Was ein Kontakt sagt oder tippt. und ermittelt die beste Übereinstimmung aus den konfigurierten Absichten. Der Mpower-Agenten kann dann auf den Kontakt reagieren und dabei die in einer 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. für die entsprechende Absicht konfigurierte Antwort verwenden.
Jede Äußerung, die ein Kontakt sendet, enthält eine Absicht. Viele Nachrichten beziehen sich auf den Grund, aus dem der Kontakt sich an Ihre Organisation wendet. Die Absichten dieser Nachrichten beziehen sich auf Aufgaben, die Ihr Mpower-Agenten Ein virtueller Agent, der mit CXone Mpower Agent Builder erstellt wird und Sprach- oder Chatinteraktionen bearbeiten kann. erledigt, wie etwa das Zurücksetzen von Passwörtern oder die Angabe von Wegbeschreibungen und Geschäftszeiten. Andere Nachrichten haben eher sozialen Charakter, hier sind die Absichten zum Beispiel Begrüßungen, Verabschiedungen, Danke, Smalltalk usw.
Absichten sind der Ausgangspunkt beim Konfigurieren eines neuen Mpower-Agenten. Sie erstellen eine Absicht und stellen Beispiele bereit; dies sind Nachrichten, in denen Kontakte diese Absicht vermitteln. Als Nächstes konfigurieren Sie, wie Mpower-Agenten Sie auf die Absicht reagieren möchten. Sie können beispielsweise den Mpower-Agenten veranlassen, Folgefragen zu stellen, mit einer Antwort zu reagieren, Kontaktoptionen anzubieten oder an einen Live-Agenten weiterzuleiten.
Das Arbeiten mit Absichten ist ein wichtiger Teil der Konfiguration Ihres Mpower-Agenten während des Implementierungsprozesses. Nach der Bereitstellung ist es wichtig, weiterhin an den Absichten zu arbeiten, um den Bot kontinuierlich zu verwalten.
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. |
Trainingsbeispiele für Absichten
Anhand von Beispielen fürAbsichten Die Bedeutung oder der Zweck hinter dem, was ein Kontakt sagt/tippt; was der Kontakt mitteilen oder erreichen möchte. lernen Ihre Mpower-Agenten, wie ein Kontakt auf unterschiedliche Weise eine Absicht zum Ausdruck bringen kann. Je mehr Beispiele einer Absicht Sie haben, desto mehr Variationen dieser Absicht kann Ihr Mpower-Agenten richtig identifizieren. Verwenden Sie reale Gesprächsdaten, um
Während der Planungsphase des Implementierungsprozesses sammeln Sie Aufzeichnungen oder Transkripte von realen Gesprächen, die Ihre Agenten mit Kontakten geführt haben. Nutzen Sie diese Gespräche als Quelle für Beispiele zum Intention-Training, die Sie Ihrem Mpower-Agentenhinzufügen können.
Mit CXone MpowerXO können Sie Ihre historischen Interaktionen analysieren und Beispiele extrahieren, die Sie mit Ihrem Mpower-Agentsverwenden können.
Absichtsvorhersage und Konfidenz
Ihr Mpower-Agenten analysiert jede Nachricht, die der Kontakt sendet. Er bestimmt, wie genau die Nachricht mit den konfigurierten Absichten übereinstimmt, und berechnet die Konfidenz der einzelnen Treffer, d. h wie wahrscheinlich es ist, dass eine korrekte Übereinstimmung gefunden wurde. Je höher der Konfidenzwert ist, desto besser ist die Übereinstimmung. Der Mpower-Agenten verwendet die Absicht mit dem höchsten Konfidenzprozentsatz, der über dem konfigurierten Schwellenwertliegt.
Wenn das Mpower-Agenten Konfidenzniveau unter den Schwellenwert aller konfigurierten Absichten fällt, wird die Fallback-Option NLU Dieser Prozess baut auf der natürlichen Sprachverarbeitung (NLP) auf, um Entscheidungen zu treffen oder Maßnahmen zu ergreifen, die auf dem basieren, was er versteht. ausgelöst. Sie können den Schwellenwert, der das Fallback auslöst, in Agent Builder auf der Registerkarte "NLU > Fallback" konfigurieren.
