本页提供了使用 Agent Builder 的推荐最佳实践。
命名并创建您的机器人
- 不要为您的Mpower 坐席使用真实的代理名称。 如果您使用一个类似人的姓名，则不要选择真人的姓名。
- 不要多个Mpower 坐席使用相同的员工档案。 每个Mpower 坐席都应该有自己唯一的配置文件，用于路由和报告目的。
- 请对 Mpower 坐席 及其员工配置文件使用相同的名称。 当您管理多个Mpower 坐席时，这会使事情变得简单。
- 确保使用您有权访问的电子邮件地址。 这可使您接收并回复 CXone Mpower 的邀请。 您可以将同一电子邮件地址用于多个 Mpower 坐席 员工配置文件。
为您的Mpower 坐席写作
- 提前确定Mpower 坐席的个性及其词汇。 请记住，您的Mpower 坐席是组织的代言人，就像人工代理一样。 确保其方式给人留下正确的印象。 明确你想在它的回应中复制的举止。
- 提前写好所有对话。 这使您可以确保 Mpower 坐席 的说话方式在整个对话中保持一致。 在处理新用例时，检查您已经编写的对话，以保持所有用例中的角色。
- 了解您编写内容时所针对的受众。 您为一般公众使用的语言和术语可能与您为专门受众使用的语言和术语不同。
- 保持来自Mpower 坐席的消息简短。 许多人不喜欢阅读长文本。 您的 Mpower 坐席 发送的文本越多，它的吸引力就越低。 如果要发送大量信息，请考虑将其分成几个较短的应答。
- 将消息添加到故事时，使用变化选项。 这可使您添加同一消息的其他版本。 Mpower 坐席 每次使用该响应时都会随机使用其中一个版本。 变体使您的Mpower 坐席看起来更像人类，并改善联系人
与联络中心的坐席、IVR 或机器人交互的人员。在与Mpower 坐席交互时的体验。 - 使用智能输入显示联系人的输入指示器。 这创造了积极的用户体验。 立即回复的 Mpower 坐席 感觉太 “像机器人”了，很多人不喜欢这样。 启用智能键入后，您可以自定义 Mpower 坐席 为发送的每条消息显示键入指示器的时间长度。
- 大声朗读对话几次。 您可以考虑与其他人的对话进行角色扮演。 您还可以录制自己阅读为您的Mpower 坐席编写的响应，然后收听。 这些都是在脚本化响应中发现需要改进的地方的好方法。
意图
- 意图并不总是一目了然的。 两个用户目标乍一看似乎不同，但随着时间的推移开始收集相似的示例。 使您的意图与它们的训练数据保持不同。 如果您想为多个意图重用训练示例，这是一个征兆，即您也许能够将这些意图合并为一个更通用的意图。 这有助于您避免意图混淆。
- 始终包含超出范围的意图。 超出范围的 intent 允许您的 Mpower 坐席 响应其训练任务之外的联系请求。它们可以让您恢复对话，并且通常会提高性能。
- 测试和训练。 测试您的Mpower 坐席以发现问题意图。 例如，当您认为它应该选择其他 intent 时，它可能会提供不正确的响应或选择超出范围的 intent。
- 谨慎使用多意图。 当多意图对谈话的自然进行非常必要时才会进行使用。 过多的多意向会使您的Mpower 坐席过于复杂，无法轻松管理。
富消息
- 验证渠道支持。 并非所有富媒体 数字消息传递中的元素，如按钮、图像、菜单和选项选取器。类型都受所有数字渠道 联络中心中用于促进客户交互的各类语音和数字通信媒介。支持。 您可以检查支持的当前矩阵。
- 使用富消息传递回退。 这种类型的回退允许您为不支持您在 响应中使用的rich 消息收发选项Mpower 坐席 的通道提供备份。
- 了解文件类型和大小限制。 Mpower 坐席 支持各种多媒体类型，包括音频和视频。 所有多媒体的大小和支持的文件类型都有限制。
规则
- 不要过度使用规则。 Mpower 坐席不能使用它们来概括不可预见的对话路径。 仅应将它们用于较小的特定对话模式。
- 仅当应答始终相同时才使用规则。 如果某些上下文可能需要不同的答案，请改用 story 用于基于意图和上下文训练 Mpower 坐席 处理交互。。
