Вы находитесь здесь:
Как работают рекомендации статей Einstein?
Рекомендации статей Einstein помогают представителям поддержки эффективно решать обращения клиентов, рекомендуя статьи Knowledge, вложенные в похожие обращения в прошлом. Представителям не нужно терять время в поисках по списку статей, они могут быстро вложить рекомендуемые статьи или закрыть их как ненужные.
Требуемые версии
| Просмотр поддерживаемых версий. |
Рекомендации статей создаются моделью на основе искусственного интеллекта, которая постоянно переобучается и улучшает свои прогнозы по мере роста основного набора данных обращений и статей. Модель обучается посредством разных функций обработки естественного языка (NLP), которые собирают накладки между данными обращений и статей. Алгоритмы модели ранжируют статьи-кандидаты на основе их релевантности к открытому обращению, и рекомендуются только статьи, которые считаются высокорелевантными.
Определение актуальности статьи
Чтобы определить актуальность статьи для открытого обращения, рекомендации статей Einstein учитывают несколько факторов. Ниже перечислены следующие факторы:
- Язык: Язык, определяемый Einstein в обращении, и язык статьи
- Накладка термина: Насколько ключевые слова в обращении соответствуют тексту в статье
- Вложения: Как часто сервисные представители вкладывали статью в подобные обращения
- Увольнения: Как часто сервисные представители закрывали статью как ненужную для подобных обращений
- Срок действия: Расстояние между определенными терминами обращения в статье
- Наиболее длинная распространенная подпоследовательность: Длина самой длинной типичной текстовой последовательности между обращением и статьей
Вы настраиваете модель, выбрав поля обращений и статей Knowledge, а также языки для рассмотрения Einstein.
| Объект | Поля | Сведения |
|---|---|---|
| Обращение |
|
Поле «Тема» обычно заполняется и резюмирует проблему, а поле «Описание» предоставляет сведения. Если вы используете настраиваемые поля вместо «Тема» и «Описание», вы можете настроить рекомендации статей Einstein для ссылки на них. |
| CaseArticle |
|
Объект CaseArticle представляет вложение статьи в обращение и предоставляет ключевые данные для рекомендаций статей. |
| KnowledgeArticleVersion |
|
Объект KnowledgeArticleVersion представляет определенную версию статьи. Рекомендации статей Einstein рекомендуют только опубликованные версии статей. Поскольку данный объект не содержит текстового поля, настраиваемые текстовые поля версий статей объединяются в настраиваемое поле «Текст статьи» для анализа. Einstein также учитывает поле «Язык» в этом объекте при вынесении рекомендаций. |
Рекомендации по языку
Рекомендации статей Einstein доступны на голландском, английском, французском, немецком, итальянском, португальском и испанском языках. Einstein использует единую модель для создания рекомендаций статей на этих языках.
В новой организации вы выбираете, какие языки и поля Einstein использовать в прогнозируемой модели. Если вы уже используете рекомендации статей Einstein, мы предварительно выбираем для вас языки. Если вы измените выбранные языки в настройках, создайте модель для отображения рекомендаций на этих языках. Убедитесь, что выбранные языки активны в параметрах Knowledge. Статьи можно добавлять на поддерживаемом языке, не восстанавливая модель.
Einstein использует модель прогноза языка для обнаружения языка в обращении. Поле «Язык» в версии статьи Knowledge определяет его язык.
- Если язык обращений поддерживается, Einstein рекомендует соответствующие статьи на этом языке. При отсутствии соответствующих статей на языке рекомендации статей не отображаются.
- Если язык обращения не поддерживается, Einstein рекомендует соответствующие статьи на основном языке Knowledge организации.
- Если не поддерживаются основной язык как case, так и Knowledge, а английский является выбранным языком, Einstein рекомендует соответствующие статьи на английском.
Данные рекомендации означают, что обращение и его рекомендованные статьи могут использовать два разных языка.
Дизайн функции
Ниже указано, что происходит в фоновом режиме, от создания или обновления обращения до рекомендации статьи.
Шаг 1: Создание или обновление обращения. Создается обращение или обновляется поле, добавленное в модель рекомендации статей.
Шаг 2: Поиск. Рекомендации статей Einstein перехватывают обращение и выполняют несколько поисков, используя язык обращения и термины из полей обращения в модели. Результаты поиска объединяются в набор потенциальных статей, который может содержать новые статьи без предыдущих вложений.
Шаг 3: Повторное ранжирование. Статьи ранжируются повторно. Набор функций NLP вычисляется для каждой пары обращение-статья. Модель оценивает набор функций каждой статьи и использует вероятности прогноза для ранжирования статей для рекомендации.
Шаг 4: Рекомендация. Статьи выше порога рекомендаций классифицируются положительными и рекомендуются представителю в обращении.
Шаг 5: Взаимодействие сервисного представителя. Представитель взаимодействует с рекомендациями, нажимая, наводя курсор, принимая или закрывая их. Их действия записываются для улучшения будущих рекомендаций.
Шаг 6: Повторное обучение. Ваша модель периодически проходит переобучение или создается повторно для сбора изменений в данных обращения и статьи. Соответствующие изменения включают новые обращения, новые статьи и версии статей, а также новые вложения обращений и статей. Переобученная модель заменяет текущую модель, только если Einstein определит, что переобученная модель предоставит лучшие рекомендации статей. Повторное обучение завершается в течение дня, и новая модель немедленно запускается в работу. Это автоматическое переобучение не отображается в пользовательском интерфейсе и не требует действий от администратора.
Рекомендации статей Einstein используют Amazon Web Services (AWS) в качестве стороннего поставщика хостинга. Дополнительную информацию об инфраструктуре и подпроцессорах см. в разделе Trust and Compliance Documentation.
Чем отличаются рекомендации статей Einstein от предложенных статей?
Как и рекомендации статей Einstein, функция предложенных статей предлагает статьи Knowledge в консоли обслуживания Lightning. Однако, он зависит только от поиска по ключевым словам и не может уточнить свои предложения или внедрить данные из прошлых обращений.
Например, многие обращения содержат одну тему, описание и категорию. Поскольку рекомендации статей Einstein учитывают, какие статьи были вложены в похожие обращения в прошлом, лучшая рекомендованная статья, вероятно, решит проблему. Предлагаемые статьи могут искать в базе Knowledge статьи, содержащие ключевые слова обращения, но исключение данных обращений и функции ИИ могут привести к потере времени агентов для поиска нужной статьи в предложениях.
Если вы используете рекомендации статей Einstein, рекомендуем отключить предложенные статьи, чтобы обеспечить чистую работу пользователей для группы поддержки. В противном случае, агентам отображаются два набора статей, связанных с обращением.
