话 有明确流程的业务场景可以通过单轮或多轮的任务对话实现。一个任务对话由一个或多个意图组成。
例如：订机票业务场景中，"订机票"、"查机票"、"退机票"流程清晰规范，可以通过任务对话实现。
意图 在业务场景中，用户想要机器人完成的某一个需求。在系统中，意图由触发器和带有跳转关系的若干对话单元构成。
例如："订机票"、"查机票"、"退机票"是订机票任务对话中的三个意图。
词槽 用于储存任务对话的关键信息。意图流程的走向是由词槽的填充、基于词槽的判断驱动的。
例如：在"订机票"意图中，需要用"出发城市"词槽储存用户提供的出发城市信息。
实体 即特定的信息要素。为了能够从用户的一句话中识别出相关信息，需要让词槽去引用实体。
例如："城市"实体，实体值包含"北京"、"上海"等城市名称，那么在"订机票"意图中，"出发城市"词槽引用"城市"实体，机器人就可以从用户消息中识别出城市名称。
触发器 意图的触发条件，解决在什么场景下开始这个任务，可以通过关键词组或相似问题触发。
例如："活动报名"意图的触发器可以是关键词"报名"，也可以是相似问题"活动如何报名？""怎么报名参加活动？"等。
句式标注 在一句话中满足多个触发意图条件时，可以通过创建句式标注提升某一个意图的触发优先级。
例如：在订机票业务场景中，如果客户询问"订机票后如何退机票"问题时，"订机票"和"退机票"两个意图对于机器人是不易识别的，因此需要通过句式标注"如何退机票"优先触发"退机票"意图，以此类推。
专有词汇 在某个业务领域中独有的，平时不常见的词汇。添加专有词汇及其同义词，机器人会将这些词作为一个整体进行识别。
例如："诸葛亮"、"喜马拉雅山"、"九年义务教育"等。
预设实体 系统提供预先训练好的系统预设实体，可以快速使用。
例如：预设实体"手机号"支持对国内11位手机号的识别和提取。
枚举实体 指实体值可枚举的实体，一个枚举实体可以具有多个实体值。
例如："水果"实体的实体值可设置为"苹果"、"香蕉"、"桃子"等。
置信度 是机器人召回知识点或意图与用户问题的相关程度指标，置信度越高代表越相关，置信度是0到1之间的小数。
例如：用户问"北京南站咋样？"，机器人召回知识点A"北京南站怎么样？"的置信度是0.95，知识点B"北京西站怎么样？"的置信度是0.76，则知识点A与用户问题更相关。
阈值 指置信度区间的界限。设置一个阈值，当机器人匹配用户问题后召回知识点的置信度高于这个阈值，才会回复此知识点的答案。
例如：用户问"北京南站咋样？"，机器人召回知识点A"北京南站怎么样？"的置信度是0.95，知识点B"北京西站怎么样？"的置信度是0.76，知识点C"介绍一下北京南站"的置信度是0.83。假设阈值设置0.8，则知识点A和C被召回。
用户事件 即用户触发的动作。通过事件，可以将用户的动作与机器人联系起来。
例如：用户打开了某个程序，机器人回复一条消息作为欢迎语。
调试机器人 位于机器人页面右下角，可通过调试机器人功能测试机器人效果。
对话单元 构成意图的基本元素。在系统中，内置了多种对话单元，相当于是不同类型的"积木"；将对话单元按照业务流程组织起来，就组合成了意图，相当于将这些"积木"按照图纸拼成一个玩具。
询问填槽单元 机器人询问用户，并根据用户的回复来填充词槽（如果词槽已经被填充，就不会发问）。该单元的核心是询问内容（机器人的询问话术）和词槽（需要获取到的信息）。
例如：询问用户姓名、手机号等。
消息发送单元 可发送消息给用户，可以发一条或者多条消息。它主要会被使用在一个意图的开始和结束。
静默填槽单元 持续监听用户在当前意图流程中发来的消息。如果获取到能填充到关联词槽的信息则填槽，并根据词槽值在当前单元进行分支跳转；如果没有获取，不主动询问用户。
