Story's

Verhalen leren je Mpower-agent Een virtuele agent die wordt gemaakt met CXone Mpower Agent Builder die spraak- of chatinteracties kan behandelen. hoe te reageren op berichten Alles wat een klant zegt in een interactie met een bot: een vraag of een uitspraak, geschreven of gesproken. in de context van een interactie. Gebruik story's als de context van de boodschap belangrijk is. Hierdoor kan de Mpower-agent leren hoe het de juiste reactie kan voorspellen op basis van de berichten die de contactpersoon eerder heeft verzonden.

De andere methode om Mpower-agent-reacties te configureren is het maken van regels. Regels zijn handig voor berichten waarbij het antwoord elke keer hetzelfde is en de context er niet toe doet. Als context van belang is om te begrijpen wat het contact wil, gebruik dan een story. Als context niet van belang is en het bericht van het contact altijd hetzelfde betekent, gebruik dan een regel.

Als de contactpersoon De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. bijvoorbeeld zegt: "Wat zijn uw uren", dan heeft de Mpower-agent waarschijnlijk geen context nodig en kunt u een regel gebruiken. Maar als het contact vraagt: "Hoe doe ik dat?", dan moet de Mpower-agent de context van het bericht begrijpen. Wat de contactpersoon eerder in het gesprek heeft gevraagd, zal de Mpower-agent helpen te begrijpen hoe hij/zij op de juiste manier moet reageren. Gebruik daarom een verhaal.

Glossary

Concept	Definitie	Voorbeeld	Wat de Mpower-agent doet
Uiting	Alles wat een contactpersoon De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. zegt tijdens een interactie 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.. Soms ook wel een Bericht genoemd.	"Ik ben mijn wachtwoord kwijt." "Wat is mijn saldo?" "Ben jij een robot?"	De Mpower-agent gebruikt Natural Language Understanding (NLU) om elke contactuiting te analyseren om de betekenis of intentieervan te bepalen.
Intentie	Datgene wat de klant wil communiceren of bereiken. Elk bericht dat het contact verstuurt heeft een intentie.	"Ik ben mijn wachtwoord kwijt" heeft de intentie "Wachtwoordreset". "Hallo" heeft de intentie "Begroeting".	De Mpower-agent analyseert het bericht van een contactpersoon met behulp van NLU Dit proces is een uitbreiding op Natuurlijke taalverwerking (NLP) en kan beslissingen nemen of actie ondernemen op basis van wat er is begrepen.om de intentie ervan te bepalen. Zodra het dat weet, kan het reageren met een eigen bericht. U configureert het antwoord dat u wilt dat uw Mpower-agent voor elke intentie gebruikt.
Entiteit	Een gedefinieerd stukje informatie in het bericht van een contact.	De naam van een persoon of product, een telefoonnummer, een rekeningnummer, een locatie enzovoort.	De Mpower-agent gebruikt NLU om entiteiten in het bericht van een contactpersoon te identificeren. Entiteiten helpen de Mpower-agent te begrijpen wat het bericht van het contact betekent.
Slot	Een entiteit die uit het bericht van een contactpersoon is geëxtraheerd en is opgeslagen voor gebruik in Mpower-agent-reacties. Een 'slot' is vergelijkbaar met een variabele.	Als u een slot voor de contactnaam maakt, kan de Mpower-agent die naam gebruiken in reacties tijdens een interactie, waardoor het persoonlijker wordt.	Wanneer dit zo is geconfigureerd, haalt de Mpower-agent een entiteit uit een contactbericht en slaat deze op in een slot. Je kunt je Mpower-agent deze informatie later in het gesprek laten gebruiken.
Regel	Definieert Mpower-agent reacties op berichten waarvan de betekenis niet verandert met de context.	Eenduidige interacties met vaste reacties: Wat zijn uw openingstijden? Wat is jullie adres? Conversatiebouwstenen: Begroeting, afscheid, dank of overgang; simpele Ja/Nee-vragen en bevestigingen. Mpower-agents worden geleverd met standaardintenties en regels voor verschillende hiervan, waaronder begroetingen, overdrachtsverzoeken De overdracht van een contact van een virtuele agent naar een live agent. en meer. Veelgestelde vragen Beledigingen en klassieke uitdagingen	Regels zijn een van de twee manieren waarop u kunt configureren hoe uw Mpower-agent reageert op een intent. Regels zijn nuttig voor bepaalde soorten intenties, maar niet alle intenties.
Story	Traint een Mpower-agent om een interactie af te handelen op basis van de bedoeling van het bericht en de conversatiecontext.	Bij een interactie over een vergeten wachtwoord zou de Mpower-agent reageren op "Hoe doe ik dat?" op een bepaalde manier. Als de interactie zou gaan over het aanmaken van een nieuw account, zou de reactie heel anders zijn. Ook al gebruikt de contactpersoon in beide gevallen dezelfde woorden met hetzelfde doel: meer informatie verkrijgen.	Verhalen zijn de tweede van de twee manieren waarop u kunt configureren hoe uw Mpower-agent reageert op een intentie. Verhalen leren de Mpower-agent hoe ze de context van het gesprek kunnen gebruiken om op de juiste manier te reageren.
Mpower-agent Actie	Alles wat een Mpower-agent zegt of doet tijdens een interactie.	Bij een interactie over een vergeten wachtwoord reageert Mpower-agent door de link naar de FAQ voor het opnieuw instellen van het wachtwoord op de website te sturen. Wanneer een contact frustratie uit zoals: "Ik snap het niet! Het werkt niet!!!" de Mpower-agent antwoordt met "Het spijt me. Wilt u dat ik u doorschakel naar een menselijke agent?" Wanneer het contact ja zegt, start de Mpower-agent de overdracht.	Mpower-agent acties zijn de opties die u hebt om te definiëren hoe u wilt dat uw Mpower-agent op elke intentie reageert. Ze geven u de flexibiliteit om elke reactie te configureren om de uitkomst te behalen die aan de behoeften van het contact voldoet.

