Intenties in Agent Builder

Intenties zijn de belangrijkste betekenis achter de woorden van het contact. Dit is de behoefte van het contact of het doel dat hij/zij wil communiceren of behalen. Uw Mpower-agent analyseert elke uiting Iets wat een contact zegt of typt. en bepaalt de dichtstbijzijnde overeenkomst uit de geconfigureerde intenties. De Mpower-agent kan vervolgens reageren op het contact, met behulp van het antwoord dat is geconfigureerd in een verhaal Worden gebruikt om een Mpower-agent te trainen voor interactieafhandeling op basis van intentie en context. of regel Wordt gebruikt voor het definiëren van een Van Mpower-agent-reactie op berichten die niet afhankelijk zijn van de context. voor de overeenkomende intentie.

Elke uiting die een contact stuurt, heeft een intentie. Veel berichten hebben betrekking op de reden waarom het contact met uw organisatie. De bedoelingen van deze berichten hebben betrekking op taken die uw Mpower-agent Een virtuele agent die wordt gemaakt met CXone Mpower Agent Builder die spraak- of chatinteracties kan behandelen. afhandelt, zoals het opnieuw instellen van wachtwoorden of het geven van routebeschrijvingen en openingstijden. Andere berichten volgen sociale scripts waar de intenties begroetingen, afscheidswoorden, dankwoorden, algemeenheden enz. zijn.

Intents vormen het startpunt bij het configureren van een nieuwe Mpower-agent. U maakt een intentie en biedt voorbeelden van berichten die contacten gebruiken om die intentie over te brengen. Vervolgens configureert u hoe u wilt dat Mpower-agent reageert op de intentie. U kunt er bijvoorbeeld voor zorgen dat de Mpower-agent vervolgvragen stelt, met een antwoord reageert, contactopties aanbiedt of doorverbindt met een live agent.

Werken met intenties is een belangrijk onderdeel van het configureren van uw Mpower-agent tijdens het implementatieproces. Na de implementatie is het van cruciaal belang om te blijven werken met uw intenties als onderdeel van het doorlopende beheer van uw bot.

Voorbeelden van intentietrainingen

Metintentie De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken..-voorbeelden traint u uw Mpower-agent in de verschillende manieren waarop een contactpersoon een intentie kan uiten. Hoe meer voorbeelden van een intentie u hebt, hoe meer variaties van die intentie uw Mpower-agent correct kan identificeren. Gebruik gegevens uit echte gesprekken om testen en trainen uw Mpower-agent. Kies altijd voor kwaliteitsgegevens over kwantiteit om de beste resultaten te waarborgen. Hiermee wordt ervoor gezorgd dat de Mpower-agent goed is voorbereid op gesprekken met echte contactpersonen.

Tijdens de planningsfase van het implementatieproces, verzamelt u records van echte conversaties die uw agenten hebben gevoerd met contacten. Gebruik deze gesprekken als bron voor voorbeelden van intentietraining die u kunt toevoegen aan uw Mpower-agent.

Voorspelling en vertrouwen van de intentie

Uw Mpower-agent analyseert elk bericht dat het contact verzendt. Het bepaalt hoe nauw het bericht overeenkomt met elk van de geconfigureerde intenties en berekent hoe zeker het is van elke overeenkomst. Hoe hoger het vertrouwenspercentage, hoe beter de overeenkomst. De Mpower-agent gebruikt de intentie met het hoogste betrouwbaarheidspercentage dat boven de geconfigureerde drempelwaardeligt.

Als het betrouwbaarheidsniveau Van Mpower-agent onder de drempelwaarde van alle geconfigureerde intenties daalt, wordt de fallbackoptie NLU Dit proces is een uitbreiding op Natuurlijke taalverwerking (NLP) en kan beslissingen nemen of actie ondernemen op basis van wat er is begrepen. geactiveerd. U kunt de drempel die de fallback activeert, configureren op het tabblad NLU > Fallback in Agent Builder.

Intenties buiten bereik

Het kan zijn dat er taken zijn die u nog niet hebt geconfigureerd voor uw Mpower-agent, maar waarvan u weet dat uw contacten De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. ernaar zullen vragen. Met intenties die buiten het bereik vallen, kan uw Mpower-agent de contactgegevens verstrekken over hoe zij taken kunnen uitvoeren waar de niet bij kan helpen.

Als contactpersonen bijvoorbeeld regelmatig uw Mpower-agent vragen om saldocontroles uit te voeren, maar u deze taak nog niet hebt geconfigureerd, kunt u een balance_check-intentie maken. Voeg hieraan voorbeelden van trainingsdata toe van de verzoeken van contacten. Maak vervolgens een regel voor de intentie met Mpower-agent-reacties zoals:

• "Het spijt me, ik kan nog geen balanscontrole uitvoeren. Wilt u dat ik u doorverbind met iemand die u daarmee kan helpen?"
• "Het spijt me, ik ben niet in staat een balanscontrole uit te voeren. Ik kan u helpen met het bijwerken van uw adres, het resetten van uw wachtwoord en het zoeken naar locaties van filialen. Wat wilt u doen?"
  