例如：用户说"我要充值"，词槽"流量"未填充则默认"充话费"；用户说"充流量"，词槽"流量"被填充则跳转"充流量"。
词槽运算单元 对词槽进行运算。运算模式有：将词槽重置为一个指定值或清空（重置模式）、将文本或其他词槽的值赋值给词槽（赋值模式）、给词槽中的值做加减乘除运算（计算模式）。
词槽记录单元 通过这个单元，可以将对话中获取到的词槽数据保存为一条记录，该记录可在「数据分析-用户反馈-任务信息收集」页面查看。
表格读取单元 根据指定条件去表格中查找相应内容并存入关联词槽。
意图终点单元 表示当前意图完成。在完成的同时，可以选择直接结束、或从当前意图跳转到指定意图或上一个意图。
意图明确消息 用户消息是语义完整的句子或短语，且表达意思明确
意图不明消息
定义一: 歧义，理解上有两种以上的可能，需根据业务场景与客户共同确认意图
定义二: 指代不明，脱离上下文无法确定具体指代什么
无效消息 1.用户消息没有任何意义，如：哈/？/啊 2.表情，乱码，英文等 3.语音转文字导致无法阅读的消息。如:你嗯啊怎么哦 备注：意图不明消息和无效消息均可归属无语义知识点。
相似说法学习（新知识点学习） 线上用户消息或测试消息与知识库已有消息的置信度约在0.4-0.75之间（默认值），会进入相似说法。由人工审核决定是否入库，常作为已有知识点下新相似问和新知识点的来源。
挖掘 上线前后将语料清洗后导入数据挖掘。常用于挖掘知识点。【适用于有语料项目】
兜底 当机器人无法准确回复用户时，答复时的统一回答
训练集 适用于有语料项目，用来训练模型的有效消息集合
测试集 定义一: 有语料项目，从历史语料中随机抽取，用来验证模型效果的语料集合。测试集和训练集无重叠。【测试集数量至少为知识点数量的3-5倍，即每个知识点平均有3-5个测试消息】 定义二: 无语料项目，通过众包等方式搜集的语料中，用来验证模型效果的语料集合。测试集和训练集无重叠。
集外测试 使用知识库覆盖面内的任意消息模拟用户提问进行批量测试，计算不同阈值下Top N的准召率（测试集数量至少为知识点数量的3-5倍，即每个知识点平均有3-5个测试消息）
附录二：基本泛化方法论
方法1\ 可以对标准问中多个词汇用同义表达进行替换
[标准问]：宝宝喝奶的瓶子能不能用旧的？
[改写结果]：给新生儿用二手的奶具瓶，行不行？
l 改写结果对标准问中的“宝宝”、“喝奶的瓶子”、“旧的”、“ 能不能”分别用“新生儿”、“ 奶具瓶”、“二手的”、“行不行”等含义非常接近的近义词进行了替换。
方法2\ 可以将抽象名词与其口语化的解释互换，来构造多样表达
[标准问]：孕妇应该吃什么水果比较好？
[改写结果]：怀了宝宝的准妈妈应该补些什么水果有利于身体健康
l 孕妇这一抽象名词，可以用怀了宝宝的准妈妈来解释。
[标准问]：宝宝打预防针后有什么不适的症状么？
[改写结果]：孩子打疫苗的后遗症有哪些？
l “后有什么不适的症状”基本等同于 抽象名词“后遗症”
方法3\ 可以使用近年来国内普遍流行的热门新词来做同义词替换
[标准问]：怀孕期间，哪些东西最不该买？
[改写结果]：有了身孕这段时间，哪些草最不值得拔？
l “买东西”的流行说法为“拔草”。
[标准问]：下单寄件一直没有人回应，怎么办？
[改写结果]：下了邮寄快递的订单，一直无人回复，肿木办？
l “怎么办”的流行说法为“肿木办”。此处，“肿木办”不做错别字对待
方法4\ 可以使用基于常识的蕴含表达来提高表达多样性
[标准问]：宝宝黄疸值超120跟母亲是O型血有关系吗？
[改写结果]：初生儿黄疸指标高跟妈妈的血型是O，有没有关联？
l 逻辑上，如果陈述A为真，则陈述B为真。此时，A到B构成了蕴含式表达。
l 在上例中，基于常识，如果“黄疸值超120”为真，则“黄疸指标高”为真。可以使用这种蕴含式的表达来提高表达的多样性。
