Виявлення намірів
Швидке визначення
Виявлення намірів — це завдання визначення того, що людина хоче досягти з того, що вона пише або говорить, щоб система могла відповісти або перенаправити запит. Типові наміри — відстеження замовлення, запит на повернення або запит про продукт.
На цій сторінці
Як працює виявлення намірів
Класичні чат-боти покладалися на класифікатор намірів, навчений на прикладах фраз для кожного наміру: "де моя посилка", "моє замовлення ще не надійшло" та "номер відстеження?" всі мали мітку track_order. Потім екстрактор слотів виділяв деталі, такі як номер замовлення. Дослідницькі набори даних, такі як BANKING77 (Casanueva та колеги, 2020), з 77 детальними банківськими намірами, показують, як важко робити тонкі відмінності навіть для хороших моделей.
З великими мовними моделями виявлення намірів часто є імпліцитним. Модель читає повідомлення, вирішує, що хоче людина, і вибирає, який інструмент викликати. Деякі команди все ще зберігають явний етап класифікації, щоб перенаправити розмови, позначити їх для звітності або запустити конкретні робочі процеси.
Чому це важливо в обслуговуванні клієнтів
Знання наміру визначає, що буде далі: відповідь з FAQ, перевірка замовлення, відкриття повернення, передача розмови до бухгалтерії або негайний дзвінок людині для скарги. У агрегованому вигляді тисяч розмов наміри також показують бізнесу, про що насправді звертаються клієнти — вхідні дані для покращення сторінок, політик і продуктів.
У електронній комерції найчастіші наміри зазвичай стосуються статусу замовлення, термінів доставки, повернень і обмінів, запитань про продукти та проблем з оплатою.
Загальні підводні камені
Справжні повідомлення часто містять кілька намірів ("де моє замовлення, і чи можу я змінити розмір?"). Фіксовані списки намірів швидко застарівають, оскільки продукти та політики змінюються, а довгий хвіст рідкісних запитів ніколи не підходить під жодну мітку. Пороги впевненості, які занадто низькі, ведуть клієнтів не тим шляхом; пороги, які занадто високі, ескалюють все. Системи повинні дозволяти запасний варіант — задавати уточнююче питання або передавати — замість того, щоб змушувати здогадуватися.
Обробка намірів у AI SmartTalk
AI SmartTalk не просить вас визначити список намірів. Мовна модель асистента інтерпретує кожне повідомлення та обирає серед своїх інструментів — пошук знань, пошук продуктів, перевірка замовлень, бронювання зустрічей, передача. Для маршрутизації та звітності розмови можуть бути помічені, а робочі процеси SmartFlow можуть гілкуватися з умовою AI на основі того, що сказав клієнт. Питання, на які асистент не зміг відповісти, перераховані, щоб команда могла заповнити прогалини.
Поширені запитання
У чому різниця між наміром і сутністю?
Намір — це те, що хоче людина (відстежити замовлення); сутності — це деталі, необхідні для цього (номер замовлення, електронна адреса).
Чи потрібна класифікація намірів асистентам на основі LLM?
Не для відповіді, оскільки модель безпосередньо інтерпретує запит. Явна класифікація залишається корисною для маршрутизації, аналітики та запуску фіксованих процесів.
Скільки намірів повинен мати бот підтримки?
З класичним класифікатором почніть з десятка намірів, які покривають більшість обсягу, і додавайте більше, коли дані їх покажуть. З агентом LLM зосередьтеся натомість на інструментах і знаннях, які потрібні для кожного частого наміру.