Ein virtueller Agent, der mit CXone Mpower Agent Builder erstellt wird und Sprach- oder Chatinteraktionen bearbeiten kann. zu trainieren, Informationen aus Kontakt-Äußerungen Was ein Kontakt sagt oder tippt.zu extrahieren. Extrahierte Informationen können zur Verwendung in Mpower-Agenten Antworten gespeichert werden. Sie können auch an CXone Mpower übergeben werden, oder über Integrationen an Drittanbieter-Datenbanken oder -anwendungen.
Kontaktäußerungen Die Person, die mit einem Agenten, IVR oder Bot in Ihrem Contact Center interagiert. können viele Informationen enthalten. Sie brauchen nicht für alle diese Informationen Entitäten. Sie sollten nur Entitäten für Informationen erstellen, die Ihr Mpower-Agenten zum Erreichen seiner Ziele benötigt. Zum Beispiel können Kontakte während einer Interaktion vielleicht ihren Vor- und Nachnamen angeben. Wenn das Ziel lediglich darin besteht, Ihrem Mpower-Agenten zu ermöglichen, den Kontakt mit seinem Vornamen anzusprechen, ist es nicht erforderlich, eine Entität für den Nachnamen oder den vollständigen Namen des Kontakts zu erstellen.
Wenn Sie eine Entität erstellen, erstellt Agent Builder automatisch einen entsprechenden Slot Entität, die aus der Nachricht des Kontakts extrahiert und zur Verwendung in Bot-Antworten gespeichert wird. Ähnlich wie eine Variable. zur Aufnahme der extrahierten Informationen. Automatisch erstellte Slots müssen modifiziert werden, um die Standardeinstellung zu ändern.
Entitäten hängen eng mit Slots zusammen. Slots enthalten während einer Interaktion Informationen, bis sie gebraucht werden. Eine Entität identifiziert und extrahiert Informationen aus einer Äußerung und speichert sie in einem Slot. Sie können einen Slot als Variable einsetzen, um die darin enthaltenen Informationen zu verwenden.
Glossar
| Konzept | Definition | Beispiel | Was Mpower-Agenten macht |
|---|---|---|---|
Äußerung |
Alles, was ein Kontakt Die Person, die mit einem Agenten, IVR oder Bot in Ihrem Contact Center interagiert. in einer Interaktion Das vollständige Gespräch mit einem Agenten über einen Kanal. Eine Interaktion kann zum Beispiel ein Anruf, eine E-Mail, ein Chat oder eine Unterhaltung in den sozialen Medien sein.sagt. Ein Synonym ist Nachricht. |
"Ich habe mein Passwort vergessen." "Wie hoch ist mein Saldo?" "Bist du ein Bot?" |
Der Mpower-Agenten verwendet Natural Language Understanding (NLU), um jede Kontaktäußerung zu analysieren und ihre Bedeutung oder Absichtzu bestimmen. |
Absicht |
Was der Kontakt mitteilen oder erreichen möchte. In jeder Nachricht, die der Kontakt sendet, ist eine Absicht enthalten. |
"Ich habe mein Passwort vergessen" hat die Bedeutung von "Passwort zurücksetzen". "Hallo" hat die Bedeutung von "Gruß". |
Der Mpower-Agenten analysiert die Nachricht eines Kontakts mithilfe von NLU |
Entität |
Eine definierte Informationseinheit in der Nachricht eines Kontakts. | Name der Person oder des Produkts, Telefonnummer, Kontonummer, Standort und so weiter. | Mpower-Agenten verwendet NLU, um Entitäten in der Nachricht eines Kontakts zu identifizieren. Entitäten helfen dem Mpower-Agenten zu verstehen, was die Nachricht des Kontakts bedeutet. |
Slot |
Eine Entität, die aus der Nachricht eines Kontakts extrahiert und zur Verwendung in Mpower-Agenten Antworten gespeichert wird. Ähnlich wie eine Variable. | Durch das Erstellen eines Slots für den Kontaktnamen kann Mpower-Agenten diesen Namen in Antworten während einer Interaktion verwenden und so die Interaktion persönlicher gestalten. | Bei entsprechender Konfiguration extrahiert Mpower-Agenten eine Entität aus einer Kontaktnachricht und speichert sie in einem Slot. Sie können Ihre Mpower-Agenten diese Informationen später im Gespräch verwenden lassen. |
Regel |
Definiert Mpower-Agenten Antworten auf Nachrichten, deren Bedeutung sich nicht im Kontext ändert. |