Absichten außerhalb des Zuständigkeitsbereichs des Bots
Möglicherweise gibt es Aufgaben, für deren Bearbeitung Sie Ihren Mpower-Agenten noch nicht konfiguriert haben, von denen Sie aber wissen, dass Kontakte Die Person, die mit einem Agenten, IVR oder Bot in Ihrem Contact Center interagiert. danach fragen werden. Mit Absichten außerhalb des Geltungsbereichs kann Ihr Mpower-Agenten Kontaktinformationen dazu bereitstellen, wie Aufgaben erledigt werden können, bei denen er nicht helfen kann.
Wenn Kontakte beispielsweise Ihren Mpower-Agenten regelmäßig bitten, Kontostandsprüfungen durchzuführen, Sie diese Aufgabe aber noch nicht konfiguriert haben, können Sie eine Absicht zum Überprüfen des Kontostands erstellen. Fügen Sie Trainingsdatenbeispiele aus den Anfragen der Kontakte hinzu. Erstellen Sie dann eine Regel für die Absicht mit Mpower-Agenten Antworten wie:
- "Es tut mir leid, Kontostandsüberprüfungen kann ich noch nicht für Sie ausführen. Soll ich Sie an jemanden weiterleiten, der Ihnen dabei helfen kann?"
- "Es tut mir leid, ich kann noch keine Kontostände überprüfen. Ich kann Ihnen dabei helfen, Ihre Adresse zu ändern, Ihr Passwort zurückzusetzen und Filialen in Ihrer Nähe zu finden. Was möchten Sie tun?"
Neben einer Absicht außerhalb des Geltungsbereichs müssen Sie auch eine Story erstellen, um Mpower-Agenten für einen Pfad außerhalb des Geltungsbereichszu trainieren. Dadurch lernt der Mpower-Agenten, mit verschiedenen Situationen umzugehen, die nicht durch andere Absichten abgedeckt sind.
Absichten außerhalb des Zuständigkeitsbereichs ähneln Fallbacks, können aber ein besseres Kundenerlebnis bieten. Wenn Sie Absichten für die häufig gestellten Fragen an Ihre Mpower-Agenten haben, die außerhalb des Geltungsbereichs liegen, können Sie für jede Frage individuell angepasste Antworten geben. Dadurch wirkt Ihr Mpower-Agenten menschlicher und gesprächiger.
Absichtsverwechselung
Ein Mpower-Agenten kann manchmal die falsche Absicht Die Bedeutung oder der Zweck hinter dem, was ein Kontakt sagt/tippt; was der Kontakt mitteilen oder erreichen möchte. für die Nachricht des Kontakts wählen. Dies kann passieren, wenn zwei Absichten so ähnlich sind, dass es für Mpower-Agenten schwierig ist, sie auseinanderzuhalten. Dies wird als Absichtsverwechselung bezeichnet – sie kann passieren, wenn Sie dieselben Trainingsdaten für mehrere Absichten verwenden. Dies kann auch passieren, wenn die Beispiele so ähnlich sind, dass es schwierig ist, sie auseinanderzuhalten, selbst wenn die spezifischen Beispiele nicht dieselben sind. Zwei Benutzerziele scheinen zunächst unterschiedlich zu sein, aber mit der Zeit werden ähnliche Beispiele daraus.
Die Absichten und die zugehörigen Trainingsdaten sollten separat organisiert werden. Wenn Sie Trainingsbeispiele für mehr als eine Absicht verwenden möchten, kann dies darauf hinweisen, dass Sie die Absichten stattdessen in eine einzelne, allgemeinere Absicht zusammenfassen könnten.
Es gibt zwei gängige Situationen, in denen Absichten verwechselt werden:
- Informationen bereitstellen: Ihr Mpower-Agenten könnte den Kontakt an verschiedenen Stellen im Gespräch um die Bereitstellung von Informationen bitten, sodass Sie am Ende Absichten wie „provide_email“ und „provide_name“ erhalten könnten. Die Trainingsdatenbeispiele für diese Varianten sind jedoch zu ähnlich:
- "Mein Name ist Sherry Khan."
