Maak een Mpower-agent zelfstudie

Akela heeft de taak gekregen om een nieuwe Mpower-agentte creëren. Haar manager wil dat de Mpower-agent eenvoudige klantenservicevragen beantwoordt, zoals het wijzigen van wachtwoorden, het bijwerken van accountgegevens, enzovoort. Samen met haar manager identificeert ze de volgende use cases als startpunt voor de Mpower-agent:

• Wachtwoord wijzigen
• Adres wijzigen
• Telefoonnummer wijzigen
• Facturering creditcard wijzigen

Akela beslist dat het eerste gebruiksscenario waaraan ze zal werken, het wijzigen van wachtwoorden is. Ze praat met de agents van de helpdesk in uw organisatie en controleert opnamen en transcripties van interacties De volledige conversatie met een agent via een kanaal. Een interactie kan bijvoorbeeld een telefoongesprek, een e-mailuitwisseling, een chatgesprek of een uitwisseling via social media zijn.. Met deze input bouwt ze een bestand op met typische interacties over het resetten van wachtwoorden.

Ze heeft eerder in Agent Builder gewerkt, dus Akela weet dat haar CXone Mpower-werknemersprofiel de vereiste toestemming heeft om toegang te krijgen tot Agent Builder( Agent Builder > Start Agent Builder).

Akela logt in op CXone Mpower en maakt een nieuw werknemersprofiel aan voor haar Mpower-agent. Dit is vereist omdat CXone Mpower Mpower-agents behandelt als gebruikersentiteiten. Alle gebruikersentiteiten moet medewerkersprofielen hebben in de platform

Nadat Akela een werknemersprofiel voor de Mpower-agentheeft aangemaakt, maakt ze een nieuwe Mpower-agent aan in Agent Builder. Ze geeft het dezelfde naam die ze in het werknemersprofiel gebruikte, John Mpower-agent.

Na het controleren van de reële interacties die ze heeft verzameld, stelt Akela een voorbeeld op van een typische geslaagde aanvraag voor het resetten van een wachtwoord. Dit is bekend als het happy-pad voor deze intentie. Dit is haar voorbeeld:

Contact De persoon die contact heeft met een agent, IVR of bot in uw contactcenter.: Hallo.

Mpower-agent: Hallo, hoe kan ik helpen?

Klant: Ik ben mijn wachtwoord vergeten.

Mpower-agent: Dat vind ik vervelend om te horen. U kunt het resetten op onze website.

Klant: Hoe doe ik dat?

Mpower-agent: Klik op Wachtwoord vergeten in de rechterbovenhoek van de landingspagina. Voer dan uw e-mailadres in, dan krijgt u van ons een link om uw wachtwoord te resetten.

Klant: Fijn, dank je wel!

Mpower-agent: Graag gedaan. Kan ik nog iets voor u doen?

Contact: Nee, u bent erg behulpzaam geweest. Tot ziens.

Mpower-agent: Bedankt dat u contact met ons opneemt. Tot ziens.

Akela stelt vast dat er vijf intenties zijn in het happy-pad:

• Begroeting (Hallo)
• Wachtwoordreset (Ik ben mijn wachtwoord vergeten)
• Toelichting (Hoe doe ik dat?)
• Bedankt (Dank u en U hebt me goed geholpen)
• Tot ziens (Tot ziens)

Akela maakt deze intenties aan:

1. In Agent Builder gaat Akela naar het tabblad Intenties in de sectie NLU.
2. Ze maakt een map met de naam Conversatiestandaarden.
3. Daarin maakt ze een intentie met de naam begroetingen.
4. Akela doorloopt de interactievoorbeelden die ze heeft verzameld en voegt alle verschillende begroetingen die contacten hebben gebruikt, toe als voorbeelden voor de intentie Begroeting. Ze voeg hallo, hi, hoi, yo enz.
   Afbeelding weergeven

