LiveAgent pokalbių robotas: Išsamus konfigūravimo vadovas

Šiame straipsnyje:

• Kas pasikeičia tarp nustatymo ir išplėstinės konfigūracijos
• Kaip sukonfigūruoti, kada pokalbių robotas perduoda pokalbį žmogui?
• Kaip apriboti, ką pokalbių robotui leidžiama sakyti?
• Kaip užtikrinti atsakymų nuoseklumą konkretiems klausimams?
• Kaip sukonfigūruoti kelių kalbų veikimą?
• Kaip užtikrinti, kad pokalbių robotas mokytųsi po paleidimo?
• Kuriuos nustatymus peržiūrėti ir kaip dažnai

Mūsų dirbtinio intelekto klientų aptarnavimo boto nustatymo vadovas apima šešis žingsnius, kaip paleisti LiveAgent pokalbių robotą : sukurti Flow, prijungti žinių šaltinius, pritaikyti valdiklyje. Tai yra minimumas, kad paleistumėte. Tai nėra konfigūracija, kuri nulemia, ar robotas bus tikrai geras po trijų mėnesių. Jei vis dar lyginate pokalbių robotų variantus, o ne derinate jau veikiantį, mūsų 2026-ųjų geriausių DI pokalbių robotų apžvalga yra geresnis atspirties taškas.

Šis vadovas tęsia nuo tos vietos. Kiekvienas toliau aprašytas nustatymas yra realus laukas ar komponentas, kurį rasite LiveAgent arba FlowHunt , o ne bendras geriausios praktikos sąrašas.

Kas pasikeičia tarp nustatymo ir išplėstinės konfigūracijos

Nustatymas atsako į klausimą „ar robotas veikia?“. Konfigūracija atsako į klausimą „ar jis veikia taip, kaip mūsų komandai iš tikrųjų reikia?“. Šis skirtumas išryškėja keturiose srityse: kada robotas eskaluoja, ką jam leidžiama sakyti, kaip nuosekliai jo atsakymai išlieka skirtinguose pokalbiuose ir ar jis tobulėja, ar lieka statinis po paleidimo.

Robotą, kuris puikiai išlaikė pirmosios savaitės testą, po mėnesio vis tiek gali erzinti klientus, jei nė viena iš šių keturių sričių nebuvo peržiūrėta. Paleidimo metu prijungti žinių šaltiniai sensta, keičiasi klientų klausimai, o numatytasis perdavimo slenkstis, kuris pirmą dieną atrodė tinkamas, jau gali siųsti per daug arba per mažai pokalbių jūsų agentams.

Kaip sukonfigūruoti, kada pokalbių robotas perduoda pokalbį žmogui?

Atidarykite pokalbių roboto objektą LiveAgent ir nustatykite lauką „Required answers to initialize chat with human agent“ (Reikalingų atsakymų skaičius prieš pradedant pokalbį su žmogumi). Šis skaičius nurodo minimalų DI atsakymų kiekį, po kurio lankytojui tampa prieinamas mygtukas „Prašyti pokalbio su žmogumi agentu“. Nustatę per mažai – robotas eskaluoja klausimus, kuriuos galėjo išspręsti pats, švaistydamas agentų laiką užklausoms, kurioms niekada neprireikė žmogaus. Nustatę per daug – nusivylę klientai sukasi per nenaudingus atsakymus, kol pagaliau pasiekia gyvą žmogų.

Yra ir antras kelias, visiškai nepriklausantis nuo šio skaičiaus: DI agentas gali pats, pokalbio metu, nuspręsti, kad užklausa per sudėtinga, ir automatiškai perduoti nelaukdamas reikalingų atsakymų slenksčio. Į šią parinktį verta atsižvelgti palaikymo temose, kur klaidingas atsakymas brangiai kainuoja (atsiskaitymo ginčai, paskyros saugumas), o fiksuotas skaičius atrodo pernelyg nelankstus.

Kai pokalbis perduodamas, agentai jį perima iš pokalbių apžvalgos skyriaus naudodami mygtuką „Stop chatbot and join“ (Sustabdyti pokalbių robotą ir prisijungti), o visa pokalbio istorija perkeliama į tą patį bilietą – šie mechanizmai išsamiai aprašyti mūsų DI ir žmogaus perdavimo funkcijos vadove . Niekas iš to nėra konfigūruojama kliento pusėje, tačiau žinojimas, kaip tai veikia, paaiškina, kodėl svarbu išbandyti perdavimo eigą nuo pradžios iki pabaigos, o ne tik roboto atsakymus iki to momento.

Kaip apriboti, ką pokalbių robotui leidžiama sakyti?

Pagal numatytuosius nustatymus LiveAgent šablono DI agentas leidžia lankytojui bet kuriuo pokalbio metu tiesiogiai paprašyti žmogaus agento, nepriklausomai nuo reikalingų atsakymų slenksčio. Jei to nenorite – pavyzdžiui, robotas skirtas visiškai išspręsti siaurą klausimų rinkinį, kol pasirodo bet kokia galimybė kreiptis į žmogų – sprendimas yra redaguoti DI agento komponento sistemos pranešimą FlowHunt, o ne LiveAgent nustatymą.

