Fusion Smart Answers Integration mit DialogFlow

Präsentiert auf der virtuellen Activate 2020. Konversationelle Benutzeroberflächen werden immer beliebter, aber die Einschränkungen von Chatbots können die Benutzer frustrieren. Durch die Kombination der Fähigkeiten von Google DialogFlow und Lucidworks Fusion’s Smart Answers erhalten Benutzer eine erstklassige konversationelle Lösung mit KI-gestützter Sprache in Text, leistungsstarkem Dialogflow-Design und KI-gestützter semantischer Suche. In dieser Präsentation werden wir Ihnen zeigen, wie Smart Answers für ein beeindruckendes Self-Service-Erlebnis auf der Grundlage von DialogFlow auf GCP eingesetzt werden kann.

Referenten:
Steven Mierop, Vertriebsingenieur, Lucidworks
Amit Kumar, Solution Consultant, Cloud AI, Google

Zielgruppe:
Suchentwickler, Datenwissenschaftler, Integrationsingenieure

Teilnehmer nehmen mit:

• Integration ist sehr einfach, wenn Plattformen API-first sind
• Die Dokumentation ist übersichtlich und für Entwickler leicht nachvollziehbar
• Die Kombination der beiden erstklassigen Plattformen ergibt ein leistungsstarkes Dialog-Frontend und ein skalierbares KI-basiertes Informationsabruf-Backend.

---

Abschrift:

Steve: Hallo und herzlich willkommen zur Integration von Fusion Smart Answers mit Dialogflow. Mein Name ist Steven Mierop. Ich bin Solution Engineer hier bei Lucidworks und habe heute Amit Kumar dabei, einen technischen Lösungsberater in der Cloud AI Practice bei Google.

Heute werden wir über die KI-Trends sprechen, die wir in der Branche sehen. Semantische Suche und wie sie mit Chatbots zusammenhängen. Wir werden eine kurze Demo von Smart Answers zeigen und dann wird uns Amit einen Überblick über Dialogflow geben.

Was sehen wir heute in der Branche? Erst vor ein paar Monaten hat Gartner einen Bericht veröffentlicht, aus dem hervorgeht, dass die Zahl der neuen Online-Chats um das 10-fache gestiegen ist. Und ich denke, dass dies in vielerlei Hinsicht nicht überraschend ist, denn wir reiten nun schon seit einigen Jahren auf dieser Welle der digitalen Transformation.

Aber ein Beschleuniger für all dies war natürlich COVID-19, Mitarbeiter, die aus der Ferne arbeiten, Kunden, die versuchen, Antworten auf ihre Fragen in der Isolation zu finden. All dies hat die Anforderungen an die Kundenserviceteams stark erhöht.

Dies war ein weiterer Bericht, der im Februar von Gartner veröffentlicht wurde und zeigt, dass sich die Hauptanwendungsfälle auf den Kundensupport, Callcenter-Agenten, virtuelle Assistenten und Mitarbeiterportale konzentriert haben.

Außerdem stellen wir fest, dass viele Kunden und potenzielle Kunden einen Chatbot oder einen intelligenten virtuellen Assistenten nicht nur zur Kosteneinsparung, sondern auch zur Umsatzsteigerung einsetzen möchten.

Ich denke, die Messlatte wird langsam ziemlich hoch gelegt.

Welche Einschränkungen gab es traditionell bei Chatbots? Eine davon war, dass sie den Kontext eines Gesprächs nicht behalten konnten. Und das war ein Problem, denn nach ein paar Fragen merkten Sie schnell, dass der Chatbot Ihnen wahrscheinlich nicht so helfen würde, wie Sie es sich erhofft hatten, und Sie gaben ihn ganz auf.

Ein Teil des Problems und der Grund dafür war, dass die Backend-Intelligenz nur statische, regelbasierte Workflows waren, die jemand pflegen musste. Und es wurde zu einem Alptraum, einen dieser Workflows am Laufen zu halten und ihn im Hinblick auf die eingehenden Fragen relevant zu halten.

In den letzten Jahren haben wir definitiv eine massive Verbesserung in diesem Bereich gesehen, insbesondere beim Verständnis der natürlichen Sprache. Ich beobachte sogar, wie viele kleinere Chatbot-Unternehmen und Frameworks entstehen, die es Ihnen ermöglichen, ein Modell zu trainieren, diese Lösung anzudocken, sie in die Cloud hochzuladen und dann horizontal zu skalieren.

