教你的Mpower 坐席进行对话

本页介绍了在中构建Mpower 坐席通过 CXone MpowerAgent Builder 创建的可处理语音或聊天交互的虚拟坐席。Agent Builder所需的基本任务。这是Mpower 坐席实施过程的第三步。

Glossary

概念	定义	示例	Mpower 坐席的作用
话语	联系人与联络中心的坐席、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。
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 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。
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。
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	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 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	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。
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。

教您的Mpower 坐席进行对话

您不需要为对话的每种可能的变化编写脚本。 Mpower 坐席通过 CXone MpowerAgent Builder 创建的可处理语音或聊天交互的虚拟坐席。使用对话式 AI 技术，这使他们能够理解联系人与联络中心的坐席、IVR 或机器人交互的人员。含义并做出适当的回应，而无需编写脚本。但是，您确实需要教您的Mpower 坐席如何处理与联系人的对话。为此，您可以使用 Agent Builder 中的规则用于定义 Mpower 坐席的对不受上下文影响的消息的响应。和故事用于基于意图和上下文训练 Mpower 坐席处理交互。创建对话模板。

规则和故事，也称为对话，教Mpower 坐席如何通过话语来回应接触话语联系人所说或输入的内容。。每个对话都集中于对话的一个特定的小部分。它们通常由联系人话语、相应的 intent 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。和 Mpower 坐席响应组成。

为实现某一特定意图，您可能需要多个对话。在某些情况下，您可能希望 Mpower 坐席根据特定标准对同一 intent 做出不同的响应。您可以通过创建多个对话来教Mpower 坐席如何区分，每个对话都有自己独特的回答以及定义Mpower 坐席何时应该给出该回答的标准。

对话如何教授Mpower 坐席

在与联系人与联络中心的坐席、IVR 或机器人交互的人员。交互期间，Mpower 坐席会分析联系人的话语联系人所说或输入的内容。并识别意图联系人所说/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。。如果 intent 只有一个配置的 dialogue Agent Builder 中的 Mpower 坐席故事、规则和流程。，则 Mpower 坐席会根据该对话配置的响应进行响应。如果该意图有多个对话，则 Mpower 坐席会分析对话以检测它应该使用哪个对话版本的线索。

下图显示了 Mpower 坐席在响应联系人时使用的逻辑：

Mpower 坐席响应

Mpower 坐席响应可以像您想要的那样简单或复杂。 Mpower 坐席可以：

回复信息或问题。
显示图像、GIF、视频或网页链接。它们可以包括联系人能够与之交互的按钮或列表。
使用条件“选择”要采取的操作。您可以根据联系人所说的内容配置多个可能的应答。
按照表单从联系人那里收集信息。
将交互升级到人工代理。

Mpower 坐席响应内置于对话 Agent Builder 中的 Mpower 坐席故事、规则和流程。中，由一个或多个可用的 Mpower 坐席作组成。 Mpower 坐席作执行特定功能。某些Mpower 坐席作会将内容发送到 contact 与联络中心的坐席、IVR 或机器人交互的人员。，例如消息或可供选择的选项列表。其他Mpower 坐席作执行联系人不可见的任务，例如呼叫API或从第三方应用程序提取数据或将数据存储在第三方应用程序中。

Agent Builder 有一组默认的 Mpower 坐席作供您选择，但您也可以创建自定义 Mpower 坐席作。自定义Mpower 坐席作可以进行API调用，也可以使用自定义JavaScript进行设计。

Skill Store

Mpower 坐席技能允许您根据 Mpower 坐席的功能对 Mpower 坐席配置和训练数据进行分组。您可以使用它们来筛选训练数据，从而更轻松地更具体地关注Mpower 坐席可以完成的每项任务。

Mpower 坐席技能还用于通过 Agent Builder Agent BuilderSkill Store向用户分发预制技能。 Skill Store 提供与各种 CXone Mpower 功能和产品的集成。

例如，如果要将 Expert 知识库与Mpower 坐席一起使用，则可以将 Autopilot Knowledge Mpower 坐席技能添加到Mpower 坐席。这会将所有必要的规则、故事、意图、实体、插槽、脚本等添加到您的机器人中。

您可以设计其他人可能想要使用Mpower 坐席技能，并提交这些技能以供审批以添加到Skill Store中。 CXone Mpower 对它们进行审核，并将在它们获得批准时将它们添加到 Skill Store 中。这使它们可供其他 Agent Builder 用户添加到其Mpower 坐席中。

训练您的Mpower 坐席

训练 Mpower 坐席有助于它从您所做的配置中学习。训练质量越好，您的 Mpower 坐席就越能正确预测意图联系人所说/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。。训练通过以下方式进行：

当您将训练数据添加到Mpower 坐席时：训练数据是您添加到 intents 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。的示例。如果您添加大量高质量的示例，您的 Mpower 坐席可以更有效地在单词、短语和意图之间建立关联。
当您创建故事和规则时：Stories 用于基于意图和上下文训练 Mpower 坐席处理交互。和 rules 用于定义 Mpower 坐席的对不受上下文影响的消息的响应。会教Mpower 坐席如何响应意图。如果 intent 具有足够多的高质量训练数据，则 Mpower 坐席会学习识别联系人与联络中心的坐席、IVR 或机器人交互的人员。表达相同意图的不同方式。
当您创建故事来教授Mpower 坐席有关意图变体的信息时：对于影响响应方式的具有变体的一般意图Mpower 坐席，您可以使用故事来教导Mpower 坐席区分变体。这有助于您的Mpower 坐席学会浏览联系人请求的细微差别并正确响应。

