Agent Builder 中的意圖

意圖是聯絡人話語背後的核心意義。 它們是聯絡人想要溝通或達成的需求或目標。 您的Mpower Agent會分析每個話語Closed 聯絡人所說或所輸入的內容。並根據配置的意圖確定最接近的匹配項。 然後，Mpower Agent可以使用在案例Closed 透過通道與客服專員的完整對話。 例如，互動可以是語音通話、電郵、聊天或社交媒體對話。或規則Closed 用於定義Mpower Agent 的回應不隨上下文改變的訊息。中配置的回應來回應匹配意圖。

聯絡人傳送的每段話語都有意圖。 許多訊息與聯絡人聯絡貴組織的原因有關。 這些消息的意圖與您的Mpower AgentClosed 使用CXone Mpower Agent Builder建立的虛擬客服專員，可以處理語音或聊天互動。處理的任務有關，例如重置密碼或提供路線和上班時間。 其他訊息遵循社交指令碼，其目的是問候、道別、感謝、閒聊等等。

意向是配置新Mpower Agent的起點。 您建立意圖，然後提供聯絡人用以傳達該意圖的訊息範例。 接下來，配置您希望Mpower Agent如何回應意圖。 例如，您可以讓Mpower Agent提出後續問題、回復答案、提供聯繫人選擇或轉接給現場客服專員。

使用意圖是在Mpower Agent實施過程中配置的重要組成部分。 部署之後，作為機器人持續管理的一部分，繼續使用意圖是非常重要的。

概念 定義 範例 Mpower Agent做什麼
郵件信封圖示

話語

聯絡人Closed 在聯絡中心與客服專員、IVR 或機器人互動的人。在互動Closed 透過通道與客服專員的完整對話。 例如，互動可以是語音通話、電郵、聊天或社交媒體對話。中所說的任何內容。 有時稱為訊息。

「我丟失了密碼。」

「我的餘額是多少？」

「您是機器人嗎？」

 Mpower Agent使用自然語言理解 （NLU） 來分析每個聯絡話語，以確定其含義或意圖。
放大鏡圖示

意圖

聯絡人想要傳達的訊息或要實現的目的。 聯絡人傳送的每則訊息都有意圖。

「我丟失了密碼」具有「重設密碼」的意圖。

「您好」有「打招呼」的意圖。

Mpower Agent使用 NLUClosed 此過程在自然語言處理 (NLP) 基礎之上擴展，以根據其理解的資訊做出決策或採取行動。分析聯絡人的消息以確定意圖。 知道後，就可以用自己的訊息進行回覆。 您可以為每個意圖配置希望Mpower Agent使用的回應。
資訊圖示

實體

聯絡人訊息中定義的資訊。 人名或產品名稱、電話號碼、帳號、位置等。 Mpower Agent使用NLU來識別聯絡人訊息中的實體。 實體幫助Mpower Agent理解聯絡人訊息的含義。
時段圖示

時段

從聯絡人訊息中提取並儲存以供Mpower Agent回應使用的實體。 類似於變數。 為聯絡人姓名建立一個插槽可以讓Mpower Agent在互動期間在回覆中使用該姓名，使其更加個人化。 配置為這樣做時，Mpower Agent從聯繫人消息中提取實體並將其保存在插槽中。 您可以讓Mpower Agent稍後在對話中使用此資訊。
規則圖示

規則

定義對不隨上下文改變含義的消息Mpower Agent回應。
  • 有固定回覆的單輪互動：您們的工作時間是？ 您們的地址是？
  • 對話塊：問候、再見、謝謝和過渡、簡單的「是/否」問題，以及確認。 Mpower Agents附帶了其中幾個的預設意圖和規則，包括問候語、移交Closed 將聯絡人從虛擬客服專員轉移到即時客服專員。請求等。
  • 常見問題解答
  • 辱罵和經典機器人挑戰
規則配置Mpower Agent如何回應意圖的兩種方法之一。 規則適用於某些種類的意圖，但並非所有意圖均適用。
案例圖示

案例

訓練Mpower Agent根據訊息意圖和對話上下文處理互動。 在關於忘記密碼的交互中，Mpower Agent會回應「我該怎麼做？ 這只是其中一種方式。 如果互動是關於創建一個新帳戶，即使在這兩種情況下，聯繫人都使用相同的詞語，意圖相同 - 獲取更多資訊，但回應也會大不相同。 快拍是配置Mpower Agent回應意圖方式的兩種方式中的第二種。 故事教會Mpower Agent如何使用對話的上下文來做出適當的回應。
動作圖示，以三個齒輪圖形表示