   
5. Ze voegt dan nog twee intenties toe, dankwoorden en afscheidswoorden. Ze voegt voorbeelden voor elk daarvan toe, inclusief bedankt, hartelijk bedankt e heel erg bedankt voor de intentie dankwoorden. Voor de intentie afscheidswoorden voegt ze tot ziens, dag en ok tot ziens toe.
6. Vervolgens maakt Akela een map met de naam Wachtwoordreset.
7. Ze voegt intenties toe met de naam Wachtwoordreset en uitleg en voegt vervolgens voorbeelden toe voor elk van de interactievoorbeelden:
   • Voor Wachtwoordreset voegt ze voorbeelden toe, zoals Ik moet mijn wachtwoord wijzigen, mijn wachtwoord is verkeerd, mijn wachtwoord moet worden bijgewerkt en hoe wijzig ik mijn wachtwoord.
   • Als toelichting voegt ze voorbeelden toe, zoals hoe doe ik dat, Ik zie die optie niet en waar is het.
   Afbeelding weergeven

   
8. Akela gaat verder met het toevoegen van voorbeelden aan haar intenties naarmate ze er vindt in haar interactievoorbeelden. Alle intenties hebben een gemiddeld aantal voorbeelden. Ze weet dat ze meer voorbeelden zal leren Mpower-agent. Ze weet ook dat het niet aan te raden is voorbeelden uit te vinden. Ze heeft er nu nog niet veel aan toe te voegen, maar kan dat later nog doen.
   Afbeelding weergeven

   

Akela besluit dat regels de juiste manier zijn om haar Mpower-agent een aantal van de intenties die ze zelf heeft gecreëerd, bij te brengen. Regels leren een Mpower-agent om elke keer dat een intentie wordt herkend, dezelfde reactie te geven. Dit is ideaal voor bijvoorbeeld begroetingen, afscheids- en bedankjes. Dat zijn de doelen waarvoor ze regels wil gebruiken.

Akela gaat als volgt te werk:

1. Ze maakt een map op het tabblad Regels in de sectie Dialogen van Agent Builder met de naam Conversatiestandaarden.
2. In de nieuwe map voegt Akela een regel toe met de naam Begroeting.
3. Akela gebruikt Hallo als het voorbeeldbericht voor het contact om de regel Begroetingen te activeren. Wanneer ze op Enterdrukt, voorspelt haar Mpower-agent correct wat de begroeting inhoudt, dus bevestigt ze het resultaat.
   Afbeelding weergeven

   
4. Vervolgens voegt Akela het Mpower-agent antwoord toe. Ze wil dat Mpower-agent reageert met een eigen begroeting, dus voegt ze een Bericht-actie toe en voert ze Hallo, hoe kan ik u vandaag helpen? als het bericht dat ze haar Mpower-agent naar het contact wil sturen.
   Afbeelding weergeven

   
5. Uiteindelijk besluit ze dat als contactpersonen haar Mpower-agent vaker gebruiken, ze zullen merken dat het altijd hetzelfde reageert. Om de ervaring meer op een gesprek met een mens te laten lijken, voegt Akela enkele variaties toe aan het antwoord. De Mpower-agent zal willekeurig een van de berichtvariaties gebruiken. Naast het eerste bericht kan haar Mpower-agent nu ook Hoi en bedankt voor het contact met ons zeggen. Wat kan ik voor u doen? en Hallo, waarmee kan ik u vandaag van dienst zijn?.
6. Akela herhaalt dit proces en maakt een regel Afscheidswoorden. Ze gebruikt Tot ziens als het activerende contactbericht .
7. De Mpower-agent voorspelt correct de intentie van het afscheid, dus Akela bevestigt het resultaat.
8. Vervolgens voegt ze de antwoorden van de bot toe. Ze voegt Tot ziens! toe als een berichtactie met Nog een fijne dag. en Geniet nog van de rest van uw dag! als de variaties .
9. De laatste regel die Akela toevoegt, is Bedankt. Voor deze regel gebruikt ze Dank u als het activerende contactbericht . De Mpower-agent voorspelt de juiste bedoeling en Akela bevestigt het resultaat.
10. Vervolgens voegt ze Mpower-agent antwoorden toe. Ze voegt Graag gedaan! toe als een berichtactie met Ik ben blij dat ik u kan helpen. en Natuurlijk, ik ben er om te helpen. als de variaties .
    Afbeelding weergeven

    

Akela zal story's maken voor de twee resterende intenties. Wachtwoordreset en Toelichting. Ze verwijst naar haar gepland happy-pad story voor een vergeten wachtwoord. Na erover na te denken, beslist ze om de intentie Toelichting te combineren met de intentie Wachtwoordreset. Dit zal de conversatie verkorten en de klantervaring verbeteren.

