Detekce záměru
Rychlá definice
Detekce záměru je úkol identifikovat, co chce osoba dosáhnout tím, co píše nebo říká, aby systém mohl reagovat nebo přesměrovat žádost. Typické záměry zahrnují sledování objednávky, žádost o vrácení peněz nebo dotaz na produkt.
Na této stránce
Jak funguje detekce záměru
Klasické chatboty se spoléhali na klasifikátor záměru trénovaný na příkladových frázích pro každý záměr: „kde je můj balíček“, „má objednávka ještě nedorazila“ a „sledovací číslo?“ všechny označené jako track_order. Poté extraktor slotů vybral detaily, jako je číslo objednávky. Výzkumné datové sady jako BANKING77 (Casanueva a kolegové, 2020), s 77 jemně rozlišenými bankovními záměry, ukazují, jak obtížné jsou jemné rozdíly i pro dobré modely.
S velkými jazykovými modely je detekce záměru často implicitní. Model čte zprávu, rozhoduje, co osoba chce, a vybírá, který nástroj zavolat. Některé týmy stále udržují explicitní klasifikační krok pro přesměrování konverzací, označování pro reporting nebo spuštění specifických pracovních postupů.
Proč je to důležité v zákaznickém servisu
Znalost záměru rozhoduje, co se stane dál: odpovědět z FAQ, vyhledat objednávku, otevřít vrácení, poslat konverzaci na fakturaci nebo okamžitě zavolat osobu kvůli stížnosti. Agregované přes tisíce konverzací také říkají firmě, o čem se zákazníci skutečně kontaktují — vstup pro zlepšení stránek, politik a produktů.
V e-commerce jsou nejčastějšími záměry obvykle stav objednávky, doby dodání, vrácení a výměny, dotazy na produkty a problémy s platbami.
Běžná úskalí
Skutečné zprávy často obsahují několik záměrů („kde je moje objednávka, a mohu změnit velikost?“). Pevné seznamy záměrů rychle zastarávají, jak se mění produkty a politiky, a dlouhý ocas vzácných žádostí nikdy neodpovídá žádnému štítku. Prahové hodnoty důvěry, které jsou příliš nízké, posílají zákazníky špatným směrem; prahové hodnoty, které jsou příliš vysoké, vše eskalují. Systémy by měly umožnit záložní možnost — položit objasňující otázku nebo předat — spíše než nutit hádat.
Zpracování záměrů v AI SmartTalk
AI SmartTalk vás nevyzývá k definování seznamu záměrů. Jazykový model asistenta interpretuje každou zprávu a vybírá mezi svými nástroji — vyhledávání znalostí, vyhledávání produktů, sledování objednávek, rezervace schůzek, předání. Pro směrování a reportování mohou být konverzace označeny a SmartFlow pracovní postupy mohou větvit s AI podmínkou na základě toho, co zákazník řekl. Otázky, na které asistent nemohl odpovědět, jsou uvedeny, aby tým mohl vyplnit mezery.
Často kladené otázky
Jaký je rozdíl mezi záměrem a entitou?
Záměr je to, co osoba chce (sledovat objednávku); entity jsou detaily potřebné k tomu, aby to bylo možné (číslo objednávky, e-mailová adresa).
Potřebují asistenti založení na LLM stále klasifikaci záměrů?
Ne, aby odpověděl, protože model interpretuje požadavek přímo. Výslovná klasifikace zůstává užitečná pro směrování, analytiku a spouštění pevných procesů.
Kolik záměrů by měl mít podpůrný bot?
S klasickým klasifikátorem začněte s tuctem záměrů, které pokrývají většinu objemu, a přidávejte další, jakmile data ukážou jejich potřebu. S agentem LLM se místo toho zaměřte na nástroje a znalosti, které každý častý záměr vyžaduje.