方法5\ 可以使用基于答案的蕴含表达来提高表达多样性
[标准问]：作文人工精批要多久
[题干答案]：同学您好~ 您提交作文之后，我们会在7个工作日内（工作日不包含周六日还有法定节假日）批改完成哦~ (*￣3￣)╭（考研的作文批改量比较大，相对批改时间会稍微长一点，不过不必担心哈，提交了的老师会尽快批改完毕的）
[改写结果]：考研作文人工批改需要多久
l 用答案中发现的“考研”信息和标准问进行组合
方法6\ 综合使用上述方法
[标准问]：有哪些育儿经验让你觉得很棒？
[改写结果]：有哪些前人用过的大神级的带娃方法？
l 用“带娃”同义词替换“育儿”（方法1）；
l 用“前人用过的方法”替代“经验”（方法2）；
l 用“大神级的”代替“很棒”（方法3和方法4）
附录三：句子成分泛化方法论
作者：黄炎
把泛化当作补充句子成分的过程
—— 一句话说明此方法论的核心
阅前注：
1、此方法论仅针对句型泛化使用，用以对泛化提供部分指导，也可用以对已泛化相似问部分进行检查和必要时的查漏补缺。
2、此方法论暂不足以单独构成完整的泛化体系，需要和其它如近义词替换，根据答案进行泛化等多种方法配合使用。
第一部分：句型泛化的基础
句子成分的泛化方法需要在什么基础句型上进行？
需要将标准问写成 主谓形式 或者 主谓宾形式 ，具体表现为写成下列4种句型中任意一种。
2种主谓结构句型
标准问：合同审核了吗？（名词+动词）
标准问：退票快吗？（名词+形容词）
2种主谓宾结构句型
标准问：法务要审核合同吗？（名词+动词+名词）
标准问：完美会议是非瑕疵会议吗？（名词+系动词『是』+名词）
第二部分：依靠 定语 、 状语 、 补语 的添加对单句进行句型泛化
一 、 加定语 （合适的定语来自于答案中，或来自于业务场景中）
示例标准问：『员工要申请合同权限吗？』
（分析：名词+动词+名词构成的主谓宾结构）
阿斯利康的员工要申请合同权限吗？
——为主语加定语
员工要申请讲者的合同权限吗？
——为宾语加定语
阿斯利康的员工要申请讲者的合同权限吗？
——为主语和宾语同时加定语
阿斯利康的一线员工要申请合同权限吗？
——为主语加2个定语
员工要申请外部的讲者的合同权限吗？
——为宾语加2个定语
阿斯利康的一线员工要申请外部的讲者的合同权限吗？
——为主语和宾语同时加2个定语
二 、 加状语 （合适的状语来自于答案中，或来自于业务场景中）
示例标准问：『员工要申请合同权限吗？』
（分析：名词+动词+名词构成的主谓宾结构）
【一般状语：位于主语、谓语间，提供修饰或限制作用】
【句首状语：放在句首表强调，常用于介词短语作状语的情况】
【状语的添加方式有两种逻辑可遵循：按词性添加、按功能添加】
按词性添加：
员工必须要申请合同权限吗？
——副词作一般状语
员工要马上申请合同权限吗？
——时间副词作一般状语
员工需要申请合同权限吗？
——助动词作一般状语
员工要在ESM系统上申请合同权限吗？
——处所名词作一般状语
员工要在3天内申请合同权限吗？
——时间名词作一般状语
员工要申请合同权限吗，正式员工？
——形容词作状语位置一般比较特殊，常在句后或句首
ESM系统上，员工要申请合同权限吗？
——处所名词作句首状语
3天之内，员工要申请合同权限吗？
——时间名词作句首状语
按功能添加：
员工要为了积分申请合同权限吗？
——介宾短语作状语表目的
员工要因为KPI申请合同权限吗？
——介宾短语作状语表原因
员工要在年底之前申请合同权限吗？
——介宾短语作状语表时间
员工要在ESM系统里申请合同权限吗？
——介宾短语作状语表处所
员工要给自己申请合同权限吗？
——动宾短语作状语表对象
员工是正式职工的话，要申请合同权限吗？
——条件状语表条件、限制
员工一定要申请合同权限吗？
