Добавьте самоанализ и сопереживание своему чат-боту
И использование IBM Watson Assistant для наблюдения, устранения неоднозначности и автоматического обучения на основе разговоров
Введение
Во-первых, чат-боту требуется источник данных для обучения. Данные обучения разбиваются на намерения, объекты, диалог и диалог возврата/бота.
Эти данные могут быть придуманы создателями чат-бота, или, в идеале, в качестве источника данных могут использоваться живые чаты агентов.
Другие каналы обслуживания клиентов также могут служить источником данных.
Это могут быть запросы по электронной почте, расшифровки телефонных звонков и т. д.
Но как только чат-бот будет запущен, что будет лучшим способом для постоянного улучшения?
Ключевые моменты подхода IBM Watson Assistant:
- Наблюдайте за разговорами с клиентами
- Когда возникает двусмысленность, предоставьте пользователю несколько соответствующих вариантов.
- Впоследствии разрешите пользователям устранять неоднозначность
- Учитесь у пользователей и используйте их в чат-боте.
IBM Watson Assistant позволяет выбрать в качестве источника данных помощника,который активно обменивается сообщениями с клиентами. Подробнее об этом принципе читайте далее в разделе Наблюдающий агент.
Наблюдения от чат-бота используются для:
- Автообучение
- Намерения и пример обучения намерениям Рекомендации
Автообучение можно описать как процесс:
- Упорядочивание вариантов устранения неоднозначности в соответствии с точностью на основе выбора пользователя.
- Уменьшение количества вариантов по мере того, как ответы уточняются на основе поведения пользователя.
- До такой степени, когда Watson Assistant может точно представить один ответ.
Намерение и пример обучения намерения Рекомендации:
- Генерируются из разговоров пользователей.
- Это очень важный источник данных, так как это то, о чем хотят поговорить ваши пользователи.
- Этот процесс может выявить намерения, которые не были учтены в чат-боте, что приведет к отрицанию отсутствия намерений или ложных оценок вне домена.
- Дополнительные пользовательские примеры могут быть собраны и добавлены к намерениям.
Помощник по наблюдению
Когда вы подключаете живого помощника в качестве источника данных для рекомендаций, вы включаете наблюдение. Когда вы включаете автообучение, вы используете полученные знания для улучшения своих навыков, что приводит к улучшению качества обслуживания клиентов.
Навык или несколько навыков составляют помощника. Живой помощник используется для реальных разговоров с клиентами.
Навык может быть связан с несколькими помощниками, поэтому выбор помощника-наблюдателя важен, так как он определяет, где будет проявляться навык. Это может повлиять на поведение пользователя.
Разговоры пользователей используются для намерений и рекомендаций по примерам обучения намерений.
Как видно ниже, перечислены три элемента; Устранение неоднозначности, помощник по наблюдению и автообучение.
Устранение неоднозначности можно использовать в автономном режиме. Автообучение требует определения помощника по наблюдению.
Многозначность
Устранение неоднозначности в своей простейшей форме, когда пользователь задает вопрос, который помощник не уверен, что понимает, чат-бот может представить пользователю список вариантов и попросить клиента выбрать правильный.
Этот процесс называется устранением неоднозначности.
Если при отображении аналогичного списка вариантов клиенты чаще всего выбирают один и тот же вариант № 2, например, ваш навык может быть использован на этом опыте.
Он может узнать, что вариант № 2 — лучший ответ на этот тип вопроса. И в следующий раз он может указать вариант № 2 в качестве первого выбора, чтобы клиенты могли быстрее добраться до него.
И, если шаблон сохраняется с течением времени, он может еще больше изменить свое поведение. Вместо того, чтобы заставлять клиента выбирать из списка вариантов, он может немедленно вернуть вариант № 2 в качестве ответа.
Предпосылка этой функции состоит в том, чтобы со временем улучшить процесс устранения неоднозначности до такой степени, что в конечном итоге правильный вариант будет представлен пользователю автоматически. Следовательно, чат-бот учится устранять неоднозначность от имени пользователя.
Каждое диалоговое окно можно настроить так, чтобы оно включалось или исключалось из устранения неоднозначности с помощью переключателя. Имена узлов представлены пользователю как имя опции. Следовательно, имена диалоговых узлов должны быть описательными и полезными для пользователя, а не загадочными.
Конечно, обучающие данные и примеры не должны излишне создавать двусмысленность. Следовательно, данные обучения должны быть проверены; намерения должны быть правильно сгруппированы, и обучающие данные, описывающие намерения, должны точно описывать намерение. Наложения создают путаницу и непоследовательность.
Автоматическое обучение
Сначала Watson Assistant перемещает лучший ответ в начало списка устранения неоднозначности.
Далее Watson Assistant уменьшает количество других параметров в списке.
В конечном счете Watson Assistant может полностью заменить список значений неоднозначности одним лучшим ответом. Чем выше процент одиночных ответов, тем лучше.
Выше пояснение от IBM о том, как работает автообучение.
Вывод
Принципы, используемые Watson Assistant, по своей сути очень хорошо подходят для встраивания в более масштабные реализации.
Идея использовать разговоры с клиентами для автоматического улучшения чат-бота говорит об основных принципах самоанализа и эмпатии.
Эмпатия, поскольку структура ориентирована на разговоры, которые пользователь хочет вести, и соответствует потребностям пользователя.
Самоанализ говорит об осведомленности чат-бота о том, что он не может дать самый правильный ответ на заданный ответ. следовательно, отвечая пользователю несколькими соответствующими вариантами и извлекая уроки из поведения клиентов.
«Подпишитесь на мою рассылку.
НЛП/НЛУ, Чат-боты, Голос, Разговорный UI/UX, CX Designer, Разработчик, Вездесущие пользовательские интерфейсы, Ambient…кобусгрейлинг. меня"