使用意圖瞭解您的客戶
對於大多數的管理員而言,透過意圖管理使用「自然語言處理」(NLP) 是未知的領域。請務必記住,建造機器人是一種反覆執行的程序 - 從小型機器人開始,然後將它建造成複雜的機器,都是過程的一部分。當您得到客戶的回饋意見並檢閱資料時,您的機器人將以您從未想到的方式成長!
必要版本
| 檢視支援的版本。 |
聊天機器人可以分類成以下種類:
- 功能表型機器人,使用者可以根據機器人傳遞給使用者的選項功能表來選取路徑。這些機器人容易設定、可在如密碼重設之類的低階工作上發揮高價值,並幫助您為客戶提供精密設計的體驗。
- NLP 機器人,依賴自然語言處理解譯自由文字。NLP 機器人可讓使用者定義機器人移動的位置,讓使用者能更進一步控制體驗。此外,NLP 機器人會解譯客戶所傳送一個片語內的多項資訊,這可以減少完成工作所需的步驟數。
- 混合型機器人,在正確的時間使用以功能表為基礎的方法來建立混合的體驗。內含功能表可以幫助需要瞭解機器人用途的客戶。此外,整合 NLP 也有助於讓機器人聽起來更聰明、更能對話。
機器人新手?從這裡開始
如果您是 Einstein 機器人新手,請從功能表型機器人開始。如果您熟悉產生工作流程、使用「流程產生器」或產生流程,則建立功能表型機器人的方式很類似。當您產生功能表型機器人時,使用「對應檢視」有助於視覺化所有對話一起運作的方式。
即使您從「功能表」開始,客戶仍可對您的機器人寫入文字。在「傳訊」管道中,使用者可以透過先撰寫問題來啟用機器人。此外,好奇的使用者可以輸入文字來測試機器人。您可以使用「困惑」對話來擷取輸入文字,並透過將使用者重新導向至功能表的方式來鼓勵他們選擇機器人可以完成的工作。
建立混合型機器人:從完全符合開始
您對於功能表型機器人感到滿意後,是時候升級為「混合型機器人」。擴展為混合型機器人最簡單的方法之一,就是為如「主要功能表」、「轉接給工作人員」或「結束聊天」等等常用片語產生說話方式。
手動將這些說話方式新增至意圖。在聊天機器人產業中,說話方式是您客戶輸入的字詞。如需詳細資訊,請參閱意圖使用完全符合。
確定您何時準備好移到意圖模型的最佳方法為查看聊天記錄。您客戶常問機器人的片語是什麼?他們可能會向機器人提出與向服務代表提出相同的問題。如果說話方式適用於您認為機器人可以處理的工作,例如取消約會,則這些說話方式或許能完善地補強意圖模型。
當您認為有足夠的說話方式,或者能夠建立足夠的說話方式來搭載二到五個意圖時,您便準備好產生意圖模型。
建立意圖模型
Einstein 機器人提供兩個意圖模型,原始意圖模型與 跨語言意圖模型。兩種模型都可用於單一或多國語言機器人,但其先決條件和使用個案不同。
自 2023 年 10 月 30 日開始,新建立或複製的機器人與機器人版本將預設為跨語言意圖模型,包括單一語言與多重語言機器人。
| 原始意圖模型 | 跨語言意圖模型 | |
|---|---|---|
| 先決條件 | 3 到 5 個意圖 每個語言和每個意圖 20 種說話方式 |
2 或更多個意圖 每個語言和每個意圖 1 種說話方式 |
| 訓練 | 建立模型時,系統會使用您說話方式中的 80% 來建立模型,而其餘部分則會隨機保留用於進行測試。 | 所有的說話方式皆用於建立模型。 |
| 輸入測試 | 若要測試說話方式,您必須在意圖中包含該語言中的 20 種說話方式,並建立模型。 | 將該語言的訓練資料新增至模型之前或之後,您可以針對任何支援的語言測試說話方式。 |
| 效能 | 針對意圖所有語言的合併 F1 分數,其中至少有 20 種說話方式。 意圖的 F1 分數是以意圖中 20% 的說話方式為基礎。由於透過每個建立隨機保留說話方式來進行測試,因此每個建立之間,針對意圖的 F1 分數可能會有所不同。 |
針對意圖所有語言的合併 F1 分數,其中至少有 20 種說話方式。 意圖的 F1 分數是以意圖中所有的說話方式為基礎。 |
