Leer je Mpower-agent om gesprekken te voeren

Deze pagina beschrijft de essentiële taken die nodig zijn om een Mpower-agent Een virtuele agent die wordt gemaakt met CXone Mpower Agent Builder die spraak- of chatinteracties kan behandelen. in Agent Builderte bouwen. Dit is de derde stap in het Mpower-agent implementatieproces.

Je Mpower-agent leren gesprekken te voeren

U hoeft niet elke mogelijke variatie van een conversatie aan te passen in uw script. Mpower-agents Een virtuele agent die wordt gemaakt met CXone Mpower Agent Builder die spraak- of chatinteracties kan behandelen. maken gebruik van conversatie-AI-technologieën, waarmee ze de betekenis De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. van hun contactpersonen kunnen begrijpen en op de juiste manier kunnen reageren zonder dat ze daarvoor een script nodig hebben. U moet uw Mpower-agent echter wel leren hoe hij gesprekken met contactpersonen moet voeren. U doet dit door conversatiesjablonen te maken met regels Wordt gebruikt voor het definiëren van een Van Mpower-agent-reactie op berichten die niet afhankelijk zijn van de context. en verhalen Worden gebruikt om een Mpower-agent te trainen voor interactieafhandeling op basis van intentie en context. in Agent Builder.

Regels en verhalen, ook wel dialogengenoemd, leren de Mpower-agent hoe hij/zij moet reageren op de contact-uiting Iets wat een contact zegt of typt. per uiting. Elke dialoog focust op een specifiek, klein deel van de conversatie. Ze bestaan doorgaans uit een contactuiting, de bijbehorende intentie De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken..en het Mpower-agent antwoord.

U hebt meer dan één dialoog nodig voor de opgegeven intentie. Er kunnen zich situaties voordoen waarin u wilt dat uw Mpower-agent verschillend reageert op dezelfde intentie, op basis van bepaalde criteria. Je kunt de Mpower-agent leren hoe ze het verschil kunnen herkennen door meerdere dialogen te creëren, elk met hun eigen unieke antwoord en de criteria die bepalen wanneer de Mpower-agent dat antwoord moet geven.

Hoe dialogen de Mpower-agentonderwijzen

Tijdens een interactie met een contactpersoon De persoon die contact heeft met een agent, IVR of bot in uw contactcenter.analyseert een Mpower-agent de uiting Iets wat een contact zegt of typt. van de contactpersoon en identificeert de intentie De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken... Als de intentie slechts één geconfigureerde dialoog Mpower-agent Verhalen, regels en stromen in Agent Builder.heeft, reageert de Mpower-agent volgens de geconfigureerde respons van die dialoog. Als er meerdere dialogen voor het doel zijn, analyseert de Mpower-agent het gesprek om aanwijzingen te vinden over welke versie van de dialoog hij moet gebruiken.

Het volgende diagram toont de logica die een Mpower-agent gebruikt bij het reageren op een contact:

Mpower-agent Reacties

Mpower-agent reacties kunnen zo eenvoudig of zo complex zijn als u zelf wilt. Mpower-agents kan:

• Met informatie of vragen antwoorden.
• afbeeldingen, GIF's, video's of koppelingen naar webpagina's weergeven. Ze kunnen knoppen of lijsten opnemen die het contact kan gebruiken.
• Met behulp van voorwaarden 'kiezen' welke actie gebruikt moet worden. U kunt meerdere mogelijke reacties configureren op basis van wat het contact zegt.
• Een formulier volgen om informatie van het contact te verzamelen.
• Geef de interactie door aan een live-agent.

Mpower-agent reacties worden in dialogen Mpower-agent Verhalen, regels en stromen in Agent Builder. opgebouwd en bestaan uit een of meer van de beschikbare Mpower-agent acties. Mpower-agent acties voeren een specifieke functie uit. Sommige Mpower-agent acties sturen inhoud naar de contactpersoon De persoon die contact heeft met een agent, IVR of bot in uw contactcenter., zoals een bericht of een lijst met opties waaruit kan worden gekozen. Andere Mpower-agent acties voeren taken uit die onzichtbaar zijn voor de contactpersoon, zoals het aanroepen van een API of het ophalen van gegevens uit of opslaan van gegevens in een applicatie van derden.

Agent Builder heeft een set standaard Mpower-agent acties waaruit u kunt kiezen, maar u kunt ook aangepaste Mpower-agent acties maken. Aangepaste Mpower-agent-acties kunnen API-aanroepen doen of worden ontworpen met aangepaste JavaScript-acties.