- "Meine E-Mail-Adresse ist sherry.khan@email.com."
- "Hier ist Nathoo Mannkind."
- "Das ist nathoo@otheremail.com."
- Anfragen nach Informationen: Ein Kontakt könnte den Mpower-Agenten um Informationen bitten, beispielsweise nach dem Kontostand. Es gibt verschiedene Arten von Informationen, nach denen Kontakte fragen könnten; Sie haben vielleicht für jeden Typ eine Absicht. Für die Abfrage von Kontoständen könnten Sie zum Beispiel die Absichten Kontostand_Girokonto und Kontostand_Sparkonto haben. Die Trainingsdatenbeispiele für diese Varianten sind jedoch zu ähnlich:
- "Wie ist der Kontostand meines Girokontos?"
- "Wie viel habe ich auf meinem Sparkonto?"
- "Können Sie mir den Kontostand meines Girokontos sagen?"
Der einzige wirkliche Unterschied in den Trainingsbeispieldaten für diese Szenarios ist die angegebene Entität Stichwort oder Ausdruck, das/der in Ihrem Unternehmensprofil in Interaction Analytics definiert ist. Bezieht sich auf einen Entitätstyp. Kann Varianten enthalten..
Vermeiden von Absichtsverwechselungen
Die allgemeine Regel zum Beheben oder Vermeiden von Absichtsverwirrungen besteht darin, Absichten zusammenzuführen und anhand von Entitäten zu trainieren. Es ist besser, eine einzige, allgemeine Absicht zu haben, auf die Sie alle Ihre Trainingsbeispiele anwenden, und dann Geschichten zu verwenden, um Ihr Kind zu trainieren, Mpower-Agenten die Entitäten zu erkennen. Wenn Mpower-Agenten die Entitäten in Kontaktäußerungen erkennen kann, kann es den entsprechenden Pfad einschlagen.
Die folgende Tabelle zeigt gängige Szenarios mit Beispielen aus dem Abschnitt oben. Sie sehen die ursprünglichen Absichten, die neue allgemeine Absicht und Beispiele für Trainings-Storys.
| Szenario | Ursprüngliche Absicht | Neue, allgemeine Absicht | Training mit Storys |
|---|---|---|---|
| Informationen angeben |
Adresse_angeben E_Mail_Adresse_angeben Name_angeben |
Info_angeben |
Erstellen Sie mehrere Storys, die mit Beispielen für Kontaktnachrichten beginnen, die die verschiedenen Arten von Informationen enthalten, die Mpower-Agenten sammeln kann:
Alle Storys lösen dieselbe Absicht aus, nämlich Informationen_angeben. Jede Story verwendet eine andere Entität, zum Beispiel KontoAdresse, KontoEMailAdresse und KontoName. Im letzten Beispiel „Ich muss meine Informationen aktualisieren“ wird kein bestimmter Informationstyp angegeben, sodass Mpower-Agenten möglicherweise eine Folgefrage stellen muss. |
|
Informationen anfragen |
Kontostand_Girokonto Kontostand_Sparkonto Kontostand_Geschenkkarte |
Kontostand_überprüfen |
Erstellen Sie mehrere Storys, die mit Beispielen für Kontaktnachrichten beginnen wie:
Alle Storys lösen dieselbe Absicht aus, nämlich Kontostand_überprüfen. Jede Story verwendet eine andere Entität, zum Beispiel KontostandGirokonto, KontostandSparkonto, KontostandGeschenkkarte. Im letzten Beispiel „Wie hoch ist mein Kontostand?“ wird kein Kontotyp angegeben, sodass Mpower-Agenten möglicherweise eine Folgefrage stellen muss. |
Multi-Absichten
Mpower-Agents kann eine oder mehrere Absichten Die Bedeutung oder der Zweck hinter dem, was ein Kontakt sagt/tippt; was der Kontakt mitteilen oder erreichen möchte. in der Nachricht Alles, was ein Kontakt in einer Bot-Interaktion sagt, sei es eine Frage oder eine Aussage, geschrieben oder gesprochen.eines Kontakts identifizieren. Durch die Identifizierung mehrerer Absichten in einer Nachricht kann Ihr Mpower-Agenten Anfragen wie „Bitte zeigen Sie mir meinen Kontostand und überweisen Sie 200 $ auf mein Sparkonto“ korrekt verarbeiten.