Mpower Agent行動

Mpower Agent在處理互動時所說的或所做的任何事。

在關於忘記密碼的互動中，Mpower Agent通過發送指向網站上密碼重置常見問題解答的連結來做出回應。

當聯絡人表達失望情緒時，例如「我不明白！ 無法運作！！！」 Mpower Agent回答說：「對不起。 您需要我將您轉接至真人客服專員嗎？」 當聯絡人說“是”時，Mpower Agent將啟動轉移。

Mpower Agent動作是您在定義希望Mpower Agent如何回應每個意圖時擁有的選項。 它們可讓您彈性配置每個回覆，以達到符合聯絡人需求的結果。

意圖訓練範例

意圖Closed 聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。範例訓練您的Mpower Agent瞭解聯絡人表達意圖的各種方式。 您擁有的意圖範例越多，您的Mpower Agent能夠正確識別該意圖的變體就越多。 使用真實世界的對話數據測試和訓練您的Mpower Agent。 始終選擇高品質而非大量的資料以獲得最佳結果。 這有助於確保Mpower Agent為處理與真實聯繫人的對話做好充分準備。

在實作流程的規劃階段中，您會收集客服專員與聯絡人的真實對話記錄。 將這些對話用作意圖訓練範例的來源，以添加到您的Mpower Agent中。

您可以使用CXone MpowerXO來分析您的歷史互動並提取範例以用於您的Mpower Agents。

意圖預測與可信度

您的Mpower Agent會分析聯絡人傳送的每條訊息。 它會判斷訊息與其配置的每個意圖的吻合程度，並計算它對每個吻合意圖的可信度。 可信度百分比越高，匹配度越高。 Mpower Agent使用置信度百分比最高且超過配置的閾值的意圖。

如果Mpower Agent 的置信度低於所有已配置意圖的閾值，則會觸發 NLUClosed 此過程在自然語言處理 (NLP) 基礎之上擴展，以根據其理解的資訊做出決策或採取行動。 回退選項。 您可以在 Agent Builder 中的「NLU > 遞補」標籤上配置觸發遞補的臨界值。

範圍外意圖

可能有些任務您尚未配置Mpower Agent來處理，但您知道連絡人Closed 在聯絡中心與客服專員、IVR 或機器人互動的人。會詢問這些任務。 超出範圍的意圖允許您Mpower Agent提供聯繫資訊，說明他們如何完成它無法幫助的任務。

例如，如果聯絡人定期要求您的Mpower Agent進行餘額檢查，但您尚未配置此任務，則可以創建balance_check意圖。 從聯絡人的請求中新增訓練資料範例。 然後，使用Mpower Agent回應為意圖創建規則，例如：

  • 「對不起，我還無法進行結餘檢查。 您需要我幫您轉接給可以幫忙的人嗎？」
  • 「對不起，我還無法進行結餘檢查。 我可以幫您更新地址、重設密碼和尋找分支位置。 您想做什麼？」

除了超出範圍的意圖外，您還需要創建一個故事來訓練Mpower Agent超出範圍的路徑。 這教會Mpower Agent如何處理其他意圖未涵蓋的各種情況。

範圍外意圖與遞補類似，但可以提供更好的客戶體驗。 通過了解人們向您Mpower Agent提出的超出範圍的常見問題，您可以為每個問題提供自定義的回答。 這有助於您的Mpower Agent看起來更像人類和對話。

意圖混淆

Mpower Agent有時可能會為聯絡人的消息選擇錯誤的意圖Closed 聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。。 當兩個意圖足夠相似以至於Mpower Agent很難區分它們時，就會發生這種情況。 這是意圖混淆，如果您對多個意圖使用相同的訓練資料，就可能發生這種情況。 如果示例非常相似，即使具體示例不相同，也很難區分它們，也會發生這種情況。 兩個用戶目標起初可能看起來不同，但隨著時間的推移開始收集類似的示例。

確保您的意圖與訓練資料有所區別。 如果您想要重複使用訓練範例來達成多個意圖，則表示您或許能夠將各個意圖合併為一個更一般的意圖。

有兩種常見的情況會發生意圖混淆：

  • 提供資訊：您的Mpower Agent可能會要求聯絡人在對話的不同時間點提供資訊，因此您最終可能會產生provide_email和provide_name等意圖。 但是，這些變異的訓練資料範例太相似了：
    • 「我叫 Sherry Khan」。
    • 「我的電郵是 sherry.khan@email.com」。
    • 「我是 Nathoo Mannkind」。
    • 「我的電郵是 nathoo@otheremail.com」。
  • 詢問資訊：聯絡人可能會向Mpower Agent詢問帳戶餘額等資訊。 如果聯絡人可以詢問多種類型的資訊，則您可以為每種類型設定一個意圖。 例如，對於帳戶結餘請求，您可以使用 balance_checking 和 balance_savings 的意圖。 但是，這些變異的訓練資料範例太相似了：
    • 「我能了解支票帳戶的結餘嗎？」
    • 「我的存款結餘是多少？」
    • 「您能告訴我我的支票帳戶結餘嗎？」