Happy-paden, unhappy-paden en paden buiten de scope

Bij het plannen van story's is het handig om in termen van paden te denken:

Gelukkig pad: Verhalen die het gelukkige pad trainen, beschrijven het contact De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. dat volgt op de conversatiestroom zoals je zou verwachten. De contactpersoon verstrekt altijd de verwachte informatie en antwoordt wanneer daarom wordt gevraagd. In het happy-pad gebeurt er niets ongewoons.
Unhappy-pad: Unhappy-paden beschrijven situaties waarin het contact afwijkt van het 'script' en de flow verstoort door te reageren met onverwachte vragen of opmerkingen.
Pad buiten bereik: Verhalen voor uw paden buiten bereik leren uw Mpower-agent hoe u scenario's moet afhandelen waarin de verzoeken van de contactpersoon buiten zijn/haar mogelijkheden liggen.

Het is belangrijk dat u story's ontwerpt voor zowel happy- als unhappy-paden voor al uw intenties. Gelukkige paden zorgen ervoor dat de Mpower-agent weet hoe hij de klus moet klaren voor elke intentie. Ongelukkige paden zorgen ervoor dat de Mpower-agent niet door het onverwachte van zijn koers wordt geduwd. Er kunnen zich nog steeds momenten voordoen waarop uw Mpower-agent niet met zekerheid kan voorspellen hoe te reageren en een pad buiten het bereik moet volgen of fallbackmoet gebruiken. Door echter veel ongelukkige paden te trainen, kunt u uw Mpower-agent leren hoe u het gesprek weer op het goede spoor kunt krijgen.

Paden buiten de scope

Paden buiten de scope zijn niet hetzelfde als fallback. Fallback wordt gebruikt wanneer de Mpower-agent niet zeker genoeg is om door te gaan met een bepaalde actie of intentie De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken..-voorspelling. Paden buiten het bereik zijn handig wanneer contacten De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. uw Mpower-agent vragen om dingen te doen die het zou kunnen doen, maar waarvoor het momenteel niet is getraind. U kunt out-of-scope intents voor deze verzoeken maken, zodat de Mpower-agent ze herkent. Vervolgens kun je de intenties in verhalen gebruiken om het systeem te leren hoe het op die verzoeken moet reageren.

Het kan bijvoorbeeld voorkomen dat uw contactpersonen regelmatig aan uw Mpower-agentvragen om hun accountgegevens bij te werken, maar dat u dit nog niet hebt ingesteld. U kunt een accountUpdates-intentie maken, trainingsvoorbeelden leveren en het Mpower-agent-antwoord configureren om te zeggen: "Het spijt me, maar ik weet nog niet hoe ik dat moet doen. Ik kan u helpen met [taken] of u doorverbinden met een medewerker die u kan helpen met uw account."