Wenn Sie einen Multi-Intent aus zwei bestehenden Single-Intents erstellen, müssen Sie nicht viele Beispiele anführen. Ihr Mpower-Agenten kann die einzelnen Absichten in der Nachricht erkennen und sie als Mehrfachabsicht behandeln.
Verwenden Sie Multi-Intents nur, wenn sie für den natürlichen Gesprächsfluss wirklich notwendig sind. Zu viele Multi-Intents können dazu führen, dass Ihr Mpower-Agenten zu kompliziert wird, um es einfach verwalten zu können.
Absichtsauswertung und -verwaltung
Neben jeder Absicht auf der Registerkarte "Absichten" im Bereich "NLU" 
steht eine Zahl. Die Zahl gibt an, wie viele Trainingsbeispiele es für diese Absicht gibt. Diese Zahlen sind farblich gekennzeichnet und zeigen an, ob es genügend Trainingsbeispiele gibt.
-
Rot: Absicht wird bis zu sieben Mal verwendet. Sie sollten weitere Trainingsbeispiele hinzufügen.
-
Orange: Absicht wird zwischen acht und vierzehn Mal verwendet. Fügen Sie nach Möglichkeit weitere Trainingsbeispiele hinzu.
-
Grün: Absicht wird mehr als fünfzehn Mal verwendet. Es werden keine weiteren Trainingsbespiele benötigt.
Bei einigen Absichten wird möglicherweise ein gelbes Dreieck 
neben der Anzahl der Trainingsbeispiele angezeigt. Das bedeutet, dass es keine Dialoge Mpower-Agenten-Storys, Regeln und Abläufe in Agent Builder. gibt, die diese Absicht beinhalten. Wenn Sie Absichten mit diesem Symbol haben, fügen Sie sie zu Storys oder Regeln hinzu.
Auf der Registerkarte "Absichten" können Sie auch die folgenden Verwaltungsaufgaben für Absichten ausführen:
- Dialoge anzeigen (Storys und Regeln), in denen eine Absicht verwendet wird.
- Aktuelle Kontaktnachrichten aufrufen und nachsehen, welche Absicht jeweils vorhergesagt wurde.
- Eine Absicht ausblenden (aus dem Training).
Best Practices für Absichten
Beachten Sie bei der Erstellung von Absichten die folgenden bewährten Verfahren:
- Absichten sind nicht immer eindeutig. Zwei Benutzerziele scheinen zunächst unterschiedlich zu sein, aber mit der Zeit werden ähnliche Beispiele daraus. Die Absichten und die zugehörigen Trainingsdaten sollten separat organisiert werden. Wenn Sie Trainingsbeispiele für mehr als eine Absicht verwenden möchten, kann dies darauf hinweisen, dass Sie die Absichten stattdessen in eine einzelne, allgemeinere Absicht zusammenfassen könnten. Damit können Sie Unklarheiten bei der Absicht vermeiden.
- Fügen Sie immer eine Absicht außerhalb des Geltungsbereichs ein. Mithilfe von Out-of-Scope-Intents kann Ihr Mpower-Agenten auf Kontaktanfragen reagieren, die außerhalb der Aufgaben liegen, für die es trainiert wurde.Sie ermöglichen es Ihnen, das Gespräch wieder aufzunehmen, und führen oft zu einer besseren Leistung.
- Testen und trainieren. Testen Sie Ihre Mpower-Agenten, um problematische Absichten aufzudecken. Beispielsweise kann es zu Situationen kommen, in denen es falsche Antworten liefert oder eine Absicht außerhalb des Geltungsbereichs wählt, obwohl Sie meinen, es hätte eine andere Absicht wählen sollen.
- Verwenden Sie mehrere Absichten nur sparsam. Verwenden Sie Multi-Intents nur, wenn sie für den natürlichen Gesprächsfluss wirklich notwendig sind. Zu viele Multi-Intents können dazu führen, dass Ihr Mpower-Agenten zu kompliziert wird, um es einfach verwalten zu können.