|
Regeln sind eine von zwei Möglichkeiten, wie Sie konfigurieren können, wie Ihr Mpower-Agenten auf eine Absicht reagiert. Regeln sind für bestimmte Arten von Absichten hilfreich, aber nicht für alle. |
Story |
Trainiert einen Mpower-Agenten, um eine Interaktion basierend auf der Nachrichtenabsicht und dem Gesprächskontext zu handhaben. | In einer Interaktion über ein vergessenes Passwort würde Mpower-Agenten auf „Wie mache ich das?“ antworten. in eine Richtung. Wenn es bei der Interaktion um die Erstellung eines neuen Kontos ginge, wäre die Antwort ganz anders, obwohl der Kontakt in beiden Fällen dieselben Wörter mit derselben Absicht verwendet – mehr Informationen zu erhalten. | Stories sind die zweite von zwei Möglichkeiten, wie Sie konfigurieren können, wie Ihr Mpower-Agenten auf eine Absicht reagiert. Geschichten lehren die Mpower-Agenten, wie sie den Kontext des Gesprächs nutzen können, um angemessen zu reagieren. |
Mpower-Agenten Aktion |
Alles, was ein Mpower-Agenten während der Bearbeitung einer Interaktion sagt oder tut. |
Bei einer Interaktion bezüglich eines vergessenen Passworts antwortet Mpower-Agenten mit dem Senden des Links zu den FAQ zum Zurücksetzen des Passworts auf der Website. Wenn ein Kontakt seinen Ärger ausdrückt, zum Beispiel durch "Ich verstehe das nicht! Das funktioniert doch gar nicht!!!", der Mpower-Agenten antwortet mit „Es tut mir leid. Soll ich Sie an einen meiner menschlichen Kollegen weiterleiten?" Wenn der Kontakt „Ja“ sagt, leitet Mpower-Agenten die Übertragung ein. |
Mpower-Agenten-Aktionen sind die Optionen, die Sie haben, wenn Sie definieren, wie Ihr Mpower-Agenten auf jede Absicht reagieren soll. Mit diesen Aktionen können Sie jede Antwort flexibel konfigurieren, damit im Ergebnis die Kundenanforderungen erfüllt werden. |
Entitätstypen
Es gibt zwei Arten von Entitäten Informationen, die aus den Nachrichten eines Kontakts in Unterhaltungen mit einem Mpower-Agenten erfasst werden. in Agent Builder:
- Reguläre Ausdrücke (Regex): Entitäten, die einem bestimmten Muster folgen, zu Beispiel Telefonnummern, Bestellnummern oder E-Mail-Adressen.
- Nachschlagetabelle: Entitäten, die keinem Muster folgen, zum Beispiel Eiscremesorten, Berichtstitel, Sockentypen oder Farben.
Regelmäßige Ausdrücke als Entitäten
Ein regulärer Ausdruck (regex) ist eine Folge von Zeichen, die ein Suchmuster angibt. Durch das Erstellen eines regulären Ausdrucks zum Extrahieren von Entitäten lernt Ihr Mpower-Agenten ein Muster, nach dem er suchen muss, um die richtigen Informationen für diese Entität zu identifizieren. Dies ist besonders bei Daten hilfreich, die einem ähnlichen, regelmäßigen Muster folgen, zum Beispiel E-Mail-Adressen, Telefonnummern und Konto- oder Rechnungsnummern.
Sie können eine Regex-Entität von beiden Registerkarten im NLU-Abschnitt in Agent Builderhinzufügen:
Nachschlagetabellen als Entitäten
Nachschlage-Entitäten sind Kategorien von Informationen. In Agent Builder handelt es sich um Wortlisten, wobei jedes Wort ein Mitglied der Kategorie ist. Die Liste muss jedes Mitglied der Kategorie enthalten, über das Ihr Mpower-Agenten Bescheid wissen muss. Wenn Sie beispielsweise eine Entität für Eiscremesorten erstellen, müssen Sie jede Sorte angeben, die Ihr Unternehmen anbietet. Möglicherweise möchten Sie auch Varianten hinzufügen, die Ihr Unternehmen nicht anbietet, die aber häufig nachgefragt werden, sodass Ihr Mpower-Agenten auf diese Anfragen mit einem Pfad außerhalb des Geltungsbereichsreagieren kann.
Sie können eine Nachschlagetabellen-Entität im NLU-Bereich in Agent Builder hinzufügen
- Registerkarte "Entitäten"
- Posteingang beim Anzeigen von Nachrichten
- Registerkarte "Absichten" bei der Arbeit mit Absichtsbeispielen
Bei Nachschlage-Entitäten muss die Groß- und Kleinschreibung nicht beachtet werden.