Story's en wisselen van context

Verhalen zijn handig om de Mpower-agent te trainen in het omgaan met contextwisselingen wanneer het gesprek meerdere wendingen vereist. Het volgende voorbeeld toont een gesprek waarin de contactpersoon De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. van gedachten verandert en twee intenties achter elkaar uitspreekt:

Contact: Hallo, ik wil mijn factuur betalen.

Mpower-agent: Zeker, geen probleem. Wat is uw factuurnummer?

Contact: Bij nader inzien wil ik eigenlijk geld overmaken.

Mpower-agent: Ja, dat kan ik doen. Naar welke bankrekening wilt u een bedrag overmaken?

Contact: Maak 200 euro over van de spaarrekening naar de betaalrekening.

Mpower-agent: Oké. De overboeking is uitgevoerd. Ik heb 200 euro overgeboekt van uw spaarrekening naar uw betaalrekening.

Mpower-agent: Wilt u uw factuur nu betalen?

Met behulp van ongelukkige paden kunt u uw Mpower-agent trainen om situaties aan te pakken waarin het contact niet op de verwachte manier antwoordt.

Voor bepaalde soorten contextwisselingen zijn regels Wordt gebruikt voor het definiëren van een Van Mpower-agent-reactie op berichten die niet afhankelijk zijn van de context. wellicht geschikter. Soms doet een contact één interactie die niks met het onderwerp te maken heeft. Als het bericht iets is waarop de Mpower-agent in één beurt kan reageren en vervolgens kan terugkeren naar de vorige intentie, kun je een regel gebruiken. Dit is een voorbeeld van een conversatie waarin het contact plots een vraag stelt over het weer:

Contact: Hallo, ik wil mijn factuur betalen.

Mpower-agent: Zeker, geen probleem. Wat is uw factuurnummer?

Contact: Wat voor weer is het bij jullie?

Mpower-agent: Het is zonnig buiten.

Contact: Lekker! Oh, en mijn factuurnummer is 123456.

Mpower-agent: Bedankt, hoe wilt u de factuur betalen?

De vraag van het contact over het weer is gemakkelijk te beantwoorden met een regel. Het Van Mpower-agent-antwoord kan iedere keer hetzelfde zijn.

Checkpoints

Controlepunten zijn een botactie die je kunt toewijzen aan Van Mpower-agentreacties in een verhaal. Hiermee kunt u story's vereenvoudigen door ze op te splitsen in kleinere subtaken en de relevante delen aan elkaar te koppelen. Dit is handig in situaties waarin een contactpersoon De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. een van meerdere vervolgvragen kan stellen. In plaats van een hele story van begin tot eind te maken voor elk scenario op basis van de vervolgvraag die het contact stelt, kunt u kleinere story's maken voor elk deel van de conversatie.

U kunt ook controlepunten gebruiken die niet gebaseerd zijn op contactberichten. Uw bedrijf wil bijvoorbeeld de geldigheidsduur van een speciale aanbieding verlengen voor alle klanten. U kunt de berichten en acties voor de speciale aanbieding aan elk van uw Mpower-agent verhalen toevoegen en die sectie vervolgens uit meerdere verhalen verwijderen wanneer de aanbieding verloopt. Een eenvoudigere methode zou zijn om een aparte story te maken voor de speciale aanbieding, en vervolgens aan elke story een checkpoint toe te voegen voor de looptijd van de aanbieding.

Zoals te zien in de afbeelding, heeft een checkpoint altijd een klein blauw cirkeltje met een krom pijltje aan het begin. Dit laat zien dat het checkpoint is verbonden met een of meer andere story's. Checkpoints beëindigen altijd de story, ook als u acties toevoegt na het checkpoint.

Veel contacten hebben Classics, Inc. Mpower-agent gevraagd naar Classics, Inc. accounts, dus Akela Wolfe voegt een intentie toe aan haar Mpower-agent om deze vragen te behandelen. Er zijn verschillende vragen die contacten vaak stellen over accounts. Akela besluit checkpoints te gebruiken om dergelijke vragen af te handelen.

Ze maakt de volgende hoofdstory voor de intentie explain_account:

Contact: Hallo, wat is een Classics, Inc.-account?