Sistemos pranešime taip pat slypi tonas ir asmenybė. Nėra atskiro „asmenybės“ išskleidžiamojo meniu: kad ir kokias instrukcijas čia parašysite (formalios vs. neformalios, kaip elgtis su klausimu ne pagal temą, ar atsiprašyti prieš eskalavimą) – to ir laikysis robotas. FlowHunt palaiko daugiau nei 15 DI modelių, o modelio pakeitimas gali paveikti, kaip pažodžiui robotas laikysis tos formuluotės, tačiau pats modelis nėra tono šaltinis.

Kaip užtikrinti atsakymų nuoseklumą konkretiems klausimams?

Žinių šaltiniai gerai atsako į bendrus klausimus, tačiau viskam, ką jūsų komanda nori, kad būtų suformuluota identiškai kiekvieną kartą – kainodaros teiginiai, politikos kalba, konkretus atsisakymas – naudokite FlowHunt „Questions & Answers“ (Klausimai ir atsakymai) funkciją . Ji leidžia nustatyti fiksuotą atsakymą konkrečiai užklausai, todėl robotas grąžina tikslią formuluotę, o ne kiekvieną kartą generuoja naują perfrazavimą, kai kas nors paklausia.

Tai svarbiau, nei gali pasirodyti. Žinių bazė, parašyta žmonių naršymui, išsklaidyta per penkis susietus pagalbos straipsnius, automatiškai nesukuria vieno švaraus, nuoseklaus roboto atsakymo, kai DI semiasi iš visų penkių vienu metu. Fiksuoti Q&A įrašai užpildo šią spragą tiems keliems klausimams, kuriuose formuluotės tikslumas jūsų komandai iš tikrųjų svarbus.

Prenumeruokite naujienlaiškį

Naujausi patarimai ir pasiūlymai tiesiai į jūsų pašto dėžutę.

El. pašto adresas

Prenumeruoti

Kaip sukonfigūruoti kelių kalbų veikimą?

Pokalbių robotas automatiškai atpažįsta lankytojo kalbą ir ja atsako, palaikydamas daugiau nei 100 kalbų, priklausomai nuo prijungto DI modelio. Tai nėra nustatymas, kurį reikia įjungti – jis veikia pagal numatytuosius nustatymus, tačiau jis nėra vienodas visoms kalboms. Rečiau vartojamoms kalboms gali būti taikomi tam tikri apribojimai, nes šių kalbų modelių kokybė skiriasi priklausomai nuo teikėjo.

Prieš diegdami robotą rinkoje, kurioje vartojama rečiau paplitusi kalba, išbandykite jį tiesiogiai su tikromis jūsų klientų frazėmis, o ne su tiesioginiu jūsų angliškų testinių klausimų vertimu. Pažodinis vertimas gali veikti, o gimtoji frazė, kurios modelis matė rečiau, gali duoti pastebimai silpnesnį atsakymą.

Kaip užtikrinti, kad pokalbių robotas mokytųsi po paleidimo?

Nustatykite LiveAgent savaiminio mokymosi ciklą , kad kiekvienas eskalavęs bilietas išmokytų robotą kažko naujo, o ne būtų tik vienkartinis sprendimas. Sukurkite automatinę taisyklę LiveAgent, kuri suveikia, kai bilietas išsprendžiamas ir pažymimas žyma Update_AI, ir nusiunčia bilieto ID į FlowHunt HTTP užklausa arba webhook.

Nuo to momento DI agentas automatiškai atlieka keturis žingsnius: perskaito visą bilieto giją, kad pamatytų, ką pokalbių robotas praleido; palygina tai su realiu žmogaus agento sprendimu; apibendrina sprendimą į daugkartinio naudojimo taisyklę, o ne į vienkartinį atsakymą; ir išsaugo ją kaip struktūrizuotą atminties įrašą (tema, trigeris, būtinos sąlygos, sprendimas), kurį pokalbių robotas gali rasti kito panašaus klausimo metu. Asmenį identifikuojanti informacija automatiškai pašalinama prieš išsaugant.

Rezultatas kaupiasi. Pirmą savaitę jūsų komandos išspręsti eskalavimai tampa žiniomis, kurias robotas turi antrą savaitę – be jokio rankinio žinių šaltinio straipsnio perrašymo.

Kuriuos nustatymus peržiūrėti ir kaip dažnai

Pirmą mėnesį po bet kokio konfigūracijos pakeitimo tikrinkite perdavimo rodiklį ir konkrečius klausimus, sukeliančius eskalavimą, kas savaitę, o vėliau, kai situacija stabilizuosis – kas mėnesį. Didėjantis perdavimo rodiklis dažniausiai reiškia žinių spragą, kurios savaiminio mokymosi ciklas dar neužpildė, o ne nustatymą, kurį reikia kurti iš naujo.

Jei roboto tonas nukrypsta nuo to, ką nurodo sistemos pranešimas, tai ženklas peržiūrėti formuluotę tiesiogiai, o ne keisti DI modelius bandant kompensuoti. O jei eskalavimai susitelkia ties viena pasikartojančia tema – būtent tokį signalą ir skirta pagauti Update_AI žyma, todėl įsitikinkite, kad jūsų agentai ją tikrai naudoja, prieš darydami išvadą, kad savaiminio mokymosi ciklas neveikia.

Kai perdavimo laikas, sistemos pranešimas, kelių kalbų aprėptis ir savaiminio mokymosi taisyklė yra sąmoningai nustatyti, o ne palikti numatytosiose reikšmėse, skirtumas tarp „robotas veikia“ ir „robotas veikia taip, kaip mūsų komandai reikia“ daugiausia išnyksta savaime.