Agent Builder 中的意图

意图是联系人言语背后的核心含义。 它们是联系人想要传达或实现的需求或目标。 您的 Mpower 坐席 会分析每个 utterance关闭 联系人所说或输入的内容。，并从配置的 intent 中确定最接近的匹配项。 然后，Mpower 坐席可以使用在 story关闭 用于基于意图和上下文训练 Mpower 坐席 处理交互。 或 rule关闭 用于定义 Mpower 坐席的 对不受上下文影响的消息的响应。 中配置的响应来响应联系人。

联系人发送的每句话语都有一个意图。 许多消息与联系人联系您组织的原因有关。 这些消息的意图与您的 Mpower 坐席关闭 通过 CXone MpowerAgent Builder 创建的可处理语音或聊天交互的虚拟坐席。 处理的任务相关，例如重置密码或提供指示和营业时间。 其他消息遵循社交脚本，其中意图是问候、再见、感谢、闲聊等等。

Intent 是配置新 Mpower 坐席时的起点。 您创建一个意图，然后提供联系人用来传达该意图的消息示例。 接下来，配置希望 Mpower 坐席 如何响应 目的。 例如，您可以让 Mpower 坐席 询问后续问题、回答答案、提供联系方式选择或转接到人工座席。

使用 intent是在 Mpower 坐席implementation process 期间配置的重要组成部分。 部署后，作为机器人持续管理的一部分，继续使用您的意图至关重要。

概念 定义 示例 Mpower 坐席 的作用
邮件信封图标

话语

联系人关闭 与联络中心的坐席、IVR 或机器人交互的人员。在 交互中说的任何话关闭 通过某个渠道与坐席进行的完整对话。 例如，交互可以是语音呼叫、电子邮件、聊天或社交媒体对话。。 有时称为消息。

“我丢失了密码。”

“我的余额是多少？”

“你是机器人吗？”

 Mpower 坐席 使用自然语言理解 （NLU） 来分析每个联系人话语，以确定其含义或意图。
放大镜图标

意图

联系人想要传达或完成的内容。 联系人发送的每条消息都有一个意图。

“我丢失了密码”具有“重置密码”的意图。

“你好”有“打招呼”的意思。

Mpower 坐席 使用 NLU关闭 该流程扩展了自然语言处理 (NLP)，以根据它所理解的内容做出决定或采取行动。分析联系人的消息以确定意图。 一旦它知道这一点，它就可以用自己的消息进行响应。 您可以配置希望 Mpower 坐席 用于每个目的的响应。
信息图标

实体

联系人消息中定义的一条信息。 个人或产品名称、电话号码、帐号、位置等。 Mpower 坐席 使用 NLU 来标识联系人消息中的实体。 实体帮助Mpower 坐席了解联系人消息的含义。
时间段图标

插槽

从联系人的消息中提取并保存以供Mpower 坐席响应中使用的实体。 类似于变量。 为联系人姓名创建插槽可让Mpower 坐席在交互期间在响应中使用该姓名，使其更加个性化。 配置为执行此作时，Mpower 坐席 会从联系人消息中提取实体并将其保存在插槽中。 您可以让Mpower 坐席稍后在对话中使用此信息。
规则图标

规则

定义对不随上下文改变含义的消息的Mpower 坐席响应。
  • 包含固定响应的单回合交互：您的工作时间是几点？ 你的地址是什么？
  • 对话积木：问候、再见、谢谢和过渡；简单的是/否问题；和致谢。 Mpower 坐席 为其中一些请求提供了默认 intent 和规则，包括问候、handover关闭 将联系人从虚拟坐席转移给人工坐席的操作。 请求等。
  • 常见问题解答
  • 侮辱和经典机器人挑战
规则是配置 Mpower 坐席 响应目的方式的两种方法之一。 规则对于某些类型的意图有用，但不适用于所有意图。
故事图标

故事

训练Mpower 坐席以根据消息意图和对话上下文处理交互。 在关于忘记密码的交互中，Mpower 坐席 会回答“我该怎么做？ “我该怎么做？”。 如果交互是关于创建新帐户，则响应会大不相同，即使在这两种情况下，联系人都使用相同的词语和相同的意图 - 获取更多信息。 Stories 是配置 Mpower 坐席 响应 intent 的两种方式中的第二种。 故事教会Mpower 坐席如何利用对话的上下文来做出适当的回应。
操作图标，由三个齿轮表示