Bot: Hallo. Een Classics Inc.-account geeft u toegang tot alle e-books die u bij Classics, Inc. hebt gekocht.

Daarnaast maakt ze ook story's voor drie veelgestelde vervolgvragen:

Kunt u wat meer vertellen over de voordelen van de account?
Hoe maak ik een account?
Moet ik hiervoor betalen of is het gratis?

Akela gaat terug naar de story voor de intentie explain_account. Aan het einde voegt ze checkpoints toe die naar de story's verwijzen voor de vervolgvragen.

Best Practices voor storyplanning

Volg deze best practices bij het plannen van story's:

Gebruik story's als de context belangrijk is. Als je Mpower-agent context nodig heeft om te begrijpen hoe je moet reageren, gebruik dan een verhaal. Dit geldt zelfs als een gesprek slechts één uitwisseling tussen uw Mpower-agent en het contact De persoon die contact heeft met een agent, IVR of bot in uw contactcenter.betreft. Als u bijvoorbeeld de intentie lookup_balance hebt, maar sommige contactpersonen willen het saldo van een betaalrekening weten en anderen willen meer weten over een spaarrekening, dan kunt u een verhaal maken om uw Mpower-agent te leren op de juiste manier te reageren op basis van de rekening die een gebruiker opgeeft.
Gebruik verhalen om je Mpower-agent te helpen voorspellingen te leren doen. Kies het onderwerp voor elke story zorgvuldig. Zorg ervoor dat het zo is ontworpen dat de Mpower-agent leert om reacties op gesprekken die hij nog niet eerder heeft gezien, correct te voorspellen.
Baseer story's op echte conversaties. Verzin niet zelf story's waarvan u denkt dat ze kunnen gebeuren. Gebruik echte interacties om story's te maken.
Ontwerp story's die een happy Een story die de juiste uitkomst oplevert voor de aanwezige intentie.-pad of een unhappy-pad Een story die een verkeerde uitkomst oplevert voor de intentie.. volgen. Het combineren van paden in een verhaal kan leiden tot verwarring over de bedoelingen.
Gebruik story's om van context te wisselen. Hiermee leert je Mpower-agent hoe hij kan schakelen tussen twee gespreksstromen of hoe hij kan omgaan met onderbrekingen waarvoor hij meer dan één gespreksbeurt nodig heeft. Als een onderbreking maar één beurt duurt om op te reageren en niet afhangt van context, dan is een regel misschien beter.
Sommige intenties hebben meerdere verhalen nodig. Maak meerdere story's voor dezelfde intentie als er verschillende varianten zijn van hoe de conversatie kan verlopen, op basis van de unieke situatie en behoeften van het contact.
- Neem geen variaties van de conversatieflow op in dezelfde story. Dit zou de Mpower-agentin verwarring kunnen brengen.
- Als er variaties zijn waarop een contact een bericht zou verwoorden of als er vergelijkbare berichten zijn die in principe hetzelfde betekenen, dan kunt u deze toevoegen als voorbeelden van de intentie voor een contactbericht.
Denk in happy- en unhappy-paden. Elke intentie kan beschikken over meer dan één happy-pad en meer dan één unhappy-pad.
Een story maken voor uw 'buiten-de-scope'-intentie. Hiermee kunt u uw Mpower-agent trainen in de meest voorkomende manieren waarop contactpersonen informatie presenteren die buiten hun bereik ligt.
Zorg voor voldoende heen-en-weer contact, maar doe dit wel voorzichtig. Story's en regels moeten conversaties niet voltooien. Als de volgende uitspraak in de conversatie noodzakelijkerwijs een nieuwe intentie start, dan is het tijd om te stoppen en om een nieuwe story te maken.
Verdeel uw story's in logische subtaken. Het is verleidelijk om één lange story te maken die de gehele conversatie van begin tot eind omvat. Maar dit kan echter alleen maar het aantal nodige story's vergroten. Verdeel in plaats daarvan uw story's in logische subtaken. Als u over subtaken beschikt die nauw verwant zijn, dan kunt u deze aan elkaar koppelen met checkpoints.
Gebruik checkpoints niet te veel. Ze kunnen uw trainingsgegevens vereenvoudigen. Te veel controlepunten maken je verhalen moeilijk te begrijpen en vertragen zelfs het proces van het trainen van je Mpower-agent.