Vous êtes ici :
Comment les Recommandations d'articles Einstein fonctionnent-elles ?
Les Recommandations d'articles Einstein aident les agents de service à résoudre efficacement les requêtes des clients en recommandant des articles Knowledge qui étaient joints à des requêtes similaires dans le passé. Les commerciaux n'ont pas à perdre de temps à rechercher ou à parcourir les listes d'articles, et peuvent joindre rapidement des articles recommandés ou les ignorer comme n'étant pas utiles.
Éditions requises
| Affichage des éditions prises en charge. |
Les recommandations d'articles sont générées par un modèle IA qui s'entraîne en permanence et améliore ses prédictions à mesure que les données sous-jacentes des requêtes et des articles augmentent. Ce modèle est entraîné par diverses fonctionnalités de traitement en langage naturel (NLP) qui recueillent et croisent les données des requêtes et des articles. Les algorithmes du modèle classent les articles candidats en fonction de leur pertinence pour une requête ouverte, et seuls les articles considérés comme très pertinents sont recommandés.
Évaluation de la pertinence des articles
Pour évaluer la pertinence d'un article par rapport à une requête ouverte, les Recommandations d'articles Einstein prennent en compte plusieurs facteurs. Parmi ces facteurs figurent :
- Langue : langue détectée par Einstein dans la requête et la langue de l'article
- Croisement des termes : proximité des mots clés dans le texte correspondant de la requête dans l'article
- Pièces jointes : Fréquence à laquelle les agents de service joignent l'article à des requêtes similaires
- Rejets : La fréquence à laquelle les agents de service ont rejeté l'article comme n'étant pas utile dans des requêtes similaires
- Portée des termes : distance entre certains termes de requête dans l'article
- Plus longue sous-séquence commune : longueur de la séquence de texte commune la plus longue entre la requête et l'article
Vous personnalisez votre modèle en choisissant les champs de requêtes et les langues des articles Knowledge qu'Einstein doit prendre en compte.
| Objet | Champs | Détails |
|---|---|---|
| Case |
|
Le champ Objet est généralement rempli et résume le problème, alors que le champ Description fournit des détails. Si vous utilisez des champs personnalisés à la place des champs Objet et Description, vous pouvez configurer à la place les Recommandations d'articles Einstein pour les référencer. |
| CaseArticle |
|
L'objet CaseArticle représente un article joint à une requête, et fournit les principales données des recommandations d'articles. |
| KnowledgeArticleVersion |
|
L'objet KnowledgeArticleVersion représente une version spécifique d'un article. Les Recommandations d'articles Einstein recommandent uniquement les versions publiées des articles. Comme cet objet ne contient pas de champ Corps, les champs de texte personnalisés des versions d'article sont combinés dans un champ « Article Body » pour l'analyse. Einstein prend également en compte le champ Langue de cet objet pour suggérer des recommandations. |
Considérations relatives à la langue
Les Recommandations d'articles Einstein sont disponibles en Néerlandais, Anglais, Français, Allemand, Italien, Portugais et Espagnol. Einstein utilise un modèle unique pour générer des recommandations d'articles dans ces langues.
Dans une nouvelle organisation, vous sélectionnez les langues et les champs qu'Einstein doit utiliser dans le modèle prédictif. Si vous utilisez déjà les Recommandations d'articles Einstein, nous présélectionnons les langues pour vous. Si vous modifiez les langues sélectionnées dans la Configuration, reconstruisez votre modèle pour afficher les recommandations dans ces langues. Assurez-vous que les langues sélectionnées sont actives dans vos paramètres Knowledge. Vous pouvez ajouter des articles dans une langue prise en charge sans reconstruire le modèle.
Einstein utilise un modèle de prédiction de langue pour détecter la langue d'une requête. Le champ Langue d'une version d'un article Knowledge identifie la langue de l'article.
- Si la langue de la requête est prise en charge, Einstein recommande des articles pertinents dans cette langue. Si aucun article pertinent dans cette langue n'existe, aucune recommandation d'article n'est affichée.