Mpower 坐席作

Mpower 坐席在处理交互时所说或所做的任何事情。

在有关忘记密码的交互中，Mpower 坐席通过发送指向网站上密码重置常见问题解答的链接来做出响应。

当联系人表达沮丧时，例如“我不明白！ 没用啊！！！”时， Mpower 坐席回应说“对不起。 您想让我把您转给人工坐席吗？” 当联系人说 Yes 时，Mpower 坐席 将发起转移。

Mpower 坐席作是定义希望 Mpower 坐席 如何响应每个目的时拥有的选项。 它们可使您灵活地配置每个响应，以实现满足联系人需求的结果。

意图训练示例

意图关闭 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。示例会培训您的Mpower 坐席了解联系人可能表达意图的各种方式。 您拥有的 intent 示例越多，您的 Mpower 坐席 将能够正确识别该 intent 的变体就越多。 使用真实世界的对话数据来测试和训练您的Mpower 坐席。 始终选择质量数据而不是数量以获得最佳结果。 这有助于确保 Mpower 坐席 为处理与真实联系人的对话做好充分准备。

在实施流程的规划阶段中，您收集坐席与联系人的真实对话记录。 将这些对话用作意图训练示例的来源，以添加到您的Mpower 坐席中。

您可以使用 CXone MpowerXO 来分析您的历史交互并提取示例以用于您的 Mpower 坐席。

意图预测和置信度

您的 Mpower 坐席 会分析联系人发送的每条消息。 它确定消息与其每个配置的意图的匹配程度，并计算其在每次匹配中的置信度。 置信度百分比越高，匹配越好。 Mpower 坐席 使用置信度百分比高于 configured 阈值的 intent。

如果Mpower 坐席的置信度低于所有已配置目的的阈值，则会触发 NLU关闭 该流程扩展了自然语言处理 (NLP)，以根据它所理解的内容做出决定或采取行动。 fallback 选项。 您可以在 Agent Builder 中的 NLU >“回退”选项卡上配置触发回退的阈值。

超出范围的意图

可能有些任务您尚未将 Mpower 坐席 配置为处理，但您知道联系人关闭 与联络中心的坐席、IVR 或机器人交互的人员。会询问这些任务。 超出范围的 intent 允许您的 Mpower 坐席 提供有关如何完成其无法帮助的任务的联系信息。

例如，如果联系人定期要求Mpower 坐席进行余额检查，但您尚未配置此任务，则可以创建 balance_check 目的。 根据联系人提出的请求向其中添加训练数据示例。 然后，使用 Mpower 坐席 响应为目的创建规则，例如：

  • “抱歉，我还不能进行余额检查。 您需要我将您转给可在这方面提供帮忙的人吗？”
  • “抱歉，我还无法进行余额检查。 我可以帮助您更新地址、重置密码以及查找分支机构地点。 您想要做什么？”

除了范围外的意图外，您还需要创建一个故事来训练Mpower 坐席范围外路径。 这教会了 Mpower 坐席 如何处理其他 intent 未涵盖的各种情况。

超出范围的意图与回退类似，但它们可以提供更好的客户体验。 对于超出范围的人们向您的 Mpower 坐席 提出的常见问题，如果具有意向，则可以为每个问题提供自定义的响应。 这有助于您的Mpower 坐席看起来更像人类和对话。

意图混淆

Mpower 坐席有时可能会为联系人的消息选择错误的 intent关闭 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。。 当两个 intent 足够相似，以至于 Mpower 坐席 很难区分它们时，就会发生这种情况。 这是意图混淆，如果您将相同的训练数据用于多个意图，则可能会发生这种情况。 如果示例非常相似，即使具体示例不同，也很难将它们区分开来，也会发生这种情况。 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。