Funktionsweise von Entitäten
Damit Ihr Mpower-Agenten eine Entität Stichwort oder Ausdruck, das/der in Ihrem Unternehmensprofil in Interaction Analytics definiert ist. Bezieht sich auf einen Entitätstyp. Kann Varianten enthalten. aus einer Äußerung Was ein Kontakt sagt oder tippt.extrahieren kann, müssen Sie sie in den entsprechenden Absichtsbeispielen Die Bedeutung oder der Zweck hinter dem, was ein Kontakt sagt/tippt; was der Kontakt mitteilen oder erreichen möchte. und in den Dialogen Mpower-Agenten-Storys, Regeln und Abläufe in Agent Builder. für diese Absicht kennzeichnen. Durch die Beschriftung an beiden Stellen lernen Sie Mpower-Agenten, wann eine Entität extrahiert werden soll, welche Entität extrahiert werden soll und wie die Entität mit der Absicht verknüpft wird. Für Regex-Entitäten ist eine Beschriftung erforderlich, für Nachschlagetabellen-Entitäten jedoch nicht. Für Nachschlagetabellenentitäten ist es jedoch weiterhin hilfreich.
Um eine Entität zu kennzeichnen, müssen Sie sie in der Äußerung auswählen und dann die Art der Entität wählen, die das Wort oder der Ausdruck darstellt. Dies ist über den NLU-Posteingang, in Absichtsbeispielen und aus einer Story oder Regel möglich.
Während einer Interaktion sagt Mpower-Agenten die Absicht einer Äußerung voraus. Wenn die Absicht eine beschriftete Entität enthält, prüft Mpower-Agenten die Äußerung auf eine Zeichenfolge, die mit dem in einer Regex-Entität festgelegten Muster übereinstimmt, oder auf eines der Beispiele in einer Nachschlagetabellen-Entität. Wenn eine Übereinstimmung gefunden wird, extrahiert Mpower-Agenten den Wert und speichert ihn im entsprechenden Slot Entität, die aus der Nachricht des Kontakts extrahiert und zur Verwendung in Bot-Antworten gespeichert wird. Ähnlich wie eine Variable.der Entität. Diese Informationen können dann während der Interaktion verwendet werden.
Sie müssen konfigurieren, wann und wie es verwendet wird, indem Sie den Steckplatz als Variable verwenden. Sie haben folgende Möglichkeiten:
- Verwenden Sie es in zukünftigen Mpower-Agenten Nachrichten, die an den Kontakt gesendet werden.
- Verwenden Sie es als Bedingung, um den Pfad zu bestimmen, den das Mpower-Agenten Gespräch nimmt.
- Verwenden Sie es mit Skript und API-Integrationen.
Entitäten werden immer extrahiert und im entsprechenden Slot gespeichert, wenn Mpower-Agenten sie erkennt. Wenn das Mpower-AgentenSystem eine Entität erkennt, aber keine Story Wird verwendet, um einen Mpower-Agenten für die Bearbeitung von Interaktionen auf der Grundlage von Absicht und Kontext zu trainieren. oder Regel Wird verwendet, um die Reaktion eines Mpower-Agenten auf Nachrichten zu definieren, die sich nicht mit dem Kontext ändern. hat, die ihm zeigt, was mit den Informationen zu tun ist, wird es diese ignorieren. Allerdings kann die Anwesenheit einer Entität, mit der sie nichts anzufangen weiß, das Mpower-Agenten Vertrauen in die Vorhersage der richtigen Absicht Die Bedeutung oder der Zweck hinter dem, was ein Kontakt sagt/tippt; was der Kontakt mitteilen oder erreichen möchte.verringern.
Es kann vorkommen, dass Sie mit Ihrem Mpower-Agenten nur unter bestimmten Umständen den Platz einer Entität ausfüllen möchten. Sie können Einschränkungen konfigurieren, wann Mpower-Agenten jeden Slot füllen kann. Einschränkungen können auf der Absicht, einem Formular oder beidem basieren. Nicht jede Methode zum Füllen von Slots unterstützt beide Arten von Einschränkungen.
Beispiele und Synonyme für Entitäten
Nachdem Sie eine Entität erstellt haben, müssen Sie Beispiele angeben, damit Ihr Mpower-Agenten lernt, sie zu erkennen. Beispiele unterscheiden sich je nach Art der Entität:
- Bei Regex-Entitäten sollten die Beispiele reale Darstellungen der Datentypen sein, auf die Mpower-Agenten während der Interaktionen stößt. Verwenden Sie beispielsweise für eine Telefonnummernentität echte Telefonnummern.