Ich denke, das ist auf jeden Fall ein Schritt in die richtige Richtung. Aber wenn es darum geht, einen brauchbaren Chatbot zu entwickeln, der leicht zu pflegen ist und mit der Zeit selbständig lernen kann, brauchen Sie definitiv mehr Teile und Komponenten, die Ihnen dabei helfen. Und genau hier kann Fusion ins Spiel kommen.

Lassen Sie uns auf Smart Answers aufbauen und uns einige der Vorteile der Informationsabfrage von Fusion als eine Art Grundstein dafür ansehen. Wenn wir also über Antworten auf Fragen nachdenken, können die Antworten an vielen verschiedenen Orten zu finden sein und von vielen verschiedenen Stellen stammen. Es kann mehr sein als nur eine Reihe von kuratierten FAQs, die Ihr Unternehmen hat.

Fragen und Antworten können auch in Community-Foren gestellt werden. Sie können zum Beispiel in Word-Dateien, PDFs oder Blog-Beiträgen enthalten sein.

Die Verbindung zu all diesen verschiedenen Datenquellen und die anschließende Aufnahme in einen Suchindex ist ein wichtiger erster Schritt.

Zusätzlich zu der Intelligenz, die Smart Answers anwendet und mitbringt, benötigen wir auch andere Arten von Funktionen zur Verarbeitung natürlicher Sprache wie die Extraktion von Entitäten.

Wenn ein Gespräch mit einem Chatbot stattfindet, können wir erkennen, welche Schlüsselkonzepte angesprochen werden. Denn wenn wir eine bekannte Entität erkennen, möchten wir vielleicht eine bestimmte Aktion durchführen. Wir brauchen auch die Möglichkeit, Signale zu verfolgen. Wenn ein Benutzer mit einem Chatbot interagiert und vielleicht keine Antwort erhält, die seinen Vorstellungen entspricht, möchte er vielleicht eine Art Signal an Fusion senden, das besagt: „Gib mir die nächste Antwort oder lass es uns noch einmal versuchen. Wir können diese Informationen und diese Art von Verhalten nachverfolgen und sie schließlich in Smart Answers einspeisen, so dass es mit der Zeit immer intelligenter wird.

All diese verschiedenen Ebenen und Faktoren dienen uns als Grundlage für die Erstellung von Smart Answers.

Was genau ist Smart Answers? Smart Answers ist ein intelligentes Frage-und-Antwort-System. Es ist eine vereinfachte Art, Deep-Learning-Modelle zu verwenden, um den Kontext und die semantische Bedeutung der Fragen von Benutzern zu verstehen.

Sobald wir diese Informationen haben, können wir im Backend von Fusion die am besten geeignete Antwort finden. Und die Vorteile dieser Vorgehensweise können bei der Ablenkung von Call Centern helfen. So können Sie Ihre Call Center-Agenten effektiver einsetzen und sogar im E-Commerce helfen.

Wie funktioniert das auf hohem Niveau? Nun, wir haben verschiedene Möglichkeiten, ein Modell zu trainieren. Wir können beaufsichtigt oder unbeaufsichtigt arbeiten und wir liefern sogar ein allgemein trainiertes Modell mit, das Sie schnell verwenden können. Sobald Sie Ihre Daten eingelesen haben, verwenden Sie einfach dieses Modell, erstellen Ihre Kodierungen und sind im Grunde fertig.

Sobald das Modell erstellt ist, wird es automatisch in unseren Service für maschinelles Lernen hochgeladen, so dass es in Ihren Index- und Abfrage-Pipelines sofort verfügbar ist. Sobald das Modell in einer Phase referenzierbar ist, werden beispielsweise alle eingehenden Dokumente oder Q&A-Paare in Deep-Vector-Darstellungen kodiert.

Bei der Abfrage fügen wir dasselbe Modell zur Abfrage-Pipeline hinzu und die eingehende Frage oder Abfrage des Benutzers wird ebenfalls in eine Deep-Vector-Darstellung kodiert. Von dort aus können wir die Ähnlichkeit zwischen der Frage des Nutzers und der am besten geeigneten Antwort in unserem Suchindex finden.