——情态动词作状语表情绪、态度
三、加补语 （合适的补语来自于答案中，或来自于业务场景中）
示例标准问：『机票能改签吗？』
（分析：名词+动词构成的主谓结构）
【补语常见为动词或形容词后面的连带成分，用于补充明说结果、程度、状态、数量、趋势、可能性等】
【补语的添加方式有两种：按词性添加、按目的添加】
按词性添加：
机票能改签成功吗？
——动词作补语
机票能改签得很急吗？
——形容词作补语
机票能改签很多次吗？
——数量短语作补语
机票能改签到第二天吗？
——介词短语作补语
按功能添加：
机票能改签好吗？
——加结果补语
机票能改签到三天以后吗？
——加趋向补语
机票能改签得成吗？
——加可能补语
机票能改签多次吗？
——加数量补语
机票能改签得很快吗？
——加状态补语
机票能改签一下吗？
——加程度补语
机票能改签到明天吗？
——加时间补语
第三部分： 单句变复句 进行泛化
复句泛化一般放在单句泛化之后，泛化部分的内容来自于答案或业务场景
示例标准问：『机票能改签吗？』
（分析：名词+动词构成的主谓结构）
【此处仅涉及 一重复句 复句类型的泛化，因为 多重复句 一般为三句单句以上的组合形式，不太适合当作泛化的问题】
机票要先出票，才能改签吗？
——单句变承接复句
机票改签了一次，能再改一次吗？
——单句变递进复句
机票要提前一天改签吗，还是没起飞就能改？
——单句变选择复句
我想改签机票，但是不知道怎么改
——单句变转折复句
如果要改签机票，怎么操作？
——单句变假设复句
我行程变了，机票需要改签
——单句变因果复句
只要不是打折票，就能改签吗？
——单句变条件复句
机票能改签吗，不然我时间上来不及
——单句变目的复句
机票怎么改签，可以在平台上改吗，还是可以打电话改？
——单句变解说复句
附录四：Chatbot对话设计原则
随着智能对话技术的发展，对话机器人越来越多地出现在人们的日常工作和生活中。相信我们在不同的地方都遭遇过机械生硬、令人失望的对话机器人。那么，在没有表情、动作、语气等交流方式的局限下，如何利用对话设计创造出令用户乐于交互的对话机器人？本文将结合真实案例，介绍我们在对话机器人设计时遵循的基本原则和技巧，让机器人的用户体验变得更加简单友好。
➊传递有价值的信息
对话机器人应该围绕用户需求，在对话过程中传递对用户有价值的信息，我们可以根据以下原则来判断信息的价值。
原则1: 不要传递冗余信息
冗余的信息会给用户带来认知压力，伤害用户体验。具体而言，在CUI（Conversional UI）下，冗余的信息通常会在屏幕上占据大量区域，给用户的阅读带来压力。在VUI（Voice UI）下，冗余的信息需要较长的时间进行播报，浪费用户的时间。
正确案例1：
| Bot | 您是计划申请初高中、本科还是研究生呢？ |
|---|---|
| User | 研究生 |
正确案例2：
| Bot | 那您的微信号是多少呢？老师加您微信发送资料和沟通更方便些。 |
|---|---|
| User | XXXX |
错误案例1：
| Bot | 美国有最多的世界名校和奖学金，教育质量特别好，而且我们申请累积名校录取数超过10万名，申请成功率高达99%。请问同学是想出去读什么阶段的留学课程呢呢？例如：小学，中学，本科，研究生等。 |
|---|---|
| User | 研究生 |
错误案例2：
| Bot | 嗯嗯～ 好的，现在开始了解和准备，时间是比较合适，也是比较有优势，特别是考虑申请名校。 感谢您预约了我们的一对一留学咨询，老师会通过电话与您确认预约的时间地点等信息，而且老师和会根据您的情况并提前为您准备好相关留学资料和规划。 建议您同时留个QQ/微信，大家多个联系方式，方便沟通。 |
|---|---|