In Agent Builder maakt dit haar verhaal:

1. Eerst verbergt ze de intentie Toelichting op het tabblad NLU > Intentie. Hierdoor wordt het uitgesloten van de Mpower-agent wanneer ze op Trein en faseklikt. Ze wil dit voorlopig bewaren, maar wil geen intentievoorbeelden toevoegen aan de intentie Wachtwoordreset. Ze hoopt dat het leveren van de informatie als een antwoord op aanvragen over wachtwoorden, zal betekenen dat niemand de vragen "hoe doe ik dat" zal stellen.
2. Op het tabblad Story's in de sectie Dialogen, maakt Akela een map met de naam Wachtwoord.
3. In de nieuwe map maakt ze een story Wachtwoordreset.
4. Ze start het verhaal met een contactbericht van Ik moet mijn wachtwoord wijzigen. Haar Mpower-agent voorspelt correct de bedoeling van Resent_password, dus ze klikt op Bevestigen.
5. Ze voegt een Mpower-agent antwoord toe met twee delen:
   • Eerst is er een berichtactie met tekst Het spijt me dat te horen. Ik kan helpen. U kunt dat doen op onze website:
   :
   • Ten tweede is er een actie Rich Link waaraan ze een koppeling toevoegt op de pagina van de Jungle-website over het resetten van wachtwoorden: www.jungle.com/passwordreset. Deze bevat een afbeelding van het Jungle-logo dat zal verschijnen in het bericht met de koppeling.
     Afbeelding weergeven

     

De story die Akela maakt, bevat slechts het deel van de conversatie dat relevant is voor de context van de intentie Wachtwoordreset. Dit is belangrijk om op te merken, omdat het toevoegen van meer inhoud aan een verhaal dan relevant is voor de bedoeling ervan, verwarring kan veroorzaken in de Mpower-agent. Als u inhoud toevoegt aan het verhaal met betrekking tot een ander verzoek, zoals het bijwerken van een postadres, denkt Mpower-agent dat het wijzigen van postadressen alleen kan gebeuren binnen de context van een verzoek om het wachtwoord opnieuw in te stellen, zelfs als u een intentie creëert voor het wijzigen van postadressen.

Na het maken van elk van de intenties, regels en story's voor haar eerste use case, klikte Akela op Trainen en Stage. Hiermee wordt een nieuw Mpower-agent-model gemaakt dat deze configuraties bevat. Dit is echter alleen de eerste stap in training. Nadat ze klaar is met het toevoegen van de regels en het verhaal voor het wachtwoordherstelscenario, moet Akela testen of haar Mpower-agent de intenties in het use case kan voorspellen en erop kan reageren.

Om dit te doen, begint ze met trainen en testen in Agent Builder:

1. Het eerste wat Akela doet, is op Trainen en stagen klikken om te controleren of haar Mpower-agent op de hoogte is van alle wijzigingen die ze heeft aangebracht.
2. Terwijl de training bezig is, zoekt Akela haar conversatievoorbeelden uit de realiteit voor de use case wachtwoordreset.
3. Ze klikt op de tekstballon naast Trein en Podium.
4. Akela kiest een van de conversatievoorbeelden en speelt de rol van het contact. Zij volgt het voorbeeld als een script en start de conversatie met Hallo.
   Afbeelding weergeven

   
5. De Mpower-agent functioneert perfect. Akela klikt in het chatvenster op Reset en start het volgende conversatievoorbeeld.
6. Deze conversatie gaat niet zo goed. De Mpower-agent voorspelt correct de intentie Reset_password, maar nadat deze reageerde met de rijke linkactie, antwoordde het contact Oh, dat is gemakkelijk. Ik snap niet hoe ik dat niet heb gezien.
   Afbeelding weergeven