- 如果您希望应答有所变化，请不要使用规则。 即使规则是特定消息的合适工具，您也可能希望Mpower 坐席改变其响应，使其听起来更人性化。 如果是这种情况，请改用故事。
- 如果要教Mpower 坐席何时应用规则，请将条件与规则结合使用。 可根据活动表单、特定插槽或特定插槽值来设置条件。
故事
- 当上下文很重要时使用故事。 如果您的Mpower 坐席需要上下文来了解如何响应，请使用故事。 即使对话只涉及您的Mpower 坐席与联系人 与联络中心的坐席、IVR 或机器人交互的人员。之间的一次交流，也是如此。 例如，如果您有一个lookup_balance意图，但一些联系人想要支票账户的余额，而另一些联系人想要了解储蓄账户，您可以创建一个故事来帮助您的Mpower 坐席学习根据用户指定的账户做出适当的回应。
- 使用故事帮助您的Mpower 坐席学习进行预测。 仔细选择每个故事的主题。 确保它旨在帮助Mpower 坐席学会正确预测以前从未见过的对话的响应。
- 使故事以真实对话为基础。 请勿编造您认为可能发生的故事。 使用真实的交互来创建故事。
-
设计遵循 愉快
针对意图产生正确结果的故事。路径或 不愉快路径 针对意图产生错误结果的故事。的故事。 在故事中合并路径可能会导致意图混淆。 - 使用故事来处理上下文切换。 这有助于您的Mpower 坐席学会在两个对话流之间切换或处理需要多次对话才能响应的中断。 如果中断只需要一个回合来响应并且不依赖于上下文，则规则可能更合适。
-
某些意图需要多个故事。 如果对话可能进行的方式可能有多个变化，则根据联系人的独特情况和需求，为同一意图创建多个故事。
- 请勿在同一故事中包含对话流的变化。 这可能会使 Mpower 坐席感到困惑。
- 如果联系人表达消息的方式可能存在变化，或者类似的消息本质上都意味着相同的事情，您可以将它们添加为联系人消息意图的示例。
在愉快和不愉快路径方面思考。 每个意图都可以有多个愉快路径和多个不愉快路径。
- 为您超出范围的意图创建一个故事。 这样，您就可以培训Mpower 坐席了解联系人显示范围外信息的更常见方式。
- 根据需要在触点之间来回移动，但要小心。 故事和规则不应是完整的对话。 当对话中的下一个陈述必然会开始一个新的意图时，此时应停下来创造一个新的故事。
- 将您的故事细分为逻辑子任务。 创建一个从头到尾包含整个对话的长故事是很诱人的。 然而，这实际上会增加您需要的故事数量。 将您的故事细分为逻辑子任务。 如果您有一些密切相关的子任务，您可以将它们与检查点进行关联。
- 不要过度使用检查点。 它们可以简化您的训练数据。 太多的检查点会让你的故事难以理解，实际上会减慢你的Mpower 坐席训练过程。
训练数据和示例
- 始终选择质量而不是数量。 可从一个小数据集开始，然后随着时间的推移收集更多高质量的示例来构建它。
- 使用真实对话中的示例。 这可确保您使用的数据是真实的。 它来自话语 联系人所说或输入的内容。真实的接触。
- 不要使用自动生成数据并声称可以更快地训练Mpower 坐席的工具。 它们通常生成的示例并不能反映联系人的真实想法。 它们还可能导致Mpower 坐席失去泛化能力。 随着时间的推移，Mpower 坐席 会达到一个点，即它只能识别以前见过的短语。
- 请勿将相同的训练数据用于多个意图。 如果您重复使用训练数据，您的Mpower 坐席将无法在与联系人的实时交互中可靠地确定 意图 联系人所说/所输入内容背后的含义或目的；联系人想要传达或达成的事情。。
- 保持灵活性并愿意随时间调整意图和故事。 当您查看对话数据时，您可能会发现您认为的两个独立意图实际上是更普遍意图的阴影。 或者，您可能会发现某个 intent 太宽泛，您需要将其分解为更具体的 intent。
- 仅在新训练示例将有帮助时才添加它们。
- 不要添加与现有示例非常相似的新训练示例。 如果Mpower 坐席正确预测了某个话语的高置信度的意向，则添加更多非常相似的示例对Mpower 坐席没有帮助。
- 请添加更多Mpower 坐席之前预测错误或置信度较低的话语的更多训练示例。