| User | XXXX |
原则2: 信息要易于理解
机器人对用户所说的话，要让用户易于理解，且能够基于此做出下一步动作。
正确案例：
| Bot | 同学目前语言方面有考出成绩了吗，托福或雅思？本科的GPA是多少呢？ |
|---|---|
| User | 本科 gpa6.5 雅思7 |
错误案例：
| Bot | 明白的，现在比较多同学也是这样考虑的，确实是不错的选择。 请问您方便大概说一下您的个人情况吗？如：您目前的最高学历、平时成绩、语言情况等等。 |
|---|---|
| User | 本科 |
➋主动管理用户预期
用户在使用对话机器人时，因为可以使用自然语言进行交互，我们很难限制用户说什么和不说什么。然而，今天的自然语言理解和对话技术还存在很多不成熟的地方，我们不可能做出一个全能的对话机器人。因此，我们需要主动管理用户的预期，帮助用户更好地使用对话机器人，从而提升用户的体验。
原则3: 告诉用户机器人能做什么
与其让用户通过试错来了解机器人能做什么和不能做什么，不如开门见山告诉用户。我们可以通过多种途径告诉用户机器人能做什么，比如欢迎语或者兜底回复。
正确案例：
| Bot | 您是想出国就读初高中、本科、研究生？您有心仪的留学国家？ 想了解哪一方面：留学规划、背景提升、考试培训、留学申请、夏校、实习、国际学校择校？ 立即回复【姓名+手机号+咨询内容】，给您最专业的留学建议+最新权威留学资料！ |
|---|
错误案例：
| Bot | 欢迎使用留学咨询中心了解留学、留学考试以及学游等信息，请问有什么可以帮助您？（为确保您能更快获得最新资讯，建议您留下“电话+目前学历+意向国家/留学考试”，我们马上安排专属您的顾问老师回电详细解答！） 您好，我是李老师，请问有什么可以帮您？出国留学、课程培训、学游、短期留学、实习提升等都可以帮您了解哦。 如需合作事宜请直接发送邮件至hezuo@education.com（唯一指定联系方式），如需应聘事宜请直接发送邮件至qiuzhi@education.com，我们将有专人给您回复，谢谢。 |
|---|
原则4: 告诉用户该怎么说
由于今天的自然语言理解技术还不成熟，机器人不一定能理解用户说的所有内容。对于一些比较复杂的概念或表达方式，机器人可以主动引导用户该怎么说。
正确案例：
| Bot | 您是想出国就读初高中、本科、研究生？您有心仪的留学国家？ 想了解哪一方面：留学规划、背景提升、考试培训、留学申请、夏校、实习、国际学校择校？ 立即回复【姓名+手机号+咨询内容】，给您最专业的留学建议+最新权威留学资料！ |
|---|
错误案例：
| Bot | 欢迎使用留学咨询中心了解留学、留学考试以及学游等信息，请问有什么可以帮助您？（为确保您能更快获得最新资讯，建议您留下“电话+目前学历+意向国家/留学考试”，我们马上安排专属您的顾问老师回电详细解答！） 您好，我是李老师，请问有什么可以帮您？出国留学、课程培训、学游、短期留学、实习提升等都可以帮您了解哦。 如需合作事宜请直接发送邮件至hezuo@education.com（唯一指定联系方式），如需应聘事宜请直接发送邮件至qiuzhi@education.com，我们将有专人给您回复，谢谢。 |
|---|
原则5: 告诉用户需要等待
有些场景下，机器人处理用户的请求需要花一定的时间。例如去数据库查询信息、识别用户上传的图片、通过RPA（Robotic Process Automation）去执行一个任务等。这种情况下，机器人应主动告知用户需要等待。
正确案例：
| Bot | 明天上班后顾问老师会尽快和您联系，为您详细介绍和解答问题，请您耐心等耐哦。 |
|---|
错误案例：