前面每種情況的訓練資料範例中，唯一真正的差異是所提供的實體Closed 在Interaction Analytics中您的公司設定檔中定義的關鍵字或短語。 與實體類型相關。 可以包括變體。。

避免意圖混淆

解決或避免意圖混淆的一般規則是合併意圖並在實體上訓練。 最好有一個單一的、通用的意圖，你應用所有的訓練範例，然後使用故事來訓練你的Mpower Agent識別實體。 當Mpower Agent可以識別聯絡話語中的實體時，它可以採用適當的路徑。

下表顯示了前一部分的常見情況。 其中展示了原始意圖、新的一般意圖，以及要使用的訓練案例範例。

場景 原始意圖 新的一般意圖 帶案例的培訓
提供資訊

提供地址

提供電郵

提供名稱

 provide_info

建立多個故事，這些故事以聯絡人訊息範例開頭，其中包含Mpower Agent可以收集的各種類型的資訊：

  • 「我叫 Sherry Khan」。
  • 「我的電郵是 nathoo@email.com」。
  • 「新地址是 123 Oat Street, Sometown, Ohio 43210」

所有案例都會觸發相同的意圖，provide_info。 每個案例使用不同的實體，例如 accountAddress、accountEmail 和 accountName。 最後一個示例“我需要更新我的資訊”並未說明特定類型的資訊，因此Mpower Agent可能需要提出後續問題。

詢問資訊

結餘檢查

儲蓄結餘

禮物卡餘額

 支票結餘

建立幾個案例，從聯絡人訊息範例開始，例如：

  • 「我的支票帳戶結餘是多少？」
  • 「如何查詢我的儲蓄帳戶結餘？」
  • 「我要查詢我的禮品卡結餘」。
  • 「我的帳戶結餘是多少？」

所有案例都會觸發相同的意圖，balance_checks。 每個案例會使用不同的實體，例如 balanceChecking、balanceSavings、balanceGiftCard。 最後一個示例「我的帳戶餘額是多少」未指定帳戶類型，因此Mpower Agent可能需要詢問後續問題。

多意圖

Mpower Agents可以識別聯絡人的訊息Closed 聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。中的一個或多個意圖Closed 聯絡人在與機器人互動時表達的任何內容，無論是問題還是陳述，以文字形式還是話語形式。。 識別消息中的多個意圖可讓您Mpower Agent正確處理請求，例如“請向我顯示我的餘額並將 200 美元轉入我的儲蓄帳戶”。

如果您透過現有的兩個單一意圖建立多意圖，則無需提供多個範例。 您的Mpower Agent可以識別訊息中的單一意圖，並將其作為多意圖進行處理。

只有當自然地對話確實需要時，才需使用多意圖。 過多的多意圖會使您的Mpower Agent過於複雜，難以輕鬆管理。

意圖審核與管理

NLU 圖示，看起來像一個頭像輪廓內的齒輪。 部分中「意圖」標籤上的每個意圖旁邊都有一個編號。 數字表示該意圖有多少訓練範例。 數字用顏色標示，表示訓練範例是否足夠：

  • 紅色：意圖被使用最多 7 次。 新增更多訓練範例。

  • 橙色：意圖被使用 8 至 14 次。 如果可能的話，新增更多訓練範例。

  • 綠色：意圖被使用最多 15 次。 不再需要訓練範例。

某些意圖的訓練範例數量旁可能有一個黃色三角形 。 這表示沒有包含此意圖的對話Closed Mpower AgentAgent Builder中的故事、規則和流程。。 如果您有使用此符號的意圖，視情況將其新增到案例或規則中。

在「意圖」標籤上，您也可以執行下列意圖管理任務：

意圖的最佳做法

在建立意圖時，請遵循以下最佳做法：

  • 意圖並不總是一目了然的。 兩個用戶目標起初可能看起來不同，但隨著時間的推移開始收集類似的示例。 確保您的意圖與訓練資料有所區別。 如果您想要重複使用訓練範例來達成多個意圖，則表示您或許能夠將各個意圖合併為一個更一般的意圖。這可以幫助您避免意圖混淆。
  • 務必包含範圍外的意圖。 超出範圍的意圖允許您Mpower Agent回應超出其訓練任務範圍的聯繫人請求。這將允許您恢復對話並且通常能夠提升績效。
  • 測試和訓練。 測試您的Mpower Agent以發現問題意圖。 例如，當您認為它應該選擇其他意圖時，它可能會提供不正確的回應或選擇超出範圍的意圖。
  • 慎用多意圖。 只有當自然地對話確實需要時，才需使用多意圖。 過多的多意圖會使您的Mpower Agent過於複雜，難以輕鬆管理。