Wie passt Google Dialogflow in dieses Konzept? Nun, Smart Answers ist eine dialogorientierte Middleware. Wir machen es Ihnen leicht, ein Modell zu verwenden und zu trainieren, ohne dass Sie ein Datenwissenschaftler sein müssen. Wenn Sie jedoch ein Datenwissenschaftler sind, können Sie diesen Prozess mit Hilfe unserer zahlreichen Konfigurationseinstellungen feinabstimmen. Aber letztendlich liefern wir keine Chatbot-Benutzeroberfläche oder einen virtuellen Assistenten mit.

Dazu benötigen wir eine Chatbot-Plattform oder ein Framework, das über eine Reihe von APIs verfügt, mit denen wir uns verbinden können.

Wir fanden, dass Google Dialogflow einfach zu bedienen ist. Es verfügt über eine Text-zu-Sprache- und eine Sprache-zu-Text-Übersetzung, die äußerst präzise ist. Es wurde auch mit einem vorgefertigten Chatbot geliefert, für den wir einen Webhook nutzen konnten. Wenn Nutzer unserem Chatbot Fragen stellen, fangen wir die Frage einfach ab, lassen Google die Sprache in Text übersetzen, senden diese an Fusion, wo Smart Answers eine Antwort findet, und senden dann die JSON-Nutzdaten zurück an Google Dialogflow, damit die Antwort an den Nutzer zurückgesprochen werden kann.

Das Tolle daran ist, dass wir eine Chatbot-Schnittstelle verwenden können, z. B. ein Mobiltelefon, um eine Art virtuellen Assistenten zu erstellen. Und wenn Sie Managed Fusion in der Google Cloud Platform verwenden, dann wird Google Dialogflow natürlich auch dort gehostet.

Ich habe einen zentralen Ort, an dem ich die Protokolle auswerten und genau sehen kann, was vor sich geht, wenn ich ein bestimmtes Szenario beheben muss oder einfach nur, um mir bei der Entwicklung zu helfen.

Lassen Sie uns einen Blick darauf werfen und sehen, wie es in Aktion aussieht. Ich werde zu meinem Handy wechseln, das ich hier live aufzeichnen werde, und mit einem fiktiven Unternehmen namens Databack sprechen. Ich werde einfach ein paar technische Fragen stellen und hoffen, dass ich eine Antwort finde.

Hey Google? (Google piept) Sprechen Sie mit Databack.

(Google-Stimme) Okay, dann holen wir uns mal die Testversion von Databack. (Google piept) Wie kann ich Ihnen helfen? (Google piept)

Steven: Was passiert, wenn der Upload der privaten Analyse fehlschlägt?

[Wenn der Daten-Upload fehlschlägt, versucht der Dienst nach 60 Minuten erneut, die Daten hochzuladen. Fehlgeschlagene Uploads werden in der Datei dbd.log gemeldet. (Google piept)

Steven: Google Dialogflow hat meine Stimme in Text übersetzt. Wir schickten das an Fusion und Fusion gab uns eine Antwort zurück und all das, die Benutzeroberfläche dafür, mussten wir überhaupt nicht entwickeln. Wir mussten nur die Webhook-Logik schreiben, was etwa 100 Zeilen Node.js bedeutete.

Lassen Sie uns diese Frage anders stellen und hoffen, dass wir die gleiche Antwort erhalten.

(Google piept) Der Upload funktioniert nicht für den Analyseserver.

[Wenn der Daten-Upload fehlschlägt, wird der Dienst nach 60 Minuten erneut versuchen, die Daten hochzuladen (Google-Piepton).

Steven: Wir bekommen immer noch dieselbe Antwort zurück, was ja auch zu erwarten war. Versuchen wir es noch einmal und ändern wir die Formulierung noch einmal ab.

(Google piept) Was soll ich tun, wenn das Hochladen auf den Analyseserver nicht erfolgreich war?

[Wenn der Daten-Upload fehlschlägt, wird der Dienst nach 60 Minuten erneut versuchen, die Daten hochzuladen (Google-Piepton).

Steven: Das Tolle daran ist, dass ich diese Frage auf verschiedene Arten stellen kann, vielleicht sogar mit Wörtern, die gar nicht in meinem Suchindex enthalten sind. Ich kann immer noch die richtige Antwort zurückbekommen. Das spart uns eine Menge Zeit. Wir müssen keine große Liste von Synonymen oder Regeln oder Ähnlichem pflegen. Wir lassen einfach das semantische Verständnis die harte Arbeit für uns erledigen.

Eine andere Möglichkeit ist, dass wir mit den in der Fusion-Plattform enthaltenen Komponenten ein selbstoptimierendes Verhalten erzeugen können.

