教您的Mpower Agent進行對話

本頁介紹在中構建Mpower Agent 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。Agent Builder所需的基本任務。這是Mpower Agent 實施過程的第三步。

Glossary

概念	定義	範例	Mpower Agent做什麼
話語	聯絡人在聯絡中心與客服專員、IVR 或機器人互動的人。在互動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。
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 NLU 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。
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	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	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	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。
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。

教您的Mpower Agent進行對話

您不需要為每個可能的對話變化編寫指令碼。 Mpower Agents 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。使用對話式人工智慧技術，這使他們能夠理解聯繫人在聯絡中心與客服專員、IVR 或機器人互動的人。的意思，並在沒有腳本的情況下做出適當的回應。但是，您確實需要教您的Mpower Agent如何處理與聯繫人的對話。您可以使用Agent Builder中的規則用於定義Mpower Agent 的回應不隨上下文改變的訊息。和案例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。建立對話範本。

規則和故事，也稱為對話，教Mpower Agent如何通過話語回應接觸話語聯絡人所說或所輸入的內容。。每個對話都著重於特定互動的一小部分。它們通常由聯繫人話語、相應的意圖聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。和Mpower Agent回應組成。

您可能需要一個以上的對話來達成特定的意圖。在某些情況下，您可能希望Mpower Agent根據某些條件對同一意圖做出不同的回應。您可以通過創建多個對話來教Mpower Agent如何區分，每個對話都有自己獨特的回應以及定義Mpower Agent何時應該給出回應的標準。

對話如何教導Mpower Agent

在與聯絡人在聯絡中心與客服專員、IVR 或機器人互動的人。互動期間，Mpower Agent分析聯絡人的話語聯絡人所說或所輸入的內容。並識別意圖聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。。如果意圖只有一個配置的對話 Mpower AgentAgent Builder中的故事、規則和流程。，則Mpower Agent會根據該對話配置的回應進行回應。如果意圖有多個對話，Mpower Agent會分析對話以檢測應使用哪個對話版本的線索。

下圖顯示了Mpower Agent在回應聯絡人時使用的邏輯：

Mpower Agent回應

Mpower Agent回應可以簡單，也可以複雜。 Mpower Agents可以：

以資訊或問題回覆。
顯示圖像、GIF、視訊或網頁連結。其中可以包含供聯絡人互動的按鈕或清單。
使用條件「選擇」要採取的動作。您可以根據聯絡人所說的內容配置多種可能的回應。
依照表單收集聯絡人資訊。
將互動上報給即時客服專員。

Mpower Agent回應構建在對話中 Mpower AgentAgent Builder中的故事、規則和流程。由一個或多個可用的Mpower Agent動作組成。 Mpower Agent動作執行特定功能。某些Mpower Agent動作會向連絡人在聯絡中心與客服專員、IVR 或機器人互動的人。發送內容，例如訊息或可供選擇的選項清單。其他Mpower Agent動作執行聯絡人不可見的任務，例如調用API或從第三方應用程式中提取資料或在第三方應用程式中儲存資料。

Agent Builder有一組預設Mpower Agent動作可供選擇，但您也可以創建自訂Mpower Agent動作。自訂Mpower Agent動作可以進行API調用，也可以使用自訂JavaScript進行設計。

Skill Store

Mpower Agent技能允許您根據Mpower Agent可以執行的操作對Mpower Agent配置和訓練數據進行分組。您可以使用它們來篩選訓練數據，這樣可以更輕鬆地更具體地關注Mpower Agent可以完成的每項任務。

Mpower Agent技能還用於通過Agent Builder Agent BuilderSkill Store向使用者分發預製能力。 Skill Store 提供與各種CXone Mpower功能和產品的整合。

例如，如果要將Expert知識庫用於Mpower Agent，則可以將Autopilot Knowledge Mpower Agent技能添加到Mpower Agent中。這會新增所有必要的規則、案例、意圖、實體、插槽、指令碼等到您的機器人。

您可以設計其他人可能想要使用的Mpower Agent技能，並將其提交以供審批以添加到Skill Store中。 CXone Mpower對其進行檢閱，如果通過，會將它們新增到Skill Store中。這使其他Agent Builder使用者可以將其添加到其Mpower Agents中。