Naast een intentie die buiten het bereik valt, moet u ook een verhaal maken om de Mpower-agent te trainen voor een pad dat buiten het bereik valt. Hierdoor leert de Mpower-agent hoe hij met verschillende situaties moet omgaan die niet door andere bedoelingen worden gedekt.

Intenties buiten bereik zijn vergelijkbaar met fallback, maar ze kunnen een betere klantervaring bieden. Door intenties te hebben voor de veelvoorkomende vragen die mensen aan uw Mpower-agent stellen en die buiten het bereik van uw doelgroep vallen, kunt u op elke vraag aangepaste antwoorden geven. Hierdoor lijkt je Mpower-agent menselijker en meer conversationeel.

Intentieverwarring

Een Mpower-agent kan soms de verkeerde intentie De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken.. kiezen voor het bericht van de contactpersoon. Dit kan gebeuren als twee bedoelingen zo op elkaar lijken dat de Mpower-agent ze moeilijk uit elkaar kan houden. Dit is intentieverwarring en kan zich voordoen als u dezelfde trainingsgegevens gebruikt voor meer dan één intentie. Het kan ook gebeuren als de voorbeelden zo op elkaar lijken dat het moeilijk is om ze uit elkaar te houden, ook al zijn de specifieke voorbeelden niet hetzelfde. Twee gebruikersdoelen lijken in eerste instantie misschien verschillend, maar na verloop van tijd beginnen er vergelijkbare voorbeelden te ontstaan.

Houd uw intenties en de bijbehorende trainingsgegevens afgezonderd. Als u trainvoorbeelden voor meer dan één intentie moet hergebruiken, dan is dat een teken dat u de intenties misschien kunt samenbrengen om een algemene intentie te vormen.

Er zijn twee vaak voorkomende scenario's waarbij intentieverwarring optreedt:

• Informatie verstrekken: Uw Mpower-agent kan de contactpersoon op verschillende punten in een gesprek vragen om informatie te verstrekken, waardoor u kunt eindigen met intenties zoals provide_email en provide_name. De trainingsvoorbeelden voor deze variaties lijken echter te veel op elkaar:
  • "Mijn naam is Sherry Khan."
  • "Mijn e-mail is sherry.khan@email.com."
  • "Het is Nathoo Mannkind."
  • "Het is nathoo@otheremail.com."
• Vragen om informatie: Een contactpersoon kan de Mpower-agent om informatie vragen, zoals een rekeningsaldo. Als er verschillende soorten informatie zijn waarnaar een contact kan vragen, kunt u een intentie hebben voor elk type. Voor een verzoek voor het rekeningsaldo, kunt u bijvoorbeeld intenties hebben voor balance_checking en balance_savings. De trainingsvoorbeelden voor deze variaties lijken echter te veel op elkaar:
  • "Kan ik het saldo van mijn betaalrekening krijgen?"
  • "Wat is het saldo van mijn spaarrekening?"
  • "Kunt u mij het saldo van mijn betaalrekening geven?"

Het enige echter verschil in voorbeelden van trainingsgegevens voor elk van de voorgaande scenario's is de entiteit Trefwoord of woordgroep die in uw bedrijfsprofiel in Interaction Analytics is gedefinieerd. Gerelateerd aan een entiteitstype. Kan varianten omvatten. die is opgegeven.

Intentieverwarring voorkomen

De algemene regel die gevolgd moet worden om verwarring over intenties op te lossen - of te voorkomen - is om intenties samen te voegen en te trainen op entiteiten. Het is beter om één algemeen doel te hebben waarop u al uw trainingsvoorbeelden toepast en vervolgens verhalen te gebruiken om uw vaardigheden te trainen in het herkennen van de entiteitenMpower-agent. Wanneer de Mpower-agent de entiteiten in contactuitingen kan herkennen, kan hij het juiste pad volgen.

De volgende tabel toont de vaak voorkomende scenario's van de vorige sectie. Het toont de originele intenties, de nieuwe algemene intentie en story's van voorbeeldtrainingen die u kunt gebruiken.