Lassen Sie uns eine Frage stellen und wir werden sehen, was wir davon halten.

(Google piept) Wie beschleunige ich Backups?

[Sie können eine ganze Instanz schneller sichern, indem Sie mehrere untergeordnete Clients für eine gleichzeitige Sicherung einplanen. (Google piept)

Steven Nun, das war eine durchaus akzeptable Antwort, aber sagen wir, es war nicht genau das, wonach ich gesucht habe. Vielleicht möchte ich etwas ganz anderes. Ich könnte eine Anfrage an Fusion senden, mir eine neue Antwort zu geben.

(Google piept) Versuchen Sie es erneut.

[Wenn bei der Datensicherung Leistungsprobleme auftreten, können Sie diese beheben, indem Sie die Protokollierung von Leistungsdetails in den Protokolldateien aktivieren. War das besser? (Google piept)

Steven: Ja, danke.

(Google-Stimme) Ich werde Fusion wissen lassen, dass Ihnen diese Antwort am besten gefallen hat. (Google-Piepton)

Steven: Wie kann ich Backups beschleunigen?

[Wenn bei der Datensicherung Leistungsprobleme auftreten, können Sie diese beheben, indem Sie die Protokollierung von Leistungsdetails in den Protokolldateien aktivieren. (Google-Piepsen)

Steven: Sie können sehen, dass wir ein positives Feedback an Fusion senden können und Smart Answers kann das berücksichtigen und mir dann die letzte Antwort zurückschicken, die wir als am besten geeignet bezeichnet haben. Das war nur ein kurzes Beispiel dafür, was Sie mit Google Dialogflow machen können und wie es sich mit Smart Answers integrieren lässt.

Wie sieht das eigentlich hinter den Kulissen aus? Wie funktioniert das? Nun, Fusion braucht ein freundliches Chatbot-Framework, mit dem es arbeiten kann. Dieses Framework war in diesem Fall natürlich Google Dialogflow und Fusion Smart Answers sitzt genau in der Mitte davon.

Wenn Äußerungen in Form von Fragen auf der Plattform eingehen, erstellen wir im Wesentlichen einen Intent, einen primären Intent, der eigentlich der Fallback Intent ist. Alles wird an einen einzigen Endpunkt weitergeleitet, der letztlich von einem Webhook gesteuert wird. Dabei handelt es sich lediglich um einen Node.js-Code, der den Text auswählt, ihn an Fusion sendet, Smart Answers findet eine Antwort und sendet sie dann direkt durch diese Pipeline zurück. Dann wurde diese Antwort in Sprache übersetzt und dem jeweiligen Benutzer vorgesprochen.

Einfach, aber leistungsstark in dem, was Sie tun können.

Damit übergebe ich das Wort an Amit und er kann weitermachen. Amit.

Amit: Vielen Dank, Steven. Ich werde ein wenig über Dialogflow im Allgemeinen sprechen, über die verschiedenen Möglichkeiten, die Dialogflow bietet, und über die architektonischen Komponenten, die Sie integrieren können, um anspruchsvolle Konversationserlebnisse für Ihr Unternehmen zu schaffen.

Auf einer sehr hohen Ebene ist Dialogflow eine coole Konversationsplattform, die Google anbietet. Sie nutzt ähnliche Dienste wie einige der anderen Google-Produkte. Zum Beispiel ein Sprache-zu-Text-, Text-zu-Sprache- und Wissensdienst zur Unterstützung der Wissensbasis.

Sie können viele Ihrer FAQs und Artikel hochladen und diese als Teil der Dialogflow-Antworten verwenden. Viele der NLP-Funktionen für die Verarbeitung natürlicher Sprache und von Gefühlen. Und natürlich die Sprachumwandlung von Text in Sprache und von Sprache in Text.

Dialogflow ist die integrierte Konversationsplattform, die Sie für Ihr Unternehmen nutzen können.

Nächste Folie bitte, Steve?

Warum genau sollten Sie Dialogflow nutzen? Dialogflow bietet Ihnen diese integrierte IDE-Entwicklungsplattform. Es bietet Ihnen eine Menge vorgefertigter Agenten, die Sie als Vorlage verwenden können.