| Bot | 我这边帮您记录好您的情况了，请问您还有什么其他问题可以帮到您吗？如无我们北京客服总部的老师会尽快联系您做个简单的了解的，请留意我们020电话；感谢您的关注，有问题可随时联系我们(*^▽^*) |
|---|
➌让用户知道机器人的状态
在对话式的交互过程中，用户无法直观的了解机器人所处的状态，例如机器人是否理解了用户所说的话、机器人接下来要干什么。这是CUI或VUI相比GUI的一个劣势。因此，我们需要在对话过程中，用适当的方式让用户知道机器人的状态，从而提升用户体验。
原则6: 使用确认策略
对话过程中，机器人可以使用确认策略来达到两个目的：
- 告诉用户机器人理解了用户的需求
- 让用户进行确认
确认策略主要有：显性确认、隐性确认、通用确认三种，下面分别介绍。
正确案例1（隐性确认）：
| Bot | 这样吧，您留个联系电话和姓名，我们帮您安排负责美国的老师根据您目前的情况，先帮您做一个规划定位，介绍留学申请时间流程、详细费用和录取条件要求等，您参考下是否适合 |
|---|
正确案例2（隐性确认）：
| Bot | 我这边帮您记录好您的情况了，请问您还有什么其他问题可以帮到您吗？如无我们北京客服总部的老师会尽快联系您做个简单的了解的，请留意我们020电话；感谢您的关注，有问题可随时联系我们(*^▽^*) |
|---|
正确案例3（隐性确认）：
| Bot | 这个手机号是可以加您的微信吧？微信发送资料和沟通更方便些。 |
|---|
正确案例4（通用确认）：
| Bot | 好的， 您留一个方便接收短信的号码，给您发送一份院校排名介绍 相关费用，也包括申请条件、各项分数要求、历年录取、校园环境等，好自己规划一下，资料是免费的 |
|---|
原则7: 使用对话标识
对话标识是让对话更加人性化、更有吸引力的设计方法。对话标识让用户能更好了解对话进展，知道处于对话流程的哪个环节，从而让用户参与度更高。使用对话标识有三种方法：时间线、接收回执、积极反馈，下面分别介绍。
正确案例1（接收回执）：
| Bot | 好的， 您留一个方便接收短信的号码，给您发送一份院校排名介绍 相关费用，也包括申请条件、各项分数要求、历年录取、校园环境等，好自己规划一下，资料是免费的 |
|---|
正确案例2（积极反馈）：
| Bot | 美国有最多的世界名校和奖学金，教育质量特别好，而且我们申请累积名校录取数超过10万名，申请成功率高达99%。请问同学是想出去读什么阶段的留学课程呢呢？例如：小学，中学，本科，研究生等。 |
|---|
正确案例3（积极反馈）：
| Bot | 按照您告诉我们的情况，您的各方面其实都很不错哦，根据我们以往的经验，我们可以帮助您了解和申请的，只要老师辅导您仔细做好规划和准备好文书，您肯定很有希望申请到的，而且到时候我们还会帮您突出优势，冲刺排名更靠前的名校呢。请问您之前有没有做什么留学方面的准备呢？我们的专家老师可以免费为您做个一对一的留学规划，让您先心里有个底哦。 |
|---|
➍充分考虑各种异常
在对话的过程中，用户的行为往往超出我们的预期。例如，用户提供的信息不完整，机器人无法理解用户说的话等等。这些情况一旦发生，往往导致对话无法正常进行。因此，我们应该在对话设计时就考虑到每一句对话可能发生的所有异常情况。以下是一些对话中常见的异常情况及处理方法。
原则8: 理解用户的各种说法
同样含义的一句话、一个词语可以有很多表述方式，是否能够正确识别是检验机器人智能程度的重要指标。虽然这很难，但我们不应该放弃。在设计时，我们要考虑周全，竭尽全力的设计机器人让其能应对用户各种可能的说话方式。在上线后，我们持续收集线上真实用户的各种说法并补充到对话中，让机器人适应性越来越强。
正确案例：
| Bot | 嗯嗯~那您的微信号是多少呢？老师加您微信发送资料和沟通更方便些。 |
