Olet tässä:
Keskusteluihin perustuvat suositukset
Selkokielinen suosittelija tuo personalisoinnin Agentforceen tulkitsemalla käyttäjän tarkoituksen reaaliajassa ja syöttämällä sen DLPR-tiedostoon osallistumishistorian kanssa. Live-keskustelusta tulee ensisijainen osallistumissignaali.
Miksi keskustelut tarvitsevat eri signaalin
Verkon personalisointi perustuu epäsuoriin signaaleihin, kuten napsautuksiin, näkymiin ja sivulla olevaan aikaan. Keskustelut toimivat eri tavalla.
- Käyttäjät esittävät haluamansa tiedot pelkällä kielellä
- Tarkoitus voi kattaa useita kierroksia ja käyttää epävirallista tai epätarkkaa kieltä
- Käyttäjän tämänhetkinen kysymys on suurempi kuin historiallinen toimintatapa, kun kaksi kysymystä ovat ristiriidassa
Esimerkiksi lahjan ostaja ei halua suosituksia henkilökohtaisten mieltymysten perusteella.
DLPR käsittelee selkokielistä tarkoitusta ensisijaisena osallistumissignaalina ja kuluttaa sen reaaliajassa tämän eroavaisuuden ratkaisemiseksi.
Miten selkokielinen suosittelija toimii
Selkokielisellä suosittelijalla on kaksi erillistä kulkua - koulutuskulku ja päätelmäkulku. Koulutus suoritetaan offline-tilassa säännöllisesti ja määrittää, tarjoaako suosittelija DLPR- tai semanttisiin hakuihin perustuvia suosituksia. Arviointi suoritetaan reaaliajassa jokaisen Agentforce aikana.
Koulutuskulku
Koulutus valmistelee suosituksen ja määrittää, toimiiko se kylmäalussa. Suosittelija arvioi, onko osallistumistiedot riittävän vahvoja DLPR-mallin tarjoamiseksi. Kun data täyttää tämän standardin, suosittelija aktivoi DLPR:n. Muussa tapauksessa suosittelija käyttää semanttista hakua tarjotakseen suosituksia.
Arviointikulku
Arviointi suoritetaan joka kerta, kun käyttäjä vuorovaikuttaa agentin kanssa.
- Aloita agenttien chat: Agentforce noutaa käyttäjätiedot käyttämällä piilotettuja chattia edeltäviä muuttujia.
- Luokittele lausuma: Agentti luokittelee käyttäjän lausuman Personalized Recommendations -alagenttiksi ja käynnistää alagentin toiminnot järjestyksessä.
- Nouda käyttäjän tarkoitus: Agentforce Ymmärrä käyttäjän tarkoitus käyttää LLM:ää noutaakseen yksiselitteisen ja rakenteellisen tarkoituksen käyttäjän lausumista. Tämä toiminto luo sillan käyttäjän lausumien ja katalogisi välille sisältäviin sanaston aukkoihin ja tukee useiden kielten käännöksiä.
- Saada suosituksia: Agentti kutsuu Hae suosituksia, joka kutsuu personalisoinnin päätösputkea. Suositusjärjestelmä reitittää pyynnön suosituksen lopputuloksen perusteella.
- Palautussuositukset: Jos suosittelija on kylmäalussa, agentti saa semanttisiin malleihin perustuvia suosituksia. Jos ei, agentti saa DLPR-suosituksia plus tekstin upottamiseen perustuvia suosituksia. Agentti esittää suositukset keskustelun sisällä.
Selkokielisten suositusten kylmä aloitus
Selkokielinen suosittelija määrittää kylmän alkamisen koulutuksen aikana, ei pyynnön aikana. Jos DLPR:n arviointitilasto testiosuudessa ei ylitä semanttisen haun perustasoa, suosittelija pysyy kylmässä alussa ja tarjoaa semanttisille hauille perustuvia suosituksia. Kun osallistumistiedot kerääntyvät ja seuraava koulutussuoritus tuottaa vahvemman DLPR-tilaston, suosittelija poistuu kylmäaloituksesta ja siirtyy DLPR plus tekstiin perustuviin suosituksiin.
Mallin syöttämät tiedot
- Live-keskustelu: Käyttäjän lausumat tämänhetkisestä istunnosta.
- Katalogin metadata: Kohteiden otsikot, kuvaukset, kategoriat ja attribuutit, upotettu semanttiselle täsmäykselle.
- Osallistumishistoria: Menneet vuorovaikutukset, kun käytettävissä.
Ohjeita katalogillesi
Koska tarkoitus täsmätään semanttisesti katalogikohteisiin, katalogikuvauksiesi määrä määrittää suosituksen laadun suoraan.
- Kirjoita täydellisiä otsikoita ja kuvauksia, jotka vastaavat käyttäjien luonnollisesti kysymiä termejä.
- Sisällytä kategorioiden ja attribuuttien metadata jokaiselle kohteelle.
- Pidä metadata ajan tasalla, kun katalogisi kehittyy.