Wenn Sie beispielsweise versuchen, einen FAQ-Bot zu erstellen oder einen Bot für den Finanzbereich oder ein bestimmtes vertikales Gebiet zu entwickeln, erhalten Sie viele vorgefertigte Vorlagen, die Sie importieren und für Ihre eigenen Anwendungsfälle konfigurieren können.

Außerdem sind viele der Trainingsaufgaben, viele der Trainingsphrasen und NLP-bezogenen Aufgaben ziemlich einfach. Sie müssen keine spezielle KI-Technologie erlernen. Es handelt sich um ein Tool, bei dem Sie nur die Trainingsphrasen eingeben, Konfigurationen erstellen und anklicken müssen, um Ihre Chatbots einzusetzen.

Die Entwicklung ist schnell, Ihre Markteinführung ist schnell. Ebenso können Sie sich engagieren und ein ähnliches Omnichannel-Erlebnis für verschiedene Kanäle bieten, egal ob es sich um einen Chat oder um Sprache handelt, Sie müssen sich nicht ändern oder einen anderen Bot dafür entwickeln. Es ist derselbe Bot, den Sie in verschiedenen Kanälen aktivieren können. Vom Standpunkt der Integration aus gesehen gibt Ihnen das eine Menge Flexibilität.

Wenn Sie einige Ihrer bestehenden Backend-Anwendungen haben, z.B. Salesforce oder ServiceNow, können Sie diese ziemlich einfach mit Fulfillment integrieren. Das ist eine der Integrationen, die wir mit Lucidworks hier in der Demo, die Steven gerade gezeigt hat, durchgeführt haben.

Und auch die Schulungen und Analysen sind über die gesamte Plattform hinweg verfügbar. Es handelt sich um eine einzige integrierte Plattform, die Sie nicht für verschiedene Kanäle unterschiedlich gestalten müssen.

Was die Reichweite betrifft, so unterstützt es eine Reihe von verschiedenen Sprachen. Es gibt verschiedene Plattformen und SDKs für so ziemlich jede Sprache, die Sie sich vorstellen können, mit denen Sie Ihre Client-Anwendungen erstellen können. Andererseits müssen Sie sie nur einmal erstellen und können sie dann in Ihren verschiedenen Frameworks einsetzen. Das ermöglicht Ihnen eine ziemlich ausgefeilte Markteinführung, eine schnellere Markteinführung und die Bereitstellung einer Plattform für die Entwicklung Ihres Konversationsdesigns und Ihrer Erfahrungen.

Das ist die Architektur, die Art und Weise, wie sie aussieht. Dialogflow bietet Ihnen eine Reihe von Möglichkeiten, eine Reihe von Ein-Klick-Integrationen für verschiedene Kanäle.

Zum Beispiel Facebook, Apple Business Chat, Google Assistant, das sind alles Ein-Klick-Integrationen, die verfügbar sind.

Auch für den Sprachbereich ist Dialogflow mit einer Reihe von Telefoniepartnern wie Genesys und Avaya integriert.
Mit Hilfe dieser vorgefertigten Integrationen können Sie Ihre Sprache und Chats in Dialogflow einbringen. Dort setzen Sie dann Ihr NLP und eine Reihe anderer Funktionen der künstlichen Intelligenz ein. Von dort aus können Sie diese mit Hilfe von Fulfillment in Ihre Backend-Anwendungen integrieren.

Sie könnten zum Beispiel ein Erlebnis anbieten, bei dem Kunden kommen und den Status ihrer Bestellung erfahren möchten. Sie können diese Konversationserfahrung mit der Absicht aufbauen und den Kunden auffordern, die Bestellnummer anzugeben. Sie können dann eine Integration mit Ihrem Backend-Auftragsverwaltungssystem vornehmen und dem Kunden den Status zurückmelden.

Mit Dialogflow können Sie ganz einfach eine Vielzahl von Self-Service-Angeboten erstellen.

Genau darüber haben wir vorhin gesprochen.

Dies ist die Webhook-Integration, die wir mit Smart Answers durchgeführt haben. Im Allgemeinen haben wir eine Absicht definiert. Die Absicht ist die Aktion, die der Benutzer durchführen möchte. Während der Benutzer mit dem System spricht oder die Abschrift zur Verfügung stellt, erkennen wir die Aktion, die der Benutzer ausführen möchte.

Auf der Grundlage dieser Aktion können wir gezielt bestimmte Webhooks aufrufen und dieser Webhook kann eine Reihe von Dingen tun. Er kann mit anderen Cloud-Diensten integriert werden oder mit einigen Ihrer Backend-Anwendungen. In diesem Fall verwenden wir den Webhook, um die Antworten zu integrieren und das gesamte Konversationserlebnis zu ermöglichen.

