始终秉持以客户为中心的服务理念

提供多元化的解决方案，以云端优势推动企业实现数智化转型，以AI技术为企业提供高效便捷的工具

专注于赋能企业数智化转型

为企业提供云端架构咨询、项目迁移、混合云环境托管、培训与多样化的上云解决方案

【客户案例】- 使用Askture聊天机器人，助力某游戏公司平均增加35%玩家游戏时长

2024-04-30 22:05

rivergame客户案例.png

客户是一家业内知名的游戏公司，拥有数百万忠实玩家，游戏产品涵盖多个热门品类和题材。为了进一步提升玩家体验，客户决定引入智能化的游戏内聊天机器人助手，以解答玩家在游戏过程中遇到的各种问题，提供实时的游戏攻略、玩法技巧等。

考虑到游戏场景的特殊性，该聊天机器人需要深度理解游戏内容，掌握大量游戏专业术语，并能够进行多轮对话交互。同时，聊天机器人作为连接玩家与游戏的重要触点，未来还将承载更多功能，如发布游戏公告、推广促销活动、收集玩家反馈等，对机器人的全面能力提出了更高要求。

经过慎重评估，客户选择了我们成熟的Askture方案。通过使用Askture进行海量的问答训练，大幅强化了机器人应对复杂问题、提供高质量答复的能力。我们还针对客户的实际业务场景，对模型进行了定制优化，补充了游戏领域知识，使其充分理解玩家需求，响应专业问询。

借助我们的Askture解决方案，客户的游戏内聊天机器人上线后表现出色，获得了玩家的广泛好评。围绕玩家痛点，机器人提供了详尽的问题解答和个性化游戏指导，促进了玩家的游戏体验与互动频次。作为游戏内重要功能，聊天机器人为客户实现了用户活跃度提升、留存率增长的业务目标，为游戏的长期运营带来了显著价值。

客户需求与挑战

客户看中了大语言模型在游戏内聊天机器人方面的巨大应用潜力，希望借助智能化的聊天助手，在玩家问题解答和互动体验方面实现重大突破。同时亚马逊云科技提供了丰富的云托管服务，让客户可以在个性化服务能力上实现质的飞跃。

通过与客户的磋商，我们最终决定为客户的游戏内聊天机器人开发以下三个模块：

1. 游戏知识库模块：

• 游戏术语库：建立游戏专业术语知识库。支持导入、存储游戏术语并建立索引；支持对游戏规则、玩法机制、角色设定等内容的检索；支持自动同义词识别和关联；支持知识库的持续扩充与更新。

• 游戏攻略库：建立游戏攻略知识库。支持导入、存储官方和玩家贡献的游戏攻略，并基于内容建立索引；支持全文检索和关键词搜索；支持根据玩家角色等级、装备、进度等条件筛选攻略内容。

• 游戏资料库：建立游戏资料知识库。支持存储游戏截图、视频、插画等多媒体内容，并提供检索功能；支持玩家上传游戏内容，丰富资料库；支持根据内容标签、关键词等组织管理资料。

2. 智能问答模块：

• 游戏问题解答：基于游戏知识库，实现智能化的玩家问题解答。对玩家提出的各类游戏疑问进行语义理解，通过知识库检索、关联、组合生成回答；支持多轮对话厘清玩家需求，提供精准的问题解答。

• 个性化游戏指导：基于玩家画像，提供个性化的游戏攻略推荐。对玩家的提问内容、角色信息等进行分析，从游戏攻略库中匹配最相关的内容，并根据玩家特点给出有针对性的游戏建议。

• 自动问题识别：通过机器学习算法，自动识别玩家常见问题并总结标准答复。支持从聊天记录中自动挖掘高频问题，提取关键信息形成QA对；支持定期人工审核，不断扩充问答库。

3. 游戏运营模块：

• 活动信息发布：支持通过聊天机器人向玩家发布游戏活动信息。活动上线时，自动推送相关公告，引导玩家参与；活动期间，主动提示玩家进行任务、抽奖等互动，提高活动参与度。

• 玩家反馈收集：支持通过聊天机器人收集玩家反馈。引导玩家提交游戏建议、问题报告等内容，并自动进行分类、提取关键词，便于运营团队跟进处理；对玩家反馈进行情感分析，实时监控玩家舆情动向。

• 新手指引服务：为新玩家提供全面的游戏指引服务。根据新手教程的内容，提供分步骤的引导，帮助新玩家快速熟悉游戏玩法；针对新手常见问题，提供标准化答复，减少新玩家的疑惑和流失。

