Bruke hensikter til å forstå kundene

Chatbots kan deles i følgende kategorier:

• Menybaserte roboter, der brukere velger en bane basert på en meny med alternativer som roboten gir sluttbrukeren. Disse robotene er enkle å konfigurere, leverer høy verdi for lavnivåoppgaver som tilbakestilling av passord, og hjelper deg å levere en god opplevelse til kunden.
• NLP-roboter, som baseres på naturlig språkbehandling for å tolke fritekst. Med NLP-roboter kan brukeren definere hvor roboten går, så de har mer kontroll over opplevelsen. NLP-roboter kan også tolke flere informasjonsdeler i ett uttrykk som sendes av kunden, som kan redusere antall trinn som kreves for å fullføre en oppgave.
• Hybridroboter som bruker menybaserte metoder og NLP-metoder på riktig tidspunkt for å skape en blandet opplevelse. Inkludering av en meny kan hjelpe kunder som trenger en ide om hva roboten kan gjøre. Integrering av NLP bidrar også til at roboten virker smartere og mer samtalebasert.

Er roboter nytt for deg? Start her

Start med menybaserte roboter hvis Einstein-roboter er nytt for deg. Hvis du er kjent med å bygge arbeidsflyter, bruke Prosessbygger eller bygge flyter, ligner prosessen på å opprette en menybasert robot. Når du bygger en menybasert robot, er det nyttig å bruke kartvisning for å visualisere hvordan alle dialogene fungerer sammen.

Selv om du starter med en meny, kan kunder fremdeles skrive inn tekst til roboten din. I meldingskanaler aktiverer sluttbrukeren roboten ved å skrive et spørsmål først. Nysgjerrige brukere teste også en robot ved å skrive inn tekst. Bruk Forvirret-dialogen til å fange opp inndatateksten, og oppfordre sluttbrukeren til å velge en oppgave som roboten kan utføre, ved å omdirigere dem til menyen.

Opprette en hybridrobot: Starter med nøyaktig samsvar

Når du er komfortabel med den menybaserte roboten, er det tid for å oppgradere til en hybrid robot. En av de enkle måtene å utvide til en hybrid robot på er å bygge ytringer for vanlige uttrykk, som hovedmeny, overfør til agent eller avslutt chat.

Legg til disse ytringene manuelt i hensikten. I chatbot-bransjen er en ytring et begrep for inndata fra kunden. Hvis du vil ha mer informasjon, kan du gå til Bruke nøyaktig samsvar for hensikter.

Merk Nøyaktig samsvar skiller mellom små og store bokstaver, så inkluder alle tilgjengelige stavemåter og små og store bokstaver i ytringen for å sikre godt samsvar.

Den beste måten å identifisere når du er klar til å gå over til en hensiktsmodell på, er å gjennomgå chatteloggene. Hvilke vanlige uttrykk stiller kundene til roboten? Det er sannsynlig at de stiller roboten de samme spørsmålene som de stiller servicerepresentantene dine. Hvis ytringene gjelder for en oppgave som du føler at roboten kan håndtere, som å kansellere en avtale, er de sannsynligvis gode tillegg til hensiktsmodellen.

Du er klar til å bygge en hensiktsmodell når du tror at du har nok ytringer, eller kan opprette nok ytringer, til å utstyre to til fem hensikter.

Bygge en hensiktsmodell

Einstein Bots tilbyr to hensiktsmodeller, den opprinnelige hensiktsmodellen og den krysspråklige hensiktsmodellen. Begge modellene kan brukes til roboter med ett eller flere språk, men de har forskjellige forutsetninger og brukstilfeller.

Merk

Fra og med uken 30. oktober 2023 bruker nylig opprettede eller klonede roboter og robotversjoner som standard den flerspråklige hensiktsmodellen, inkludert roboter med ett og flere språk.

Før du oppfyller minimumskravene, bruker begge modellene eksakt samsvar som standard. Når du har oppfylt minimumskravene, kan du slå Einstein på for å bruke naturlig språkbehandling for hensikten. Deretter kan du bygge hensiktsmodellen fra Modellbehandling-siden i robotbyggeren.

Du kan bytte mellom modeller, men du må oppfylle minimumskravene for modellen du vil aktivere og bygge modellen på nytt. Du kan ikke bytte fra den flerspråklige hensiktsmodellen til den opprinnelige hensiktsmodellen hvis roboten bruker et språk som støttes bare for den flerspråklige hensiktsmodellen.