|---|---|
| User | XXXX |
| Bot | 明天上班后顾问老师会尽快和您联系，为您详细介绍和解答问题，请您耐心等耐哦。 |
错误案例1：
| Bot | 或者您也可以留下您的QQ/微信，我们可以安排总部资深老师继续为您做更详细的解答。 | |
|---|---|---|
| User | XXXX | |
| Bot | 暂时没收到您的咨询，您有想了解的信息，欢迎在8点-24点和我们联系。或者您可以留下联系电话+微信，我们安排专业老师尽快联系您，为您做更详细的介绍，您也可以加我们的官方微信，专人为您介绍了解 | 明白的，现在比较多同学也是这样考虑的，确实是不错的选择。 |
错误案例2：
| User | 2536312345 |
|---|---|
| Bot | 您输入的手机号格式不对哦，请重新输入正确的手机号？ |
| User | 美国号码 |
原则9: 错误处理
对话系统需要对用户的错误具有包容性。当用户对系统不够了解的时候，会不可避免的犯错，错误可能会导致用户极度沮丧，我们不应该指责、暗示用户做错了，机器人不能识别用户的话不代表这是个错误。但如果处理得当，这会是帮助用户重建信任和信心的好机会。因此我们需要高度专注于如何帮助用户尽可能自然的返回对话流程。以下是一些常见错误的处理方法。
正确案例：
| User | 2536312345 |
|---|---|
| Bot | 请您再确认一下，重新输入正确的手机号哦？ |
| User | 美国号码 |
| Bot | 那您说下您的国外手机号？需要加上国家区号哦，例如美国手机号为1-222-333-4444。 |
错误案例：
| User | 墨尔本电话+61 0421212345 |
|---|---|
| Bot | 看到您输入的手机号有误哦，请正确输入，谢谢。 |
原则10: 消除不确定性
用户和机器人对话一定带有某种意图，但有时并不能清楚的描述出来，甚至需要我们提供建议。这时我们需要通过清晰的引导，不断缩小选择范围，帮助用户聚焦，促使用户做出判断。
正确案例：
| User | 哪个国家不收取学费？ |
|---|---|
| Bot | 很多国家都有免学费的项目，您对哪个国家感兴趣？ |
错误案例：
| User | 哪个国家不收取学费？ |
|---|---|
| Bot | 您这个情况比较特殊，建议您留下您的联系电话，我想需要安排我们的专业顾问为您详细做评估后再确定。 |
➎提供个性化的体验
一个好的对话机器人不仅能理解用户所说的话，也要知道用户是谁。除了用户所说的话，用户的属性、标签、历史行为等都可以作为对话机器人的信息输入，为用户提供个性化的内容和服务，让机器人变得更加智能。
原则11: 新用户vs老用户
我们可以为新用户提供充分的指导和帮助，但对于老用户来说这些贴心的引导会变成累赘的信息。如果我们能够分析用户和机器人沟通的频率和次数，判断用户对系统的熟练程度，就能为不同活跃度的用户提供更合适的对话体验和服务。
正确案例：
| Bot | 这样吧，您留个联系电话和姓名，我们帮您安排负责美国的老师根据您目前的情况，先帮您做一个规划定位，介绍留学申请时间流程、详细费用和录取条件要求等，您参考下是否适合 |
|---|
原则12: 尽量不去主动询问
我们可以通过对用户历史信息的收集和记忆，以及通过外部CRM获取用户属性，帮助机器人更好的理解用户，跳过冗长的信息收集，直接提供更具个性化的对话体验和服务。
正确案例：
| Bot | 我这边帮您记录好您的情况了，请问您还有什么其他问题可以帮到您吗？如无我们北京客服总部的老师会尽快联系您做个简单的了解的，请留意我们020电话；感谢您的关注，有问题可随时联系我们(*^▽^*) |
|---|