您可以通过在 Mpower 坐席中聊天来测试Agent Builder的训练程度。通过与您的Mpower 坐席聊天，您可以看到它存在问题的地方并立即进行更正。

正在进行的培训过程的一部分是与您的Mpower 坐席合作，使其更智能。您的 Mpower 坐席越聪明，它在预测意图和选择正确响应方面就越有效。您可以通过查看对话数据并更改Mpower 坐席以响应对话数据中发现的问题来使您的Mpower 坐席更智能。您可以查看和改进您的Mpower 坐席。

培训数据

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。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。

您可以查看您的意图，以便了解哪些意图需要更多训练示例。每个意图旁边都有一个数字，表示其具有的示例数量。如果可能，具有 14 个或更少示例的意图需要更多示例。

“训练和阶段”选项

当您准备好测试对 Mpower 坐席所做的更改时，您可以单击 Train and Stage。这会将更改添加到 Mpower 坐席 model 经过训练和上演的机器人版本，以便您可以对其进行测试。可能需要通过对话进行额外的培训，以改进 Mpower 坐席对配置的理解。

如果要对已部署到生产环境的Mpower 坐席进行改进，Train and Stage将创建一个新的 Mpower 坐席 model 经过训练和上演的机器人版本并将该模型部署到 stage。如果要在生产中体现您的改进，您需要手动部署这个新模型。这可确保 Mpower 坐席模型在未经您明确同意的情况下不会进入生产环境。

您可以使用运行状况监控器来跟踪通过“训练和阶段”启动的训练的进度。

使用 Stories 和规则培训您的 Mpower 坐席

故事允许您教Mpower 坐席如何在交互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。的上下文中回复消息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。。您可以从头开始创建故事或将实际对话转换为故事。规则教您的Mpower 坐席回复含义不依赖于上下文的消息。

有时您可能需要为一个意图创建多个故事。当您希望 Mpower 坐席根据 intent 中的微小差异做出不同的响应时，这非常有用。例如，如果Mpower 坐席可以检查帐户余额，您可能希望它根据联系人与联络中心的坐席、IVR 或机器人交互的人员。想要检查的帐户类型做出不同的响应。

故事和规则可能需要定期更新和修订。例如，如果在审阅对话数据后，您发现您的一个故事导致Mpower 坐席困惑并预测了错误的意图，则可以通过更改故事来解决问题。在某些情况下，您可能需要更改意图和故事。

训练数据最佳实践

在规划收集训练数据和训练Mpower 坐席的方法时，请牢记以下最佳实践：

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。

创建响应以训练您的Mpower 坐席

使用以下过程配置 Mpower 坐席响应：

创建意图。
为您创建的 intent 创建规则或story以定义 Mpower 坐席如何响应该 intent。您创建哪一个取决于意图。请参阅您之前在实施过程中制定的planMpower 坐席。创建故事用于基于意图和上下文训练 Mpower 坐席处理交互。和规则用于定义 Mpower 坐席的对不受上下文影响的消息的响应。的高级流程是：
1. 故事和规则以联系人与联络中心的坐席、IVR 或机器人交互的人员。可能说出的与意图相关的内容开始。例如，对于名为 check_balance 的意图，联系人可能会说“您能告诉我我的帐户余额吗？”
2. 在您输入联系人可能说的内容的示例后，您的Mpower 坐席会尝试预测该示例的意图。它显示最接近的匹配项，以及其预测的置信度。它以百分比形式显示其置信度。
3. 确认意图预测或选择正确的意图，然后确认。如果置信度似乎较低，添加更多训练示例到 Intent 中。请记住，置信度需要高于您为 NLU fallback 设置的阈值当目的地不支持富媒体时发送的纯文本替代方案。。
4. 现在，您可以使用任何 Mpower 坐席available actionsMpower 坐席添加响应。
  查看图像
5. 如果此意图的真实对话示例显示联系人倾向于使用相同类型的问题或陈述来跟进响应（来自座席或Mpower 坐席），请添加另一个联系人话语。并非每个故事都会有后续话语。
6. 按照您收集的真实示例继续进行故事或规则中的转换。根据需要添加尽可能多的来回交互，以教Mpower 坐席关于意图的对话应该如何进行。
  但是，故事和规则不应该是完整的对话。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。或者，考虑将故事细分成更小的子故事。您可以使用checkpoints链接它们。
7. 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。此作训练 Mpower 坐席区分单个 intent 的变体
  - 请勿在同一故事中包含对话流的变化。这可能会混淆Mpower 坐席。
  - 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意图的示例。
  - 从快乐针对意图产生正确结果的故事。和不快乐的道路针对意图产生错误结果的故事。的角度来思考。每个意图都可以有多个愉快路径和多个不愉快路径。
如果意图、规则或故事需要它们，请创建实体、插槽或表单。
- 仅为您需要从对话中提取的信息创建在位于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。实体Mpower 坐席。
- 为在对话期间需要保存或使用的数据创建槽从联系人的消息中提取并保存以用于机器人响应的实体。类似于变量。。 Agent Builder在您创建实体时自动创建插槽。
- 如果您需要从联系人那里收集多条信息，请考虑在故事或规则中使用表单。
完成更改后，单击Train and Stage以更新您的Mpower 坐席模型经过训练和上演的机器人版本以测试此更改。
与您的 Mpower 坐席聊天以进行测试。根据与机器人对话的结果，您可能需要对您创建的故事或规则进行调整。您可能还需要添加或更改您正在使用的意图的训练数据。在测试 Mpower 坐席时，请尝试使用您正在测试的 intent 的大量变体。根据需要经常重复训练和测试步骤，直到您对 Mpower 坐席的性能感到满意为止。