訓練您的Mpower Agent

訓練您的Mpower Agent有助於它從您所做的配置中學習。訓練品質越好，您的Mpower Agent就越能正確預測意圖聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。。訓練以下列方式觸發：

將訓練資料新增到Mpower Agent時：訓練資料是您新增到意圖聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。的範例。如果您添加大量高品質的範例，您的Mpower Agent可以更有效地在單詞、短語和意圖之間建立關聯。
當您建立案例和規則時：案例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。和規則用於定義Mpower Agent 的回應不隨上下文改變的訊息。教Mpower Agent如何回應意圖。如果意圖有足夠的高質量訓練數據，Mpower Agent就會學會識別表達相同意圖的不同方式聯繫人在聯絡中心與客服專員、IVR 或機器人互動的人。。
當您創建故事來向Mpower Agent傳授有關意圖變體的資訊時：對於具有變體的一般意圖，影響Mpower Agent回應方式，您可以使用故事來指導Mpower Agent區分變體。這有助於您的Mpower Agent學會瀏覽聯繫人請求的細微差別並正確回應。

您可以通過在Mpower Agent中與聊天Agent Builder來測試您的訓練有素程度。通過與您的Mpower Agent聊天，您可以看到它有問題的地方並立即進行更正。

正在進行的培訓過程的一部分是與您的Mpower Agent合作，使其更智慧。您的Mpower Agent越聰明，在預測意圖和選擇正確回應方面就越有效。您可以通過查看對話資料並針對對話資料中發現的問題對Mpower Agent進行更改，使您的Mpower Agent更智慧。您可以檢視並改進您的Mpower Agent。

訓練資料

意圖聯絡人所說/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。

您可以檢視您的意圖看看哪些意圖需要更多的訓練範例。每個意圖旁都有一個數字，表示其範例的數量。如果可能的話，有 14 個或更少範例的意圖需要更多訓練範例。

訓練和準備選項

當您準備好測試對Mpower Agent所做的更改時，可以點擊訓練和階段。這會將更改添加到Mpower Agent 模型經過訓練和準備測試的機器人版本以便您可以對其進行測試。可能需要通過對話進行額外的培訓，以完善您的Mpower Agent理解配置的方式。

如果要對已部署到生產環境的Mpower Agent進行改進，訓練和階段將創建新的Mpower Agent 模型經過訓練和準備測試的機器人版本並將該模型部署到階段。如果您希望改進反映在生產中，則需要手動部署這個新模型。這可確保Mpower Agent模型在未經您明確同意的情況下不會進入生產。

您可以使用健康監測追蹤以訓練和準備啟動的訓練進度。

用故事和規則訓練你Mpower Agent

故事允許您教您的Mpower Agent如何在互動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。的背景下回應訊息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。。您可以從頭開始建立案例或將實際交流轉換成案例。規則教你Mpower Agent回應那些含義不依賴於上下文的資訊。

有時您可能需要為單個意圖建立多個案例。當您希望Mpower Agent根據意圖的微小差異做出不同的回應時，這很有用。例如，如果Mpower Agent可以檢查帳戶餘額，您可能希望它根據聯繫人在聯絡中心與客服專員、IVR 或機器人互動的人。要檢查的帳戶類型做出不同的回應。

案例和規則可能需要定期更新和修訂。例如，如果在查看對話數據后，您發現您的某個故事導致Mpower Agent混淆並預測了錯誤的意圖，則可以通過更改故事來解決問題。在某些情況下，您可能需要更改意圖以及案例。