发生意图混淆的常见场景有两种：

  • 提供信息：您的Mpower 坐席可能会要求联系人在对话的不同时间点提供信息，因此您最终可能会得到 provide_email 和 provide_name 等意图。 然而，这些变化的训练数据示例太相似：
    • “我的名字是 Sherry Khan。”
    • “我的电子邮件是 sherry.khan@email.com。”
    • “它是 Nathoo Mannkind。”
    • “它是 nathoo@otheremail.com。”
  • 询问信息：联系人可能会向Mpower 坐席询问信息，例如账户余额。 如果联系人可能询问的信息有多种类型，您可以对每种类型都有一个意图。 例如，对于帐户余额请求，您可能有 balance_checking 和 balance_savings 的意图。 然而，这些变化的训练数据示例太相似：
    • “我可以查看我的支票帐户余额吗？”
    • “我的储蓄帐户余额是多少？”
    • “您能告诉我我的支票帐户余额吗？”

上述每个场景的训练数据示例中唯一真正的区别是提供的实体关闭 在位于Interaction Analytics中的您的公司配置文件中定义的关键字或短语。 与实体类型相关。 可包括变体。。

避免意图混淆

要解决或避免意图混淆，要遵循的一般规则是合并意图并对实体进行训练。 最好有一个应用所有训练示例的单一通用意图，然后使用故事训练Mpower 坐席识别实体。 当Mpower 坐席可以识别联系人话语中的实体时，它可以采用适当的路径。

下表显示了上一节中的常见场景。 其演示了最初意图、新的总体意图以及要使用的示例训练故事。

场景 最初意图 新的总体意图 用故事训练
提供信息

provide_address

provide_email

provide_name

 provide_info

创建多个故事，这些故事以联系人消息示例开头，这些示例包含Mpower 坐席可以收集的各种类型的信息：

  • “我的名字是 Sherry Khan。”
  • “我的电子邮件是 nathoo@email.com。”
  • “新地址是 123 Oat Street, Sometown, Ohio 43210”

所有故事都会触发相同的意图，provide_info。 每个故事均使用不同的实体，例如 accountAddress、accountEmail 和 accountName。 最后一个示例“我需要更新我的信息”没有说明特定类型的信息，因此Mpower 坐席可能需要提出后续问题。

询问信息

balance_checking

balance_savings

balance_giftcard

 balance_checks

创建从联系人消息示例开始的多个故事，例如：

  • “我的支票帐户余额是多少？”
  • “我如何查看我的储蓄帐户余额？”
  • “我想查看我的礼品卡余额。”
  • “我的帐户余额是多少？”

所有故事都会触发相同的意图：balance_checks。 每个故事均使用不同的实体，例如 balanceChecking、balanceSavings、balanceGiftCard。 最后一个示例“What's my account balance”（我的账户余额是多少）未指定账户类型，因此Mpower 坐席可能需要提出后续问题。

多意图

Mpower 坐席 可以在联系人的 消息关闭 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。中识别一个或多个 意图关闭 联系人在机器人交互中所说的任何内容，无论是问题还是陈述，书面或口头。。 在消息中识别多个意图可以让您的 Mpower 坐席 正确处理诸如“请显示我的余额并将 200 美元转入我的储蓄账户”之类的请求。

如果您从两个现有的单一意图创建一个多意图，则不需要提供很多示例。 您的 Mpower 坐席 可以识别消息中的单个 intent 并将其作为多 intent 处理。

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。

意图审查和管理

NLU 图标，看起来像人头剪影中有个齿轮。 部分中“意图”选项卡上的每个意图旁边都有一个数字。 该数字表示此意图有多少个训练示例。 这些数字用颜色编码来指示训练示例是否足够：

  • 红色：意图最多使用七次。 添加更多训练示例。

  • 橙色：意图使用八到十四次。 如果可能，添加更多训练示例。

  • 绿色：意图使用超过十五次。 不需要更多的训练示例。

某些意图可能在训练示例的数量旁边有一个黄色三角形 。 这表明不存在包含此意图的对话关闭 Agent Builder 中的 Mpower 坐席 故事、规则和流程。。 如果您有带有此符号的意图，请在适当时将它们添加到故事或规则中。

在“意图”选项卡上，您还可以执行以下意图管理任务：

意图的最佳实践

在创建意图时，请遵循以下最佳实践：

  • 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。