   
7. Akela noteert het niet-herkende bericht zodat ze het later kan behandelen.
8. Ze gaat verder met testen. Ze ontdekt dat twee andere contacten met onverwachte berichten hebben gereageerd nadat de Mpower-agent het URL-bericht heeft verzonden:
   • Iemand zie DUH haha! Dat was duidelijk! en de andere zei Hoe heb ik dat over het hoofd kunnen zien? Bedankt.
   • Het tweede antwoord bevat het woord bedankt, dus de Mpower-agent voorspelde de intentie Bedankt. Akela weet echter dat de Mpower-agent zonder deze techniek waarschijnlijk niet adequaat had gereageerd.
9. Bij het testen van een ander conversatievoorbeeld voorspelt de Mpower-agent niet de juiste intentie voor Ik ben buitengesloten van mijn account. Akela voegt dit voorbeeld toe aan de intentie Wachtwoordreset.
10. Ze voert een reset van het chatvenster uit en herhaalt de voorbeeldconversatie. Deze keer voorspelt de Mpower-agent correct wat de bedoeling is.
11. Akela merkt op dat, hoewel Ik ben buitengesloten van mijn account de Reset_password-intentie heeft geactiveerd, de reactie van Het spijt me dat te horen! U kunt dat doen op onze website. geen geschikt antwoord is.
12. Akela heeft nu twee taken om de antwoorden die ze Mpower-agent op deze intentie geeft te verfijnen.
    • Terugval maken voor elk onverwacht bericht.
    • Een intentie maken voor uitdrukkingen van het contact dat de oplossing gemakkelijk was.

Tijdens haar testen ontdekte Akela dat als het contact iets onverwachts zei, de Mpower-agent niet wist hoe te reageren. Ze beslist om fallback te maken om de situatie aan te pakken. Er zijn drie soorten van fallback: actie, NLU en rijke berichten. Akela bepaalt dat voor het huidige geval, NLU-fallback het type is dat ze nodig heeft. Dit komt doordat NLU fallback bedoeld is voor situaties waarin de contactpersoon iets onverwachts zegt.

1. Op het tabblad Dialogen > Fallback klikt ze op NLU in de lijst aan de linkerzijde van de pagina.
2. Ze kijkt naar de opties Basis en Geavanceerd en kiest Geavanceerd.
3. Op de pagina Geavanceerd besluit ze om het standaardbericht Mpower-agent voor stap 1 niet te wijzigen.
4. Voor stap 2 voegt Akela een berichtactie toe, gevolgd door een overdrachtactie, zoals weergegeven in de volgende afbeelding.
   Afbeelding weergeven

   

Akela werkt aan het andere probleem dat is gevonden tijdens het testen van , dat uitdrukkingen van opluchting van het contact dat de oplossing gemakkelijk was:

1. Akela gaat naar het tabblad NLU > Intenties en maakt een intentie Opluchting in de map Conversatiestandaarden. De intentie die ze maakt is generiek en niet specifiek verwant met een bepaalde situatie. Dit betekent dat de Mpower-agent kan reageren wanneer een contact opluchting uitdrukt.
2. Ze voegt de voorbeelden toe die ze al heeft gevonden, inclusief wel DUH, dat was duidelijk, Hoe kon ik dat missen en o, dat is gemakkelijk.
3. Daarnaast maakt ze een verhaal met één van haar voorbeelden als het contactbericht. Ze laat de Mpower-agent reageren met een Bericht-actie die zegt Ik ben blij dat ik kon helpen! Kan ik nog iets voor u doen?

Na het oplossen van de problemen die ze heeft gevonden tijdens het eerste tests, herhaalt Akela de tests. Als ze geen extra problemen vindt, voegt ze meer intenties, verhalen en regels toe voor de andere use cases die ze heeft gepland. Wanneer alle use cases zijn toegevoegd en getest, besluit ze haar Mpower-agent in productie te nemen.

Nadat haar Mpower-agent een paar dagen live is, bekijkt Akela de gespreksgegevens op het tabblad Inzichten>Gesprek in Agent Builder. Het wordt al snel duidelijk dat veel gebruikers bedankt en tot ziens gebruiken in hetzelfde bericht. Ze besluit dat het gesprek beter zal verlopen als ze een multi-intentie creëert, zodat de Mpower-agent samen op deze intenties kan reageren. Een multi-intentie dekt situaties wanneer het contact twee intenties heeft in één bericht. Ze begint te werken:

1. In de map Conversatiestandaarden maakt ze een intentie met de naam bedankt + tot ziens. Het plusteken ( + ) maakt dit een multi-intentie.
2. Akela voegt voorbeelden toe voor deze intenties, genomen van de voorbeeldinteracties die ze heeft verzameld. Ze voegt voorbeelden toe, zoals Dat werkt. Tot ziens, Bedankt, tot later, Ik apprecieer uw hulp, tot ziens en bedankt, dag .
3. Vervolgens maakt ze een regel die de intentie bedankt + tot ziens gebruikt. Het antwoord Mpower-agent is een Bericht-actie die zegt Graag gedaan. Nog een mooie dag.