伊克罗德信息提供的解决方案

1. 游戏知识库构建：

• 客户提供的游戏资料主要包括游戏规则、角色设定、武器装备、任务攻略等内容，其中既有结构化的数据，也有非结构化的文本和多媒体内容。

• ECR协助客户构建了自动化的数据处理流程，客户的知识库管理员可以通过UI或者API接口上传知识文件到S3。

• S3事件触发Lambda，Lambda会启动自动判断文件类型，并启动不同的任务切分文档。

• 然后调用Embedding模型对拆分后的文档进行Chunk Embedding，再将Embedding向量和原始语料写入到OpenSearch中。

2. 智能问答方案：

• 伊克罗德信息协助客户完成了聊天机器人的整体架构设计和开发。

• 我们使用Lambda集成LLaMA 3大语言模型构建了对话管理模块，负责玩家意图识别、槽位填充、多轮对话状态管理等。

• 问答交互环节中，我们通过OpenSearch的向量引擎实现知识库的语义检索，再将检索结果和玩家问题一并输入到 LLaMA 3 生成回答。

• 基于AWS Lambda Serverless计算服务托管问答逻辑，并通过API Gateway提供Restful API，集成到客户的应用中。

• 整个架构全面容器化，利用ECS实现弹性伸缩。我们还基于CloudWatch实现了聊天日志的监控告警。

3. 游戏运营支持方案：

• 我们为客户开发了灵活的聊天机器人运营配置后台。

• 通过这个后台，客户的运营人员可以便捷地更新游戏知识库，只需要将新的游戏资料上传到S3，就能自动触发OpenSearch的索引更新。

• 后台还具备对话审核功能，运营人员可以查看玩家和聊天机器人的对话记录，及时调整对话逻辑。

• 当机器人遇到无法回答的问题时，运营人员可以通过后台提供人工答复。

• 经过脱敏处理后补充到知识库中，实现机器人的持续学习。

• 针对机器人识别到的高频问题，系统还会自动生成热门问题报告，帮助运营团队优化游戏。

结果与收益

1. 玩家体验显著提升：

• 聊天机器人上线后，96%的玩家问题能够通过机器人获得解决，显著降低了玩家求助客服的频次。

• 玩家对聊天机器人的满意度达到95%，其中92%的玩家认为机器人提供的回答非常准确和有帮助。

• 通过智能问答减少玩家卡关时间，游戏任务完成率提高了28%，玩家平均游戏时长增加了35%。

2. 运营效率的提高：

• 借助知识库的自动更新机制，运营团队发布游戏攻略的效率提高了60%，大幅节约了人力成本。

• 通过对话审核和热门问题报告，运营团队能够第一时间发现玩家关注的热点，游戏优化的及时性提高了45%。

• 引入人工答复辅助训练机制后，聊天机器人每月新增1000+自动应答话术，知识库覆盖率持续提升。

3. 业务指标全面向好：

• 借助聊天机器人开展新手指引，新玩家次留率从45%提升到78%，流失率下降了40%。

• 通过机器人精准推送活动信息，活动参与率平均提升32%，特定活动的付费转化率提升高达50%。

• 受益于玩家体验提升和运营效率加强，游戏的月活跃用户数增长25%，付费用户数增长18%，ARPU值增长12%。

4. 技术能力不断增强：

• 通过该项目的实践，客户技术团队掌握了知识库构建、语义检索、对话管理、LLM应用等多项关键技术。

• 基于亚马逊云科技的Serverless架构和DevOps实践，研发效率提升60%，新功能上线周期缩短50%

• 聊天机器人平台逐步成熟，已在客户的项目中推广应用，通用性和可扩展性得到验证。

UML用例

我们将客户业务场景下，聊天机器人的用户划分为三类角色：

1、知识库管理员：这类角色主要由客户的游戏策划、运营人员等担任。他们通过我们提供的知识库管理平台，进行游戏资料的上传、分类、审核等操作，丰富完善聊天机器人的知识库。我们的解决方案支持包括游戏文档、攻略、图片、视频等多种格式的游戏资料导入。

2、游戏内玩家：当玩家在游戏内遇到问题或需要获取攻略信息时，可以直接通过游戏内置的聊天界面向机器人发起提问。玩家的问题会通过API Gateway被转发到我们的智能问答引擎。引擎首先调用Amazon OpenSearch Service对知识库进行语义检索，再将检索结果和玩家问题一并输入到托管在AWS SageMaker上的LLaMA 3模型进行生成回答。最后，生成的回答会通过API Gateway返回给游戏客户端，呈现给玩家。

3、游戏客服人员：我们的聊天机器人方案能够解答80%以上的常见玩家问题，但对于一些复杂或个性化的问题，可能仍然需要人工客服介入。我们的方案支持与客户现有的客服系统无缝集成。当聊天机器人遇到无法回答的问题时，可以自动将玩家引导至人工客服，并将前期对话记录传递给客服人员，实现机器人与人工客服的平滑切换，既提高了客服效率，又确保了服务质量。

解决方案架构