Hier möchten wir nur einige Architekturkomponenten hervorheben. Wie wir bereits besprochen haben, ist Dialogflow eine Omnichannel-Plattform. Sie erstellen Ihren Agenten nur einmal und aktivieren ihn für verschiedene Kanäle. Sie bauen keine verschiedenen Bots für Sprache, Chat und soziale Kanäle. Er ist intelligent genug, um den Kanal zu erkennen und dann mit der gleichen Logik und Konfiguration weiterzuarbeiten, die Sie erstellt haben.

Es nutzt die gleichen KI-Fähigkeiten, KI-Dienste, die auch andere Google-Produkte nutzen. Es nutzt die gleichen Funktionen für Sprache-zu-Text, Text-zu-Sprache und NLP. Es verfügt über ein sehr ausgefeiltes, optimiertes, erweitertes Modell, so dass verschiedene Arten von Erlebnissen, verschiedene Arten von Kanälen durch Dialogflow ermöglicht werden können.

Wie wir bereits besprochen haben, ist Dialogflow im Allgemeinen sehr gut mit anderen GCP-, Google Cloud-Produkten integriert.
Es vereinfacht die Gesamtarchitektur. Sie müssen nicht einige der anderen KI-Dienste in Ihr System integrieren. Es erledigt all diese Arbeit hinter den Kulissen für Sie. Sie brauchen nur Dialogflow aufzurufen und zu integrieren und den Rest erledigt es für Sie. Es bietet Ihnen eine Menge an unternehmenstauglichen Funktionen, die sofort einsatzbereit sind.

So wird beispielsweise der gesamte Datenverkehr, die gesamte Interaktion, sowohl bei der Übertragung als auch im Ruhezustand, standardmäßig verschlüsselt. Dafür müssen wir nichts zusätzlich bezahlen. Es verfügt über ziemlich ausgefeilte Überwachungs- und Protokollierungsfunktionen. Sie können keine End-to-End-Transaktionen oder End-to-End-Gespräche sehen. Es sperrt alle Interaktionen, so dass Sie alle Chatverläufe und die Gespräche zwischen Agenten und Kunden einsehen können. Und es bietet Ihnen auch ziemlich ausgefeilte Analysemöglichkeiten.

Sie erhalten alle Echtzeit-Analysen zu Gesprächen, warum Kunden anrufen und welche Art von Fallkategorisierungen es gibt. Sie können mit diesem Transkript und den Daten, die Ihnen zur Verfügung stehen, eine Menge anstellen.

Auch hier ist er sehr leistungsfähig, da er eine Reihe von optimierter Hardware verwendet.

Zum Beispiel verwenden die Dienste TPUs im Hintergrund. Es unterstützt gRPC für das Streaming in Echtzeit, da die Kunden mit dem Telefoniepartner gute Erfahrungen gemacht haben. Es ist sehr leistungsfähig und bietet Ihnen Integrationsoptionen mit niedriger Latenz.

Daher möchte ich mir etwas Zeit nehmen und Ihnen eine kleine Demo der Dialogflow-Bildschirme zeigen. Ich übernehme hier die Kontrolle.

Dies ist die Dialogflow-IDE. Sie bietet Ihnen all die verschiedenen Optionen für die Konfiguration und Erstellung Ihrer Konversationserlebnisse. In der Dialogflow-Terminologie nennen wir dies einen Agenten, einen Dialogflow-Agenten, und auf der linken Seite finden Sie viele verschiedene Optionen für die Konfiguration.

Die Absicht ist die Äußerung und das, was genau der Benutzer zu tun versucht. Während der Benutzer spricht und die Stimmen als Stream zur Verfügung stellt, schaut sich Dialogflow den Stream an und extrahiert dann die Absicht oder die Aktionen, die dieser Benutzer ausführen möchte.

In diesem Fall habe ich zum Beispiel eine Absicht namens Hotelbuchung. Während der Kunde spricht, möchte er im Wesentlichen ein Hotel buchen. Sie können auf eine Absicht klicken und erhalten dann eine Menge verschiedener Trainingsphrasen. Wie genau können Kunden sagen, wenn sie eine Reise oder ein Hotel buchen möchten. Sie müssen keine exakte Übereinstimmung erzielen, denn es werden viele NLP-Funktionen verwendet.

