減少 Einstein 機器人中的偏差

以您的目標受眾為目標建立機器人。

如果小組實作的範圍過寬或過窄，他們會失去關注目標受眾的風險。例如，編寫時處理最廣泛受眾的機器人，可能因對象群組的對話模式和假設標準方言差異過大，導致產生混亂的互動。小組也有可能設計過窄，並使用太多俚語或行業術語，這會讓使用者難以適應，或甚至因文化差異導致不適。

請與目標受眾的專案關係人共用機器人腳本，並根據其回饋意見修訂，藉此微調機器人腳本。您也可以藉由前往對話設計 Trailhead 並雇用對話設計師來檢閱您的工作，以進一步瞭解如何打造機器人對話。

建立平衡且具多樣性的意圖模型，以辨識準確的意圖。

如果機器人以非預期的方向來引導使用者的對話，資料不平衡或缺少多樣資料的意圖模型可能會造成偏差。不平衡的資料模型會讓意圖產生更多的說話方式，進而可能導致不正確的意圖辨識與摒除。對於意圖的多種措辭用法感到困惑的機器人會變成混亂狀態，這會讓使用者感到挫折。

意圖模型透過包含每個意圖大致相同的說話方式數量來平衡。說話方式的最小數量取決於語言，但在所有狀況下，較多種說話方式會導致更精確且可重複的意圖辨識。您想在說話方式中包含多種不同的方式來表示您的意圖。此外，您還希望它們在多種方言、俚語、誤拼及言語障礙之間有所變化，以確保會包含所有受眾。

Einstein 機器人中的許多範本機器人都會預先載入有特定意圖的平衡意圖資料，但您可以透過內部群眾外包或調查公司來取得您自己的意圖資料。請確保您要求為意圖模型產生說話方式的人員已瞭解目標受眾的構成。例如,為大學生建立機器人,以反映正在參加大學的受眾,而不只是年齡介於 18 到 24 歲的人員。若要深入瞭解如何建立出色的意圖模型,請參閱 使用意圖瞭解您的客戶。

建立考慮無障礙和管道特定資訊的機器人。

機器人的設計目的在於存在於特定管道上。每個主要管道 (包括聊天、SMS、Facebook Messenger、WhatsApp 和 Slack) 都有其專屬的方式可提供管道，因此，在未經研究這些方法的情況下建立機器人可能會導致最終產品不佳。當您的機器人一次部署在多個管道時，此問題會造成困擾。

我們建議小組在部署前先在預期的管道上測試他們的機器人，並開啟無障礙工具，以確認機器人適用於所有客戶。若機器人要部署至多個管道，最好將機器人設計為適合最具有限制的管道。例如，以 SMS 上部署的功能表檢視機器人的客戶，必須輸入其選擇，而非按一下功能表項目。在極少的狀況下，自訂項目會使管道之間的設定太過不同，導致無法共用一個機器人。在此情況下，我們建議先複製機器人，再進行自訂。