符合最低需求前,兩個模型預設為完全符合。符合最低需求後,您可以開啟 Einstein 來針對意圖使用自然語言處理。接著,您可以從「機器人產生器」的「模型管理」頁面建立意圖模型。
您可以在模型之間切換,但您必須符合要開啟和重新建立模型的最低需求。若您的機器人使用僅支援跨語言意圖模型的語言,則您無法從跨語言意圖模型切換至原始意圖模型。
首先找出哪些對話適合作為用於產生意圖模型的候選項目。意圖模型是由多個意圖所組成,具有許多指派給每個意圖的說話方式。在啟動意圖模型時,需要瞭解以下重要資訊:
- 以下語言支援使用 Einstein 機器人建立意圖模型:定義 Einstein 機器人的語言
- 意圖模型必須在各意圖的說話方式數量上保持平衡,以防止機器人做出不偏不倚的決定。
- 建議最多 100 個意圖,以得到更佳的模型準確性。如果您需要超過 100 個意圖,請考慮建立階層式分類來指引機器人。
- 意圖標籤長度上限為 180 個字元,因此將標籤編輯成最重要的片語是很重要的。
- 考慮將類似的意圖群組在一起。如果您有類似的意圖,或者您發現某個意圖被歸類成另一個意圖,則可以考慮將這些意圖群組在一起。例如,如果您發現有三個意圖有重疊的部分:「不滿 16 歲的人如何申請授權」、「16 歲的人如何申請授權」及「17 歲及以上的人如何申請授權」,則將這些意圖群組成一個意圖,模型會有更佳的表現:「如何申請青少年授權。」
- 意圖可在相同機器人的各版本之間共用。
有些意圖透過文字識別即具有效益,但卻沒有足夠的說話方式能保持意圖模型的平衡。在這些狀況下,您可以在意圖上使用「完全符合」,這能夠在不影響意圖模型的情況下進行文字識別。
寫出說話方式與取得良好的意圖模型
若要一次載入多個附加至一個意圖的說話方式,建議您使用「Einstein 意圖集」,其運作方式如同 AppExchange 封裝。「意圖集」只需安裝一次,即可在所有的機器人中使用。這是啟動常見意圖的好方法,例如「我的訂單在哪裡」或「排程約會時間」。
您也可以手動將說話方式新增至每個意圖。請至撰寫 Einstein 機器人的說話方式進一步瞭解如何手動新增說話方式。
如果您想測試意圖模型的新增項目,透過匯入和匯出意圖資料以在 Sandbox 中先進行測試,是個輕鬆的方式。進一步瞭解下列主題:
迭代您的機器人
就像虛擬寵物一樣,再多一點關注總是有益於您的機器人。您可以新增新版機器人來測試新的對話、實體及變數,無須中斷客戶的體驗。針對意圖模型,您可以使用「機器人訓練」頁面來改善意圖比對品質。您可以使用「模型管理」功能表來量化機器人識別意圖的準確度。若要視覺化意圖模型的準確性,您可以使用 Einstein 意圖評估程式 AppExchange 工具。
當機器人與客戶互動時,模型分數會改變,因此必須更新機器人以調適。建議您每週執行下列維護工作一次:
- 若要識別要改善的意圖,請造訪「模型管理」頁面。
- 若要識別哪些常見工作是新意圖的候選項目,請在「事件記錄」中檢閱您的聊天資料。
- 若要確定機器人工作階段沒有錯誤,並要在工作階段之間找出重要趨勢,請參閱「事件記錄」。
- 針對意圖使用完全符合
針對那些在意圖模型內所要包含說話方式過少的意圖開啟「完全符合」。這些區分大小寫的片語可讓機器人相應地辨識常見的意圖與路由。 - 開啟跨語言意圖模型
使用跨語言意圖模型,取得針對機器人定義的所有語言意圖效能統一檢視。在將語言新增至模型前後,模型可讓您以任何支援的語言測試說話方式。此外,您可以每個語言僅一個說話方式來訓練您的模型。 - 跨語言意圖模型的原則
若要改善使用跨語言模型的機器人效能,請檢閱我們的最佳作法。 - 開啟消除歧義
「消除歧義」對話可協助您的機器人在客戶輸入文字時更加瞭解他們。機器人不會直接移至「困惑」對話,而是會檢閱文字,並提供一些可能是客戶意思的對話。 - 建立、儲存與管理資料
機器人有兩個資料集:事件相關資料與意圖相關資料。事件資料是指在機器人交談中所發生的事。意圖資料為用於訓練模型的資料,以便您的機器人瞭解您的客戶。若要建立強大的機器人,您必須有可處理這兩種資料集的策略。