- Bei Nachschlagetabellen-Entitäten müssen die Beispiele Mitglieder der Kategorie sein, die die Entität repräsentiert. Die Eiscremesorten-Entität kann etwa Beispiele wie Schokolade, Vanille und Erdbeere enthalten. Die Beispielliste muss jedes Mitglied der Kategorie enthalten, über das Ihr Mpower-Agenten Bescheid wissen muss. Möglicherweise möchten Sie Mitglieder der Kategorie einschließen, die Ihre Organisation nicht verwendet, die aber von Kontakten erwähnt werden könnten.
Bei Nachschlagetabellen-Entitäten können Sie für die einzelnen Beispiele auch Synonyme angeben. Mithilfe von Synonymen können Sie Mpower-Agenten die verschiedenen Möglichkeiten beibringen, wie Kontakte auf denselben Entitätswert verweisen können. Synonyme für New York City sind beispielsweise NYC, NY, New York und Big Apple.
Classic Ice Cream Parlor, eine Tochtergesellschaft von Classics, Inc., verkauft 10 Eissorten. Der Agent Builder-Administrator Christopher Robin listet diese Varianten als Entitätsbeispiele auf. Es gibt sechs weitere Geschmacksrichtungen, die von Kontakten häufig angefragt werden, also fügt Christopher diese auch hinzu. Dann erfindet er Geschichten, die seinen Mpower-Agenten zeigen, wie sie auf Anfragen nach Geschmacksrichtungen reagieren sollen, die sie nicht führen.
Als nächstes weiß Christopher, dass einige Kontakte andere Namen für die zehn Geschmacksrichtungen verwenden, die das Unternehmen auf Lager hat, und beispielsweise die Geschmacksrichtung Grape Ice Icy Grapenennen. Christopher fügt diese gebräuchlichen Synonyme als zusätzliche Entitätsbeispiele hinzu und erstellt dann Geschichten, um den Mpower-Agenten beizubringen, zu welcher Inventarvariante jedes Synonym gehört.
Sie können Beispiele und Synonyme für Entitäten an den folgenden Stellen in Agent Builder hinzufügen:
- Auf der Registerkarte "Absichten", wenn Sie einer Absicht Beispiele hinzufügen.
- Auf den Registerkarten "Storys" und "Regeln", wenn Sie einen Dialog Mpower-Agenten-Storys, Regeln und Abläufe in Agent Builder. erstellen.
- Der NLU-Posteingang beim Überprüfen von Nachrichten, die an Mpower-Agentengesendet wurden.
Beschriften Sie Entitäten, um denMpower-Agenten den Umgang damit beizubringen
Nachdem Sie Entitäten Informationen, die aus den Nachrichten eines Kontakts in Unterhaltungen mit einem Mpower-Agenten erfasst werden. erstellt haben, müssen Sie sie in Storys Wird verwendet, um einen Mpower-Agenten für die Bearbeitung von Interaktionen auf der Grundlage von Absicht und Kontext zu trainieren., Regeln Wird verwendet, um die Reaktion eines Mpower-Agenten auf Nachrichten zu definieren, die sich nicht mit dem Kontext ändern., Trainingsdaten für Absichten Die Bedeutung oder der Zweck hinter dem, was ein Kontakt sagt/tippt; was der Kontakt mitteilen oder erreichen möchte. und Nachrichten im NLU-Posteingang kennzeichnen. Durch die Kennzeichnung lernen Sie Mpower-Agenten, dass eine Entität im Kontext der Absicht der Nachrichten wichtig ist, für die sie gekennzeichnet ist. Weitere Funktionen von Kennzeichnungen:
- Der hervorgehobene Text wird als Beispiel der ausgewählten Entität hinzugefügt. Wenn das Beispiel bereits vorhanden ist, wird nichts Neues hinzugefügt.
- Weist Mpower-Agenten an, diese Entität aus der Äußerung zu extrahieren. Anschließend können Sie den Wert der Entität verwenden oder speichern, beispielsweise um einen Kundendatensatz zu aktualisieren oder Mpower-Agenten so zu konfigurieren, dass der Name des Kontakts in einer Mpower-Agenten-Antwort verwendet wird.
Sowohl Regex- als auch Nachschlage-Entitäten müssen gekennzeichnet werden. Bei Regex-Entitäten ist dies erforderlich, um Ihrem Mpower-Agenten das Erkennen des Regex-Musters beizubringen. Bei Nachschlageentitäten zeigt es Ihrem Mpower-Agenten, dass die Entität ein wichtiger Teil der Absicht ist.
Sie können Entitäten in Storys und Regeln, Trainingsdaten für Absichten oder Nachrichten im NLU-Posteingang kennzeichnen.