Skill Store

MetMpower-agent-vaardigheden kunt u Mpower-agent-configuraties en trainingsgegevens groeperen op basis van wat uw Mpower-agent kan. U kunt ze gebruiken om trainingsgegevens te filteren, waardoor u zich specifieker kunt richten op elke taak die uw Mpower-agent kan uitvoeren.

Mpower-agent vaardigheden worden ook gebruikt om vooraf gemaakte mogelijkheden te distribueren naar Agent Builder gebruikers via de Agent Builder Skill Store. De Skill Store biedt integraties met verschillende CXone Mpower-functies en -producten.

Als u bijvoorbeeld uw kennisbank Expert wilt gebruiken met uw Mpower-agent, kunt u de vaardigheid Autopilot Knowledge Mpower-agent toevoegen aan uw Mpower-agent. Dit voegt alle nodige regels, story's, intenties, entiteiten, slots, scripts enz. toe aan uw bot.

U kunt Mpower-agent vaardigheden ontwerpen die anderen mogelijk willen gebruiken en deze ter goedkeuring aan de Skill Storevoorleggen. CXone Mpower controleert ze en voegt ze toe aan de Skill Store als ze zijn goedgekeurd. Hierdoor worden ze beschikbaar voor andere Agent Builder-gebruikers om toe te voegen aan hun Mpower-agents.

Train je Mpower-agent

Door uw Mpower-agent te trainen, leert het van de configuraties die u hebt gemaakt. Hoe beter de kwaliteit van de training, hoe beter uw Mpower-agent intenties De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken..correct kan voorspellen. Training treedt op de volgende manieren op:

• Wanneer u trainingsgegevens toevoegt aan een Mpower-agent: Trainingsgegevens zijn de voorbeelden die u toevoegt aan intents De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken... Als u veel voorbeelden van hoge kwaliteit toevoegt, kan uw Mpower-agent effectiever associaties leggen tussen woorden, zinnen en bedoelingen.
• Wanneer je verhalen en regels creëert:Verhalen Worden gebruikt om een Mpower-agent te trainen voor interactieafhandeling op basis van intentie en context. en regels Wordt gebruikt voor het definiëren van een Van Mpower-agent-reactie op berichten die niet afhankelijk zijn van de context. leren een Mpower-agent hoe te reageren op een intentie. Als de intentie over voldoende hoogwaardige trainingsgegevens beschikt, leert de Mpower-agent verschillende manieren te herkennen waarop contacten De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. dezelfde intentie uiten.
• Wanneer u verhalen maakt om een Mpower-agent te leren over variaties in intenties: Voor algemene intenties met variaties die van invloed zijn op hoe de Mpower-agent reageert, gebruikt u verhalen om de Mpower-agent te leren verschillende variaties te onderscheiden. Hiermee leert uw Mpower-agent de nuances van de verzoeken van contactpersonen te begrijpen en er op de juiste manier op te reageren.

Je kunt testen hoe goed je Mpower-agent getraind is door ermee te chatten inAgent Builder. Door te chatten met uw Mpower-agent, kunt u zien waar er problemen zijn en direct correcties doorvoeren.

Een onderdeel van het voortdurende trainingsproces is het werken met uw Mpower-agent om deze slimmer te maken. Hoe slimmer uw Mpower-agent is, hoe beter deze intenties kan voorspellen en het juiste antwoord kan kiezen. U kunt uw Mpower-agent slimmer maken door gespreksgegevens te bekijken en wijzigingen aan te brengen in uw Mpower-agent als reactie op problemen die in de gespreksgegevens zijn gevonden. U kunt uw Mpower-agentherzien en verbeteren.

Trainingsgegevens

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.

U kunt uw intenties beoordelen om te zien welke meer trainingsvoorbeelden nodig hebben. Elke intentie beschikt over een nummer dat ernaast staat. Dit nummer geeft het aantal voorbeelden aan. Intenties met 14 of minder voorbeelden hebben meer nodig, indien mogelijk.

Optie Trainen en Stage

Wanneer u klaar bent om de wijzigingen die u in uw Mpower-agenthebt aangebracht te testen, kunt u op Trainen en faserenklikken. Hiermee worden de wijzigingen aan het Mpower-agent model Een versie van een bot die is getraind en klaargezet in Stage. toegevoegd, zodat u ze kunt testen. Mogelijk is aanvullende training via gesprekken vereist om te verbeteren hoe uw Mpower-agent de configuratie begrijpt.