Auf diese Weise wäre es möglich, auf der Grundlage einiger weniger Trainingssätze eine bestimmte Absicht zu erkennen.

Aus der Absicht kann es dann Parameter extrahieren. Das macht es automatisch für Sie. Wenn Kunden zum Beispiel sagen, ich möchte für morgen ein Hotelzimmer für zwei Personen buchen. Aus diesen Trends kann Dialogflow die Anzahl der Personen, für die Sie ein Hotelzimmer buchen möchten, den genauen Zeitpunkt, für den Sie es buchen möchten, und dann zum Beispiel den Ort und einige andere Dinge extrahieren.

Es erledigt das automatisch für Sie, ohne dass Sie irgendetwas programmieren müssen. Dann können Sie verschiedene Antworten festlegen, was genau Sie an den Kunden zurücksenden möchten. Als Teil dieser Antwort können Sie auch eine Erfüllungsaktion konfigurieren, über die wir gerade gesprochen haben. Im Wesentlichen versuchen Sie zu verstehen, was genau der Benutzer tun möchte.

Sie möchten diese Parameter extrahieren und dann eine Art Backend-Freiplatz oder einen anderen Dienst aufrufen, der die Reservierungsbuchung für Sie übernimmt.

Entitäten sind die Variablen, die Sie definieren. Dialogflow wird mit einer Vielzahl von systemdefinierten Entitäten geliefert.

Zum Beispiel Datum, Uhrzeit, Farbe, Stadt, Code, Postleitzahl. Viele dieser Dinge sind bereits vordefiniert, so dass Sie sie nicht selbst definieren müssen.

Sobald Sie die Trainingssätze zur Verfügung stellen, wird Dialogflow diese automatisch verstehen. Dann extrahiert es sie und beginnt, sie für Sie zu verwenden. Es gibt Ihnen die Möglichkeit, Ihre eigenen benutzerdefinierten Entitäten zu erstellen.

In diesem Fall haben wir zum Beispiel einen Wert für den Stern erstellt, also den Stern für das Hotelzimmer, das Sie buchen möchten. Sie definieren diese Werte und verschiedene Möglichkeiten, verschiedene Synonyme, die der Kunde verwenden kann, um diese Werte zu verwenden.

Fulfillment ist hier eine weitere Option. Wir haben das vorhin schon kurz angesprochen. Fulfillment ist eine Option für die Integration von Dialogflow mit einigen Ihrer Backend-Anwendungen. Hier haben Sie eine Reihe von verschiedenen Optionen. Sie können Ihre bestehenden Dienste aufrufen, die Sie vielleicht irgendwo vor Ort oder bei anderen Cloud-Anbietern betreiben. Sie können hier auch Ihre serverlosen Optionen mit Google Cloud-Funktionen aufbauen und dort bereitstellen.

Sie haben eine Reihe verschiedener Optionen, um Ihren Backend-Service aufzubauen und einzusetzen. Die Integrationen sind Ein-Klick-Integrationen für einige der sozialen Kanäle sowie für die Telefoniepartner.

Der nächste Bereich bietet Ihnen Optionen für das Training. Sie können eine Trainingsdatei hochladen, in der Sie die Trainingsdaten für jede der von Ihnen definierten Absichten aufgelistet haben. Anstatt jeden einzelnen Intent einzugeben, können Sie mit dieser Option eine Trainingsdatei hochladen.

Die Validierungshistorie ist eine weitere coole Funktion, mit der Sie sich die historischen Informationen ansehen können.
Während die Kunden mit dem Bot interagieren und sich unterhalten, können Sie zurückgehen und sich all diese historischen Informationen ansehen. Außerdem können Sie mit diesem Tool Ihren Chatbot, einen Voice Bot, testen und sehen, wie er funktioniert und was genau er tut.

Ich habe zum Beispiel gerade gesagt: „Buchen Sie ein Hotel“. Sie erhalten Informationen über die Buchungsabsicht und können dann einige der zusätzlichen Parameter und den genauen Kontext sehen, der von diesem bestimmten Kundentrend erfasst wird.

Es handelt sich um eine ziemlich gut integrierte IDE-Plattform für den Aufbau Ihres Konversationsflusses im Unternehmen.

Ich denke, das ist alles, was wir heute besprechen wollten. Vielen Dank, dass Sie sich die Zeit genommen haben.