Start med å identifisere dialoger som er gode kandidater for å bygge hensiktsmodellen. Hensiktmodeller består med flere hensikter, som har mange ytringer tildelt til hver hensikt. Her er en del viktig informasjon du bør vite om når du starter hensiktsmodellen:

• Bygging av hensiktsmodell med Einstein-roboter støttes på følgende språk: Definere språk for Einstein-roboten
• Hensiktmodellen må være balansert når det gjelder antall ytringer per hensikt for å unngå at roboten tar objektive beslutninger.
• Vi anbefaler maksimalt 100 hensikter for bedre modellnøyaktighet. Hvis du trenger flere enn 100 hensikter, kan du vurdere å opprette en hierarkisk klassifisering for å veilede roboten.
• Den maksimale lengden på hensiktsetiketten er 180 tegn, så det er viktig å redigere etiketten til de viktigste uttrykkene.
• Vurder å gruppere lignende hensikter. Hvis du har hensikter som er like, eller hvis du finner ut at én hensikt er klassifisert som en annen, kan du vurdere å gruppere dem sammen. La oss si at du finner overlappinger i tre hensikter: "Hvordan søke om lisens under 16", "Hvordan søke om lisens når 16" og "Hvordan søke når 17 år og eldre". Modellen vil yte bedre hvis de grupperes i én hensikt: "Hvordan søke om tenåringslisens".
• Hensikter kan deles på tvers av versjoner av samme robot.

Enkelte hensikter kan dra nytte av tekstidentifikasjon, men har ikke nok ytringer til å holde hensiktsmodellen balansert. I disse tilfellene kan du bruke Nøyaktig samsvar på hensikten, som muliggjør tekstidentifikasjon uten å påvirke hensiktmodellen.

Skrive ytringer og sette sammen en god hensiktsmodell

For å laste mange tilknyttede ytringer i én hensikt samtidig anbefaler vi at du bruker Einstein-hensiktsett, som fungerer som AppExchange-pakker. Du kan installere hensiktssett én gang og bruke dem på alle roboter. Det er en fin måte å starte på med vanlige hensikter, som "Hvor er bestillingen min" eller "Planlegg en avtale".

Du kan også legge til ytringer manuelt i hver hensikt. Les mer om hvordan du legger til ytringer manuelt i Skrive ytringer for Einstein-roboter.

Hvis du vil teste et nytt tillegg til hensiktsmodellen, er det enkelt å importere og eksportere hensiktsdata for å teste i en Sandbox-organisasjon først. Les mer under følgende emner:

• Importere hensiktsdata til en robot
• Importere hensiktsdata til et Einstein-hensiktssett
• Eksportere hensiktsdata for Einstein-roboter

Gjenta, Gjenta, Gjenta roboten

I likhet med et virtuelt kjæledyr kan roboten alltid dra fordel av oppmerksomhet. Du kan legge til en ny versjon av en robot for å teste nye dialoger, enheter og variabler uten å avbryte kundeopplevelsen. For hensiktsmodellen kan du bruke siden Robotopplæring til å forbedre kvaliteten på hensikts samsvar. Du kan bruke Modellbehandling-menyen til å kvantifisere hvor nøyaktig roboten er ved identifisering av en hensikt. Du kan bruke AppExchange-verktøyet Einstein Intent Assessor til å visualisere nøyaktigheten av hensiktsmodellen.

Etter hvert som roboten samhandler med kundene dine, endres modellens score og roboten må oppdateres for å tilpasse seg. Vi anbefaler at du utfører følgende vedlikeholdsoppgaver én gang i uken:

• Gå til Modellbehandling-siden for å identifisere hensikter som kan forbedres.
• Hvis du vil identifisere vanlige spørsmål som er kandidater for nye hensikter, gjennomgår du chattedataene i hendelsesloggene.
• For å forsikre deg om at robotøktene er uten feil, og for å identifisere viktige trender blant økter, leser du hendelsesloggene.

Merk Chattedata og hendelseslogger er bare tilgjengelige for de siste 7 dagene. Hvis du vil utvide vedlikeholdsintervallet, anbefaler vi at du laster ned dataene eller overfører dem til et eget objekt.