Als u verbeteringen aanbrengt in een Mpower-agent die is geïmplementeerd in productie, maakt Train and Stage een nieuw Mpower-agent model Een versie van een bot die is getraind en klaargezet in Stage. en implementeert dat model in de fase. Als u de verbeteringen wilt doorvoeren in Productie, moet u het nieuwe model handmatig implementeren. Hiermee wordt ervoor gezorgd dat geen enkel Mpower-agent-model in productie gaat zonder uw uitdrukkelijke toestemming.

U kunt de statusmonitor gebruiken om de voortgang van de trainingen die zijn gestart met Trainen en Stage, bij te houden.

Train je Mpower-agent met verhalen en regels

Met verhalen kunt u uw Mpower-agent leren 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 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.. U kunt volledig nieuwe story's maken of echte conversaties converteren naar story's. Regels leren je Mpower-agent om te reageren op berichten waarvan de betekenis niet afhangt van de context.

U moet soms meerdere story's maken voor één intentie. Dit is handig als u wilt dat uw Mpower-agent verschillend reageert, afhankelijk van kleine verschillen in de bedoeling. Als een Mpower-agent bijvoorbeeld rekeningsaldi kan controleren, wilt u mogelijk dat deze anders reageert, afhankelijk van het type rekening dat de contactpersoon De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. wil controleren.

Story's en regels kunnen periodieke updates en revisies nodig hebben. Als u bijvoorbeeld na het bekijken van de conversatiegegevens ontdekt dat een van uw verhalen ervoor zorgt dat de Mpower-agent in de war raakt en de verkeerde bedoeling voorspelt, kunt u het probleem aanpakken door het verhaal te wijzigen. In sommige gevallen moet u mogelijk zowel de intentie als de story wijzigen.

Beste praktijken trainingsgegevens

Houd bij het plannen van uw aanpak voor het verzamelen van trainingsgegevens en het trainen van uw Mpower-agentrekening met de volgende best practices:

• Kies altijd voor kwaliteit over kwantiteit. Het is goed om met een kleine set gegevens te beginnen en deze na verloop van tijd op te bouwen naarmate u kwalitatief betere voorbeelden verzameld.
• Gebruik voorbeelden uit echte conversaties. Hiermee verzekert u dat de gegevens die u gebruikt realistisch zijn. Het komt voort uit uitspraken Iets wat een contact zegt of typt. die echte contacten hebben gedaan.
• Gebruik geen hulpmiddelen die automatisch gegevens genereren en beweren dat u hiermee uw Mpower-agent sneller kunt trainen. Ze produceren vaak voorbeelden die niet weerspiegelen wat uw klanten in de praktijk echt zeggen. Ze kunnen ook resulteren in een Mpower-agent die zijn vermogen om te generaliseren verliest. Na verloop van tijd bereikt de Mpower-agent een punt waarop hij alleen nog maar zinnen herkent die hij eerder heeft gezien.
• Gebruik dezelfde trainingsgegevens niet voor meer dan één intentie. Als u trainingsgegevens opnieuw gebruikt, kan uw Mpower-agent de intentie De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken.. in live-interacties met contacten niet betrouwbaar bepalen.
• Blijf flexibel en sta ervoor open om intenties en story's na verloop van tijd aan te passen. Wanneer u de conversatiegegevens bekijkt, ontdekt u misschien dat wat u dacht dat twee afzonderlijke bedoelingen waren, in werkelijkheid slechts nuances zijn van een algemenere bedoeling. Of misschien vindt u dat een doel te breed is en moet u het opsplitsen in meer specifieke doelen.
• Voeg alleen nieuwe trainingsvoorbeelden toe als ze echt nuttig zijn.
  • Voeg geen nieuwe trainingsvoorbeelden toe die te veel op bestaande voorbeelden lijken. Als de Mpower-agent met een groot vertrouwen de bedoeling van één uiting correct voorspelt, helpt het de Mpower-agent niet om meer voorbeelden toe te voegen die erg op elkaar lijken.
  • Voegmeer trainingsvoorbeelden toe van uitingen die de Mpower-agent eerder onjuist of met weinig zekerheid heeft voorspeld.

Creëer reacties om je Mpower-agentte trainen

Configureer Mpower-agent-reacties met het volgende proces:

1. Een intentie maken.
2. Maak een regel of verhaal voor de intentie De betekenis of het doel achter hetgeen een contact zegt of typt; datgene wat de klant wil communiceren of bereiken.. die u hebt gemaakt om te definiëren hoe uw Mpower-agent reageert op die intentie. De regel die u maakt, is afhankelijk van de intentie. Raadpleeg het plan dat u eerder in het Mpower-agent implementatieproces hebt gemaakt. Het proces op hoog niveau voor het maken van story's Worden gebruikt om een Mpower-agent te trainen voor interactieafhandeling op basis van intentie en context. en regels Wordt gebruikt voor het definiëren van een Van Mpower-agent-reactie op berichten die niet afhankelijk zijn van de context. is:

   1. Verhalen en regels beginnen met iets dat de contactpersoon De persoon die contact heeft met een agent, IVR of bot in uw contactcenter. zou kunnen zeggen dat verband houdt met de intentie. Voor een intentie met de naam balanscontrole, kan het contact zeggen "kunt u mij uw rekeningsaldo zeggen?"

