阿里云瓴羊-智能客服解决方案专家-北京

1、根据消费零售、制造、汽车、医疗健康等行业用户的业务需求，提供智能客服产品的针对性整体解决方案，包括咨询、规划、客制化需求确认等工作 2、完成目标客户提案、技术交流、方案宣讲、产品演示及相关项目销售攻关的技术支持 3、对大模型在智能客服场景的应用有丰富的认知，具备AI Agent项目的售前和落地经验 4、深入洞察客户的痛点、需求、及面向未来的机会点，设计并呈现优秀的大模型应用解决方案 5、跟踪行业客户需求的发展趋势和发展方向，与产品团队紧密合作，优化和完善公司产品和解决方案

1.能独立负责本地生活领域酒店旅行和到餐到综团购行业方向。基于各业务的特性、阶段策略及服务旅程，与业务及服务运营团队共识目标，从复杂的客户场景中迅速理解、定位、抽象问题，设计和推动负责业务-服务全链路的服务解决方案，包括但不限于系统产品能力、流程优化、指标评估体系、运营机制。能够快速、高质量响应支持业务发展，完成体验、成本、效率和风险四者高质量的平衡。 2.以客户为中心理解业务逻辑及其对应的服务逻辑，结合业务特点、业务发展诉求、内外部环境等因素独立完成年度目标制定、财务成本核算，完成战略-目标-举措的有效拆解，完成产品能力及建设节奏规划，包括但不限于：让每个业务具备符合自己业务特性的客服工作台，通过信息精简优化、页面合理布局、智能算法及大模型等能力应用，让简单问题通过自动化、智能化方式解决，让复杂问题在人机督导下更快更好的解决。 3.能在涉及多客户、多职能、多协同方的复杂项目中识别出关键手段，在复杂场景中定位问题，通过良好沟通、资源协调、优先级判断，能够跨公司、跨部门、跨职能、跨领域协同各团队共同发现问题、定义问题、解决问题，达成项目目标，创造客户价值，建立影响力。 4.深入客服工作环节与流程，完成数据分析、场景洞察并做平衡取舍，通过系统能力建设协助提升客服解决能力和工作效率。基于到店业务在商品、交易、履约模式上的特性完成平台基础产品的架构整合、行业适配、解决方案模板沉淀，兼具流程标准化、业务情景化思维，利用大模型推动美团服务从自动化走向智能化。 5.主动推动需求管理、部门合作、运营推广等机制的建立，更快更好的推动业务在源头上解决问题、降低问题发生，或提供所需资源支持，以服务体验飞轮驱动增长，长期为客户成功负责。 6.具备独立完成行业调研的意识及能力，了解内外部动态及实践方案。具备商业格局且关注客户细节，坚持学习并创新，能结合具体业务场景落地应用。通过重要项目的深度复盘总结，打造成功案例，提炼出可复用到相似场景、同质业务的工作方法及前瞻性思考。

1.能独立负责本地生活领域酒店旅行和到餐到综团购行业方向。基于各业务的特性、阶段策略及服务旅程，与业务及服务运营团队共识目标，从复杂的客户场景中迅速理解、定位、抽象问题，设计和推动负责业务-服务全链路的服务解决方案，包括但不限于系统产品能力、流程优化、指标评估体系、运营机制。能够快速、高质量响应支持业务发展，完成体验、成本、效率和风险四者高质量的平衡。 2.以客户为中心理解业务逻辑及其对应的服务逻辑，结合业务特点、业务发展诉求、内外部环境等因素独立完成年度目标制定、财务成本核算，完成战略-目标-举措的有效拆解，完成产品能力及建设节奏规划，包括但不限于：让每个业务具备符合自己业务特性的客服工作台，通过信息精简优化、页面合理布局、智能算法及大模型等能力应用，让简单问题通过自动化、智能化方式解决，让复杂问题在人机督导下更快更好的解决。 3.能在涉及多客户、多职能、多协同方的复杂项目中识别出关键手段，在复杂场景中定位问题，通过良好沟通、资源协调、优先级判断，能够跨公司、跨部门、跨职能、跨领域协同各团队共同发现问题、定义问题、解决问题，达成项目目标，创造客户价值，建立影响力。 4.深入客服工作环节与流程，完成数据分析、场景洞察并做平衡取舍，通过系统能力建设协助提升客服解决能力和工作效率。基于到店业务在商品、交易、履约模式上的特性完成平台基础产品的架构整合、行业适配、解决方案模板沉淀，兼具流程标准化、业务情景化思维，利用大模型推动美团服务从自动化走向智能化。 5.主动推动需求管理、部门合作、运营推广等机制的建立，更快更好的推动业务在源头上解决问题、降低问题发生，或提供所需资源支持，以服务体验飞轮驱动增长，长期为客户成功负责。 6.具备独立完成行业调研的意识及能力，了解内外部动态及实践方案。具备商业格局且关注客户细节，坚持学习并创新，能结合具体业务场景落地应用。通过重要项目的深度复盘总结，打造成功案例，提炼出可复用到相似场景、同质业务的工作方法及前瞻性思考。

团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量；具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应；精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。