- Si la langue de la requête n'est pas prise en charge, Einstein recommande des articles pertinents dans la langue Knowledge principale de l'organisation.
- Si les langues principales de la requête et de Knowledge ne sont pas prises en charge, et que la langue Anglais est sélectionnée, Einstein recommande des articles pertinents en anglais.
Ces considérations indiquent qu'une requête et ses articles recommandés peuvent être utilisés dans deux langues différentes.
Conception de fonctionnalité
Lors de la création d'une requête ou de la mise à jour des recommandations d'articles d'une requête, les étapes ci-dessous sont exécutées en arrière-plan.
Étape 1 : Création ou mise à jour de la requête. Une requête est créée ou un champ inclus dans votre modèle de recommandation d'articles est mis à jour dans une requête.
Étape 2 : Recherche. Les Recommandations d'articles Einstein interceptent la requête et effectuent plusieurs recherches en utilisant la langue de la requête et les termes des champs de requête de votre modèle. Les résultats de recherche sont combinés dans l'ensemble d'articles candidats, qui peut inclure de nouveaux articles qui n'ont pas été joints précédemment.
Étape 3 : Reclassement. Les articles sont reclassés. Une série de fonctionnalités NLP est calculée pour chaque paire requête-article. Le modèle évalue l'ensemble de fonctionnalités de chaque article et utilise des probabilités de prédiction pour classer les articles recommandés.
Étape 4 : Recommandation. Les articles qui dépassent le seuil de recommandation sont classés comme positifs et recommandés au représentant de service dans la requête.
Étape 5 : Interaction du représentant de service. L'agent de service interagit avec les recommandations en cliquant dessus, en les survolant, en les acceptant ou en les rejetant. Leurs actions sont enregistrées pour améliorer les futures recommandations.
Étape 6 : Réentraînement. Votre modèle est périodiquement réentraîné ou reconstruit afin de capturer les modifications apportées à vos données de requête et d'article. Les modifications correspondantes contiennent de nouvelles requêtes, de nouveaux articles, de nouvelles versions d'articles et de nouvelles liaisons requête-article. Le modèle réentraîné remplace votre modèle actuel uniquement si Einstein détermine que le modèle réentraîné fournit de meilleures recommandations d'articles. La réentraînement est effectué le jour même et le nouveau modèle est immédiatement opérationnel. Ce réentraînement automatique n'est pas visible dans l'interface utilisateur et ne nécessite aucune action de l'administrateur.
Les Recommandations des articles Einstein utilisent Amazon Web Services (AWS) en tant que fournisseur d'hébergement tiers. Pour plus d'informations sur l'infrastructure et les sous-processeurs, consultez Trust and Compliance Documentation.
Quelle est la différence entre les Recommandations d'articles Einstein et les Articles suggérés ?
De la même façon que les Recommandations d'articles Einstein, la fonctionnalité Articles suggérés suggère des articles Knowledge dans Console de service Lightning. Cependant, elle s'appuie uniquement sur la recherche par mot-clé et ne peut pas définir ses suggestions ou incorporer des données à partir des requêtes passées.
Par exemple, de nombreuses requêtes contiennent le même objet, la même description et la même catégorie. Les Recommandations d'articles Einstein prennent en compte les articles joints à des requêtes passées similaires. Par conséquent, les principaux articles recommandés ont plus de chances d'apporter une réponse aux problèmes. Les Articles suggérés peuvent rechercher dans votre base Knowledge des articles contenant des mots-clés de requête, mais l'exclusion des données de requête et des fonctionnalités IA signifie que les agents de service peuvent perdre du temps à rechercher parmi les suggestions d'articles pour trouver celui dont ils ont besoin.
Si vous utilisez les Recommandations d'articles Einstein, nous recommandons de désactiver les articles suggérés afin d'optimiser l'expérience utilisateur pour votre équipe de support. Sinon, les agents de service affichent deux séries d'articles qui se rapportent à la requête.
