Einstein 記事レコメンデーションのしくみ
Einstein記事レコメンデーションは、過去に同様のケースに添付されたKnowledge記事を推奨することで、サポートサービス担当者が効率的に顧客のケースを解決できるようにします。営業担当は、記事のリストを検索したりスクロールしたりする手間を省き、おすすめ記事をすばやく添付したり、役に立たない記事として却下したりできます。
必要なエディション
| サポートされているエディションを表示する。 |
記事レコメンデーションは、AI モデルによって生成されます。このモデルは、継続的にそれ自体を保持し、基盤となるケースデータと記事データのセットの増加に合わせてその予測を改善していきます。モデルは、ケースデータと記事データ間の重複を取得するさまざまな自然言語処理 (NLP) 機能を使用してトレーニングされます。モデルのアルゴリズムは、オープンケースに対する関連性に基づいて候補の記事をランク付けし、関連性の高いと考えられる記事のみを推奨します。
記事の関連性の判断
Einstein 記事レコメンデーションでは、オープンケースに対する記事の関連性を判断するためにいくつかの要素を考慮します。次のような要素があります。
- 言語: Einstein がケースで検出する言語と記事の言語
- 用語の重複: ケースのキーワードが記事のテキストに一致する程度
- 添付ファイル: サービス担当者が類似ケースに記事を添付した頻度
- 破棄: サービス担当者が類似するケースで役に立たないとして記事を破棄した頻度
- 用語の距離: 記事の特定のケースの用語間の距離
- 最長共通サブシーケンス: ケースと記事間の最長共有テキストシーケンスの長さ
モデルをカスタマイズするには、Einstein で考慮するケース項目、ナレッジ記事項目、言語を選択します。
| オブジェクト | 項目 | 詳細 |
|---|---|---|
| Case |
|
通常、[件名] 項目には問題の概要が入力されますが、[説明] 項目には詳細が表示されます。[件名] と [説明] の代わりにカスタム項目を使用している場合、そのカスタム項目を参照するように Einstein 記事レコメンデーションを設定できます。 |
| CaseArticle |
|
CaseArticle オブジェクトは、ケースに対する記事の添付ファイルを表し、記事レコメンデーションの重要なデータを提供します。 |
| KnowledgeArticleVersion |
|
KnowledgeArticleVersion オブジェクトは、記事の特定のバージョンを表します。Einstein 記事レコメンデーションは、記事の公開バージョンのみを推奨します。このオブジェクトには本文項目が含まれていないため、記事バージョンのカスタムテキスト項目は [Article Body (記事本文)] カスタム項目に結合されて分析されます。Einstein では、おすすめの作成時にこのオブジェクトの [言語] 項目も考慮されます。 |
言語の考慮事項
Einstein 記事レコメンデーションは、オランダ語、英語、フランス語、ドイツ語、イタリア語、ポルトガル語、スペイン語で使用できます。Einstein では、1 つのモデルを使用してこれらの言語の記事レコメンデーションを生成します。
新しい組織で、Einstein が予測モデルで使用する言語や項目を選択します。すでに Einstein 記事レコメンデーションを使用している場合、言語は事前選択されます。[設定] で選択した言語を変更した場合、それらの言語でおすすめを表示するにはモデルを再作成します。選択した言語がナレッジ設定で有効になっていることを確認します。サポート言語の記事は、モデルの再作成なしで追加できます。
Einstein では、言語予測モデルを使用してケースの言語を検出します。ナレッジ記事バージョンの [言語] 項目はその言語を示します。
- ケースの言語がサポートされている場合、Einstein はその言語の関連記事を推奨します。該当する言語の関連記事がない場合、記事レコメンデーションは表示されません。
- ケースの言語がサポートされていない場合は、Einstein によって組織のナレッジの第一言語の関連記事が推奨されます。
- ケースの言語とナレッジの第一言語がサポートされておらず、英語が選択された言語である場合は、Einstein によって英語の関連記事が推奨されます。
これらの考慮事項は、ケースとそのおすすめ記事で 2 つの異なる言語を使用できることを意味します。
機能の設計
ケースの作成または更新から記事レコメンデーションまで、バックグラウンドで実行される内容を次に示します。
ステップ 1: ケースの作成または更新。ケースが作成されるか、記事レコメンデーションモデルに含まれる項目がケースで更新されます。
ステップ 2: 検索。Einstein 記事レコメンデーションは、ケースを捕捉し、ケースの言語とモデルのケース項目の用語を使用して複数の検索を実行します。検索結果は、候補の記事セットに結合されます。これには、以前の添付のない新しい記事を含めることができます。
ステップ 3: 再ランク付け。記事は再度ランク付けされます。ケースと記事のペアごとに NLP 機能セットが計算されます。モデルは各記事の機能セットを評価し、予測確度を使用しておすすめの記事をランク付けします。
ステップ 4: 推奨。おすすめしきい値を超える記事は肯定的として分類され、ケースのサービス担当者に推奨されます。
ステップ 5: サービス担当者のやりとり。サービス担当は、おすすめをクリックするか、マウスポインターを置くか、受け入れるか、閉じることでおすすめを操作します。これらのアクションは、将来のおすすめを改善するために記録されます。
ステップ 6: 再度トレーニング。ケースおよび記事データへの変更を捕捉するために、モデルは定期的に再トレーニングまたは再作成されます。関連する変更には、新規ケース、新しい記事および記事のバージョン、新しいケース記事の添付などがあります。再トレーニングされたモデルが現在のモデルに置き換えられるのは、再トレーニングされたモデルを使用したほうが記事レコメンデーションがより適切になると Einstein によって判断された場合のみです。再トレーニングは 1 日以内に完了し、新しいモデルはすぐに稼働できるようになります。この自動再トレーニングは UI では表示されず、システム管理者がアクションを実行する必要はありません。
Einstein 記事レコメンデーションは、サードパーティホストプロバイダーとして Amazon Web Services (AWS) を使用します。インフラストラクチャとサブプロセッサーについての詳細は、Trust and Compliance Documentation (信頼とコンプライアンスに関するドキュメント) を参照してください。
Einstein 記事レコメンデーションと推奨記事の違いは何ですか?
Einstein 記事レコメンデーションと同じように、推奨記事機能でも Lightning サービスコンソールでナレッジ記事が提案されます。ただし、キーワードベースの検索のみを使用するため、その推奨を絞り込んだり、過去のケースのデータを取り込んだりすることはできません。
たとえば、多くのケースに同じ件名、説明、カテゴリが含まれています。Einstein 記事レコメンデーションでは過去にどの記事が類似ケースに添付さていたかが考慮されるため、上位の推奨記事でこの問題を解決できる可能性が高くなります。[推奨記事] では、ケースキーワードを含む記事をKnowledgeベースで検索できますが、ケースデータと AI 機能を除外すると、サービス担当者は記事の提案を検索して必要な記事を見つけるのに時間を浪費する可能性があります。
Einstein 記事レコメンデーションを使用する場合、推奨記事を無効にして、サポートチームのユーザーエクスペリエンスが煩雑にならないようにすることをお勧めします。それ以外の場合、サービス担当者にはケースに関連する 2 つの記事セットが表示されます。