   2. Nadat u een voorbeeld hebt ingevoerd van wat de contactpersoon zou kunnen zeggen, probeert uw Mpower-agent te voorspellen wat de bedoeling van het voorbeeld is. Het geeft de dichtstbijzijnde match weer en hoe zeker de voorspelling is. Het vertrouwen wordt weergegeven in een percentage.
   3. Bevestig de intentievoorspelling of kies de juiste intentie en bevestig deze. Als het betrouwbaarheidsniveau laag lijkt, voeg dan meer trainingsvoorbeelden toe aan de intentie. Houd er rekening mee dat het betrouwbaarheidsniveau boven de drempelwaarde moet liggen die u voor NLU fallback hebt ingesteld Een alternatief in platte tekst dat wordt verzonden wanneer de bestemming geen rijke media ondersteunt..

   4. Nu kunt u de Mpower-agent respons toevoegen met behulp van een van de beschikbare Mpower-agent acties.

      Afbeelding weergeven

      

   5. Voeg nog een contactuiting toe als uit de praktijkvoorbeelden van gesprekken met deze intentie blijkt dat contactpersonen de reactie (van een agent of een Mpower-agent) vaak opvolgen met hetzelfde type vraag of uitspraak. Niet elk verhaal zal vervolguitingen hebben.

   6. Ga verder met de conversie in de story of de regel op basis van de levensechte voorbeelden die u hebt verzameld. Voeg zoveel heen-en-weer-interactie toe als nodig is om de Mpower-agent te leren hoe gesprekken over de intentie moeten verlopen.

      Verhalen en regels zouden echter geen complete gesprekken moeten zijn. 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. U kunt ook overwegen om verhalen op te splitsen in kleinere substory's. Je kunt ze koppelen met behulp van controlepunten.

   7. 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. Hierdoor wordt de getraind om het verschil te herkennen tussen variaties van een enkele intentieMpower-agent.

      • Neem geen variaties van de conversatieflow op in dezelfde story. Dit zou de verwarren.Mpower-agent

      • Als er variaties zijn in de manier waarop een contact een bericht zou verwoorden of als er vergelijkbare berichten zijn die in principe hetzelfde betekenen, kunt u deze toevoegen als voorbeelden van de intentie.

      • Denk in termen van gelukkige Een story die de juiste uitkomst oplevert voor de aanwezige intentie. en ongelukkige paden Een story die een verkeerde uitkomst oplevert voor de intentie... Elke intentie kan beschikken over meer dan één happy-pad en meer dan één unhappy-pad.

3. Als de intentie, regel of story ze vereist, maakt u entiteiten, slots of formulieren.

   • Maak entiteiten Trefwoord of woordgroep die in uw bedrijfsprofiel in Interaction Analytics is gedefinieerd. Gerelateerd aan een entiteitstype. Kan varianten omvatten. alleen voor informatie die u Mpower-agent uit het gesprek wilt halen.

   • Maak slots Entiteit die uit een bericht van een klant is gehaald en wordt opgeslagen voor gebruik in de reacties van een bot. Een 'slot' is vergelijkbaar met een variabele. voor gegevens die u wilt opslaan of gebruiken tijdens het gesprek. Agent Builder creëert automatisch slots wanneer u een entiteit aanmaakt.
   • Overweeg het gebruik in een story of regel als u meer dan enkele stukken informatie moet verzamelen van het contact.

4. Wanneer u klaar bent met het aanbrengen van wijzigingen, klikt u opTrainen en voorbereiden om uw Mpower-agent model Een versie van een bot die is getraind en klaargezet in Stage. bij te werken en deze wijziging te testen.

5. Chat met je Mpower-agent om het te testen. Op basis van de resultaten van uw conversatie met de bot, moet u mogelijk aanpassingen aanbrengen aan de story of regel die u hebt gemaakt. U moet mogelijk de trainingsgegevens toevoegen of wijzigen voor de intentie waarmee u werkt. Probeer bij het testen van de Mpower-agentveel variaties te gebruiken van de bedoeling die u test. Herhaal de trainings- en teststappen zo vaak als nodig is totdat u tevreden bent met de prestaties van uw Mpower-agent.