Pengesanan niat
Definisi ringkas
Pengesanan niat adalah tugas mengenal pasti apa yang ingin dicapai seseorang daripada apa yang mereka tulis atau katakan, supaya sistem dapat bertindak balas atau mengarahkan permintaan. Niat tipikal adalah menjejak pesanan, meminta pengembalian atau bertanya tentang produk.
Pada halaman ini
Bagaimana pengesanan niat berfungsi
Chatbot klasik bergantung pada pengklasifikasi niat yang dilatih pada frasa contoh untuk setiap niat: “di mana bungkusan saya”, “pesanan saya belum tiba” dan “nombor penjejakan?” semua dilabel sebagai track_order. Pengambil slot kemudian memilih butiran seperti nombor pesanan. Dataset penyelidikan seperti BANKING77 (Casanueva dan rakan-rakan, 2020), dengan 77 niat perbankan yang halus, menunjukkan betapa sukarnya perbezaan halus walaupun untuk model yang baik.
Dengan model bahasa besar, pengesanan niat sering kali bersifat tersirat. Model membaca mesej, memutuskan apa yang diinginkan oleh orang itu dan memilih alat mana yang perlu dipanggil. Beberapa pasukan masih mengekalkan langkah pengklasifikasian eksplisit untuk mengarahkan perbualan, menandakan mereka untuk laporan atau mencetuskan aliran kerja tertentu.
Mengapa ia penting dalam perkhidmatan pelanggan
Mengetahui niat menentukan apa yang berlaku seterusnya: menjawab dari FAQ, mencari pesanan, membuka pengembalian, menghantar perbualan kepada bil, atau segera menghubungi seseorang untuk aduan. Dikumpulkan dari ribuan perbualan, niat juga memberitahu perniagaan tentang apa yang pelanggan benar-benar hubungi mengenainya — input untuk meningkatkan halaman, polisi dan produk.
Dalam e-dagang, niat yang paling kerap adalah status pesanan, masa penghantaran, pengembalian dan pertukaran, soalan produk dan masalah pembayaran.
Kecacatan biasa
Mesej sebenar sering mengandungi beberapa niat (“di mana pesanan saya, dan bolehkah saya menukar saiz?”). Senarai niat tetap cepat lapuk apabila produk dan polisi berubah, dan ekor panjang permintaan jarang tidak pernah sesuai dengan mana-mana label. Ambang keyakinan yang terlalu rendah menghantar pelanggan ke jalan yang salah; ambang yang terlalu tinggi meningkatkan segala-galanya. Sistem harus membenarkan fallback — bertanya soalan penjelasan atau menyerahkan — daripada memaksa tekaan.
Pengendalian niat dalam AI SmartTalk
AI SmartTalk tidak meminta anda untuk mendefinisikan senarai niat. Model bahasa pembantu mentafsir setiap mesej dan memilih antara alatnya — carian pengetahuan, carian produk, semakan pesanan, tempahan janji, pemindahan. Untuk penghalaan dan pelaporan, perbualan boleh ditandakan, dan aliran kerja SmartFlow boleh bercabang dengan syarat AI berdasarkan apa yang pelanggan katakan. Soalan yang tidak dapat dijawab oleh pembantu disenaraikan supaya pasukan dapat mengisi kekosongan.
Soalan lazim
Apakah perbezaan antara niat dan entiti?
Niat adalah apa yang diinginkan oleh seseorang (jejak pesanan); entiti adalah butiran yang diperlukan untuk melakukannya (nombor pesanan, alamat emel).
Adakah pembantu berasaskan LLM masih memerlukan pengelasan niat?
Tidak untuk menjawab, kerana model mentafsir permintaan secara langsung. Pengelasan eksplisit tetap berguna untuk penghalaan, analitik dan memicu proses tetap.
Berapa banyak niat yang perlu dimiliki oleh bot sokongan?
Dengan pengelasan klasik, mulakan dengan sedozen niat yang merangkumi kebanyakan volum dan tambah lebih banyak apabila data menunjukkan mereka. Dengan agen LLM, tumpukan sebaliknya pada alat dan pengetahuan yang diperlukan oleh setiap niat yang kerap.