Scenario	Originele intenties	Nieuwe, algemene intentie	Trainen met story's
Informatie opgeven	provide_address provide_email provide_name	provide_info	Maak meerdere verhalen die beginnen met voorbeelden van contactberichten die de verschillende soorten informatie bevatten die de Mpower-agent kan verzamelen: "Mijn naam is Sherry Khan." "Mijn e-mail is nathoo@email.com." "Het nieuwe adres is 123 Oat Street, Sometown, Ohio 43210" Alle story's activeren dezelfde intentie, provide_info. Elke story gebruikt een andere entiteit, zoals accountAddress, accountEmail en accountName. In het laatste voorbeeld, "Ik moet mijn gegevens bijwerken", wordt geen specifiek type informatie genoemd, dus de Mpower-agent moet mogelijk een vervolgvraag stellen.
Informatie vragen	balance_checking balance_savings balance_giftcard	balance_checks	Maak verschillende story's die starten met voorbeelden van contactberichten, zoals: "Wat is het saldo van mijn bankrekening?" "Hoe kan ik het saldo van mijn spaarrekening krijgen?" "Ik wil het saldo van mijn cadeaubon controleren." "Wat is mijn rekeningsaldo?" Alle story's activeren dezelfde intentie, balance_checks. Elke story gebruikt een andere entiteit, zoals balanceChecking, balanceSavings, balanceGiftCard. In het laatste voorbeeld, "Wat is mijn rekeningsaldo", wordt geen rekeningtype vermeld, dus de Mpower-agent moet mogelijk een vervolgvraag stellen.

Multi-intenties

Mpower-agents kan een of meer intenties De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken.. in het bericht Alles wat een klant zegt in een interactie met een bot: een vraag of een uitspraak, geschreven of gesproken.van een contactpersoon identificeren. Door meer dan één bedoeling in een bericht te identificeren, kan uw Mpower-agent verzoeken zoals 'Laat mij mijn saldo zien en maak $ 200 over naar mijn spaarrekening' correct verwerken.

Als u een multi-intentie maakt van twee bestaande enkelvoudige intenties, hoef u niet veel voorbeelden te geven. Uw Mpower-agent kan de afzonderlijke intenties in het bericht herkennen en deze als een multi-intentie verwerken.

Gebruik multi-intenties alleen wanneer ze echt nodig zijn voor een natuurlijk gespreksverloop. Te veel multi-intents kunnen ervoor zorgen dat uw Mpower-agent te ingewikkeld wordt om eenvoudig te beheren.

Intentie controle en beheer

Elke intentie op het tabblad Intenties in de sectie NLU  heeft een getal ernaast. Het getal geeft aan hoeveel trainingsvoorbeelden die intentie heeft. De getallen hebben een kleurcodering die aangeeft of de trainingsvoorbeelden voldoen:

• Rood: intentie is maximaal zeven keer gebruikt. Toevoegen van meer trainingsvoorbeelden.

• Oranje: intentie is tussen acht en veertien keer gebruikt. Voeg meer trainingsvoorbeelden toe indien mogelijk.

• Groen: intentie is meer dan vijftien keer gebruikt. Er zijn geen trainingsvoorbeelden nodig.

Sommige intenties kunnen een gele driehoek hebben naast het aantal trainingsvoorbeelden. Dit geeft aan dat er geen dialogen Mpower-agent Verhalen, regels en stromen in Agent Builder. zijn die deze intentie bevatten. Als u intenties met dit symbool hebt, voegt u ze toe aan story's of regels zoals gepast.

Op het tabblad Intenties kunt u ook de volgende intentiebeheertaken volgen:

• Geef de dialogen (story's en regels) weer waarin een intentie verschijnt.
• Raadpleeg recente contactberichten en de intentie die is voorspeld voor elk bericht.
• Verberg een intentie van training.

Best practices voor Intenties

Volg deze best practices bij het maken van intenties:

• Intenties zijn niet altijd duidelijk. Twee gebruikersdoelen lijken in eerste instantie misschien verschillend, maar na verloop van tijd beginnen er vergelijkbare voorbeelden te ontstaan. Houd uw intenties en de bijbehorende trainingsgegevens afgezonderd. Als u trainvoorbeelden voor meer dan één intentie moet hergebruiken, dan is dat een teken dat u de intenties misschien kunt samenbrengen om een algemene intentie te vormen. Dit helpt u enige intentieverwarring te voorkomen.
• Voeg altijd een 'buiten de scope' intentie toe. Met intenties die buiten het bereik vallen, kan uw Mpower-agent reageren op contactverzoeken die buiten de taken vallen waarvoor deze is getraind.Met deze intenties kunt u de conversatie herstellen en vaak betere prestaties halen.
• Testen en trainen. Test je Mpower-agent om de problematische bedoelingen te ontdekken. Het kan bijvoorbeeld zo zijn dat de tool onjuiste antwoorden geeft of een intentie kiest die buiten het bereik van de tool valt, terwijl u vindt dat er een andere intentie had moeten worden gekozen.
• Maak spaarzaam gebruik van multi-intenties. Gebruik multi-intenties alleen wanneer ze echt nodig zijn voor een natuurlijk gespreksverloop. Te veel multi-intents kunnen ervoor zorgen dat uw Mpower-agent te ingewikkeld wordt om eenvoudig te beheren.