Intencijos nustatymas
Greitas apibrėžimas
Intencijos nustatymas yra užduotis nustatyti, ką žmogus nori pasiekti iš to, ką jis rašo ar sako, kad sistema galėtų reaguoti ar nukreipti užklausą. Tipinės intencijos yra užsakymo sekimas, grąžinimo prašymas arba klausimas apie produktą.
Šioje puslapio dalyje
Kaip veikia intencijos nustatymas
Klasikiniai chatbot'ai priklausė nuo intencijos klasifikatoriaus, apmokyto pagal pavyzdžių frazes kiekvienai intencijai: „kur mano siunta“, „mano užsakymas dar neatvyko“ ir „sekimo numeris?“ visi pažymėti kaip track_order. Tada slot extractor išskirdavo detales, tokias kaip užsakymo numeris. Tyrimų duomenų rinkiniai, tokie kaip BANKING77 (Casanueva ir kolegos, 2020), su 77 smulkiai apibrėžtomis bankininkystės intencijomis, parodo, kaip sunku yra smulkūs skirtumai net geriems modeliams.
Su dideliais kalbos modeliais intencijos nustatymas dažnai yra implicitinis. Modelis perskaito žinutę, nusprendžia, ko žmogus nori, ir pasirenka, kurį įrankį naudoti. Kai kurios komandos vis dar išlaiko aiškų klasifikavimo žingsnį, kad nukreiptų pokalbius, pažymėtų juos ataskaitoms arba inicijuotų specifinius darbo procesus.
Kodėl tai svarbu klientų aptarnavime
Žinodamas intenciją nusprendžia, kas bus toliau: atsakyti iš DUK, ieškoti užsakymo, atidaryti grąžinimą, perduoti pokalbį apskaitai arba nedelsiant paskambinti asmeniui dėl skundo. Apibendrinus tūkstančius pokalbių, intencijos taip pat pasako verslui, dėl ko klientai iš tikrųjų kreipiasi — tai yra įvestis, skirta tobulinti puslapius, politiką ir produktus.
E-komercijoje dažniausiai pasitaikančios intencijos paprastai yra užsakymo būsena, pristatymo laikai, grąžinimai ir keitimai, produktų klausimai ir mokėjimo problemos.
Dažnos kliūtys
Tikros žinutės dažnai turi kelias intencijas („kur mano užsakymas, ir ar galiu pakeisti dydį?“). Fiksuotos intencijų sąrašai greitai pasensta, nes produktai ir politikos keičiasi, o ilgas retų užklausų uodega niekada netelpa po jokiu ženklu. Pasitikėjimo slenkstiai, kurie yra per žemi, siunčia klientus neteisingu keliu; slenkstiai, kurie yra per aukšti, eskaluoja viską. Sistemos turėtų leisti atsarginį variantą — užduoti paaiškinamąjį klausimą arba perduoti — o ne priversti spėti.
Ketinimų valdymas AI SmartTalk
AI SmartTalk neprašo jūsų apibrėžti ketinimų sąrašo. Asistento kalbos modelis interpretuoja kiekvieną žinutę ir pasirenka iš savo įrankių — žinių paieškos, produkto paieškos, užsakymo peržiūros, susitikimų rezervavimo, perdavimo. Pokalbiai gali būti žymimi, o SmartFlow darbo srautai gali šakotis su AI sąlyga, atsižvelgiant į tai, ką klientas pasakė. Klausimai, į kuriuos asistentas negalėjo atsakyti, yra išvardyti, kad komanda galėtų užpildyti spragas.
Dažnai užduodami klausimai
Koks skirtumas tarp ketinimo ir objekto?
Ketinimas yra tai, ko žmogus nori (sekti užsakymą); objektai yra detalės, reikalingos tai padaryti (užsakymo numeris, el. pašto adresas).
Ar LLM pagrindu veikiantys asistentai vis dar reikia ketinimų klasifikacijos?
Ne, kad atsakytų, nes modelis tiesiogiai interpretuoja užklausą. Aiški klasifikacija vis dar yra naudinga maršrutizavimui, analitikai ir fiksuotų procesų inicijavimui.
Kiek ketinimų turėtų turėti palaikymo bot?
Naudojant klasikinį klasifikatorių, pradėkite nuo keliolikos ketinimų, kurie apima didžiąją dalį apimties, ir pridėkite daugiau, kai duomenys tai parodys. Su LLM agentu, vietoj to, sutelkite dėmesį į įrankius ir žinias, kurių reikalauja kiekvienas dažnas ketinimas.