訓練資料最佳做法

在規劃收集訓練數據和訓練Mpower Agent的方法時，請記住以下最佳實踐：

品質永遠勝於數量。 剛開始建立小型資料集，經過長時間積累，收集更多高品質範例。
使用真實對話中的範例。 這可確保您使用的資料是真實的。它來自話語聯絡人所說或所輸入的內容。真正的接觸。
不要使用自動生成數據並聲稱可以更快地訓練Mpower Agent的工具。 否則通常會產生不能真實反映聯絡人話語意圖的範例。它們還可能導致Mpower Agent失去概括能力。隨著時間的推移，Mpower Agent會達到只能識別以前見過的短語的程度。
不要對多個意圖使用相同的訓練資料。 如果您重複使用訓練數據，您的Mpower Agent將無法可靠地確定與聯絡人的即時互動中的意圖聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。。
保持彈性，願意隨時間調整意圖和案例。 當您查看對話資料時，您可能會發現您認為是兩個不同的意圖實際上是更一般的意圖的陰影。或者您可能會發現意圖過於寬泛，您需要將其分解為更具體的意圖。
僅在有用時才新增訓練範例。
- 不要新增與現有範例非常相似的新訓練範例。如果Mpower Agent以高置信度正確預測了一個話語的意圖，則Mpower Agent添加更多非常相似的範例無濟於事。
- 添加更多訓練範例，說明Mpower Agent之前預測錯誤或置信度低的話語。

建立回應以訓練您的Mpower Agent

使用以下過程設定Mpower Agent回應：

建立意圖。
為您建立的意圖建立規則或故事聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。，以定義Mpower Agent如何回應該意圖。建立哪一個取決於意圖。請參閱您之前在實施過程中制定的計劃Mpower Agent。建立案例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。和規則用於定義Mpower Agent 的回應不隨上下文改變的訊息。的高階流程是：
1. 故事和規則始於聯繫人在聯絡中心與客服專員、IVR 或機器人互動的人。可能會說的與意圖相關的內容。例如，對於名為 check_balance 的意圖，聯絡人可能會說：「您能告訴我我的帳戶餘額嗎？」
2. 輸入聯絡人可能說出的內容的範例後，您的Mpower Agent會嘗試預測範例的意圖。它顯示最接近的匹配項，以及預測的置信度。它以百分比形式顯示其置信度。
3. 確認意圖預測或選擇正確的意圖，然後確認。如果置信度看起來很低，添加更多訓練範例到意圖中。請記住，置信度必須高於您為NLU回退設置閾值當目的地不支援富媒體時傳送的純文字替代方案。。
4. 現在，您可以使用任何Mpower Agent可用的操作Mpower Agent添加回應。
  檢視圖像
5. 如果此意圖的真實對話範例顯示聯絡人傾向於跟進回應（來自客服專員或Mpower Agent）並提出相同類型的問題或陳述，請新增另一個聯絡人話語。不是每個故事都會有後續話語。
6. 按照您收集到的真實範例，繼續案例或規則中的轉換。根據需要添加盡可能多的來回交互，以教Mpower Agent關於意圖的對話應該如何進行。
  但是，故事和規則不應該是完整的對話。當對話中的下一個陳述必然會開始一個新的意圖時，就應停止並建立一個新的案例。或者，考慮將案例分割成較小的子案例。您可以使用檢查點連結它們。
7. 如果根據聯絡人的獨特情況和需求，交流內容可能會有所不同，請針對相同的意圖建立多個案例。這訓練Mpower Agent來區分單個意圖的變化。
  - 不要在同一個案例中包含交流流程的變化。這可能會混淆Mpower Agent。
  - 如果聯絡人可能會用不同的方式來敘述訊息，或是類似的訊息基本上都是相同的意思，您可以新增這些訊息，作為意圖的範例。
  - 從快樂為意圖產生了正確結果的案例。和不快樂的路徑為意圖產生了錯誤結果的案例。的角度思考。每個意圖可以有一個以上的快樂路徑和一個以上的不快樂路徑。
如果意圖、規則或案例需要它們，請建立實體、插槽或表單。
- 僅為需要從對話中提取的資訊建立在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。實體Mpower Agent。
- 為對話期間需要儲存或使用的資料建立插槽從聯絡人的訊息中提取並儲存以用於機器人回覆的實體。類似於變數。。當您建立實體時，Agent Builder會自動建立插槽。
- 如果您需要從聯絡人收集多條資訊，請考慮在案例或規則中使用表單。
完成更改後，按兩下訓練和階段以更新Mpower Agent 模型經過訓練和準備測試的機器人版本以測試此更改。
與您的Mpower Agent聊天以進行測試。根據您與機器人的交流結果，可能需要調整您建立的案例或規則。您可能還需要新增或變更您正在處理的意圖的訓練資料。測試Mpower Agent時，請嘗試使用要測試的意圖的許多變體。根據需要經常重複訓練和測試步驟，直到您對Mpower Agent的表現感到滿意為止。