搭建问答社区，需特定的模型来识别问题的质量和分类，否则容易导致无效问题会一直下发给坐席或其他用户进行查阅。同时大部分用户的提问大同小异，可采用统一的标准回答来解答。

搭建标准化的问答知识库，可以指定标准问题和回答，对问题进行统一分类。搭建问题的质量判断，可以有效识别出用户提问的精准度和有效性，可以释放更多坐席时间来解决有效问题，降本提效。

同时招募一群优质的用户专家，用户作为稍微专业等人员可自主报名参与解答用户嗯体，节省坐席人力，提高回答时效。

一、问答功能场景1. 基础流程图

2. 提问处理步骤

用户在问答社区提问：

调用用户声音分类模型，识别用户的问题是属于何种类型（如是投诉、咨询、跟公司业务相关、平台功能使用等）；

问题匹配已设定的问答知识库，判断是有与知识库有相似的问题，相似度达到80%以上的默认用知识库的解答作为回答。若无法回答则进入问题质量识别流程；

问题质量识别，AI模型识别内容的质量优、中或差。对于差内容，直接进行过滤。问题质量判断标准如下：

识别为优的问题在1小时内和中的问题在3小时内无人回答，自动下发给6个用户专家回答。

3. 问答信息流

在前端刷问答信息流，获取展示在前端的逻辑如下。

问题推荐的模型因子和占比：

外露问题回答的规则：

不符合上述条件的回答不外露。

4. 前端页面设计

竞品参考：百度知道、知乎

社区最简单从0-1的搭建形式：打造优质的问答栏目 + 问答信息流

4.1 优质问答栏目：

4.2 问答频道页：

4.2.1 栏目入口

4.2.2 问答信息流

项目总结

针对提问流程，实现AI自动过滤分类 -> 匹配知识库 -> AI自动回复 -> AI内容质量判断 -> 智能派单，下发问题 -> 监控质检 -> 提取优质的内容在前端展示。整个全流程可以释放坐席手动回复用户问题的人力投入，同时通过智能化识别自动提炼出值得回答的问题分发给用户，选取优质的回答展示，可以降低运营成本，提升优质问答社区的建设。

当社区的氛围形成积极正向的循环，才能持续不断地吸引用户来建设社区。人工运营成本着实太高了，如果可以通过更多智能化的方式解决，应该更能降本提效。