Inhalte einmal für Suche, Chatbot und Sprache optimieren

Erfahren Sie, wie Lucidworks Fusion und Search Relevance dazu beitragen, dieselben Inhalte für die Automatisierung der Suche und des Chats für kunden- und beraternahe Kanäle bei Morgan Stanley zu nutzen.

Referent:
Dipendra Malhotra, Leiter der Abteilung für Analytik, Intelligenz und Datentechnologie für Wealth Management, Morgan Stanley

Erfahren Sie mehr darüber, wie Morgan Stanley Fusion verwendet.

Abschrift

Dipenda: Hallo und herzlich willkommen zur Activate Konferenz. Mein Name ist Dipenda Malhotra, ich bin Leiter der Abteilung Analytics, Intelligence und Data Technologies für Wealth Management bei Morgan Stanley.

Bevor wir in unsere Sitzung einsteigen, möchte ich Ihnen kurz erklären, was die Aufgabe meiner Organisation ist. Wir sind in erster Linie für die Bereitstellung von Informationen und Analysen sowie von Nachrichtendiensten, KI und maschinellen Lerndiensten für den Rest der Organisation verantwortlich. Dabei müssen wir uns darauf konzentrieren, die Organisation richtig zu indizieren, die Informationen zum richtigen Zeitpunkt an den richtigen Kanal weiterzuleiten und auch die relevanten Informationen auf der Grundlage der Absicht der Anfrage bereitzustellen.

Infolgedessen wurde es für uns sehr wichtig, uns einmal auf den Inhalt zu konzentrieren, denn dort wird das Humankapital für die Erstellung des Inhalts, die Kommentierung des Inhalts und die Konversation mit dem Inhalt eingesetzt. Der Rest, also ob der Inhalt über die Suche, Chatbot, Voice und FAQs wiedergegeben wird, spielt zu diesem Zeitpunkt keine Rolle mehr, da alle diese Kanäle automatisiert werden können.

Das Ergebnis war, dass wir uns darauf konzentrierten, wo das Humankapital eingesetzt wurde.

Während der Präsentation werden Sie sehen, wie Fusion und die Indizierung sowie die maschinellen Lernfähigkeiten innerhalb dieser Plattform uns geholfen haben.

Bevor ich zu Ihnen springe, möchte ich Ihnen ein wenig Hintergrundwissen darüber vermitteln, was Morgan Stanley Wealth Management tut.

Wir sind ein Full-Service-Vermögensverwaltungsunternehmen, das Finanzdienstleistungen, Beratungsdienste, Unterstützung bei Brokerage-Transaktionen sowie Bank- und Kreditdienstleistungen anbietet. Wir haben etwa 15.000 Finanzberater, die 3 Millionen Kunden hauptsächlich in den Vereinigten Staaten betreuen und ein Vermögen von 2,6 Billionen Dollar dieser 3 Millionen Kunden verwalten.

Bevor ich einsteige, noch eine Sache: Wenn ich sage, dass wir Inhalte betreuen müssen, und es gibt drei Bestandteile, die wir haben, dann sind das die Kunden, die eine Frage stellen könnten:

Wie können Sie ein Konto eröffnen?
Wie kann man einen Scheck einreichen?

Es könnte ein Finanzberater oder ein Filialmitarbeiter sein, der die gleiche Frage stellt. Es könnte der Service-Mitarbeiter im Contact Center sein, der ebenfalls die gleiche Frage stellen könnte. Sie könnten auf unterschiedliche Art und Weise fragen. Kunden können in die FAQ gehen oder suchen. Ein Finanzberater möchte vielleicht mit dem Servicemitarbeiter chatten. Der Servicemitarbeiter muss möglicherweise alle Inhalte in unserem Wissensmanagement-Tool durchsuchen und dann die Informationen herausgeben.

Wie Sie sehen können, ist die Information, die gerendert werden muss, dieselbe, nämlich der Inhalt am unteren Rand der Folie. Allerdings sind die Kanäle und die Art und Weise, wie wir diese Informationen darstellen müssen, natürlich unterschiedlich. Das können FAQs sein, die Suche, Chatbots, die Stimme oder jedes andere Medium, aber in diesen Inhalt wird das meiste Humankapital investiert und wir müssen ihn so weit wie möglich verbreiten.

Historisch gesehen oder generell und überall in der Branche ist es so, dass Sie FAQs haben. Denn die Indizierung, die Synonyme, die Geschäftsregeln, wie die Hierarchie in den FAQ erstellt wird, sind anders. Normalerweise werden die Inhalte darauf abgestimmt. Derjenige, der die Inhalte erstellt, fügt die Synonyme und die Geschäftsregeln ein und erstellt die Inhalte mit Blick auf die FAQs.

Wenn dann die Zeit für die Suche gekommen ist, wo das Tagging anders ist, die Lernmaschine anders lernt, werden die Inhalte anders erstellt oder anders abgewickelt. Ähnlich verhält es sich bei Chatbots, bei denen es mehr um Konversationen geht. Infolgedessen werden Anmerkungen gemacht und Wissen generiert, und dann werden wieder Inhalte erstellt. Bei Voice passiert dasselbe mit IVR und der Konversation bei Voice.

Die Herausforderung dabei ist, dass das teuerste in diesem ganzen Diagramm das Inhaltsfeld am unteren Ende ist, denn dort werden Ihre KMUs, Ihre Fachexperten, den Inhalt erstellen, über die Fragen nachdenken, über die Antworten nachdenken, über die Suche nachdenken, darüber nachdenken, was bei der Suche wiedergegeben werden muss, und das wird der teuerste Teil. Alles andere kann sehr schnell und maschinell erledigt werden.

Ich werde mich vor allem auf die Inhalte konzentrieren. Zu Beginn dieses Jahres haben wir damit begonnen, die Inhalte einmal zu erstellen. Als die Person, die den Inhalt erstellte, auch die Synonyme, die Tags und die Regeln für die Hierarchie erstellte, war dies der Punkt.

Nach diesem Punkt begannen wir, eine Chatbot-Plattform, eine ML/AI-Plattform und auch Lucidworks Fusion zu nutzen, um all diese Inhalte in Fusion zu speichern und dann das gesamte Knowledge Engineering, alle Anmerkungen und die Konversation mit Hilfe der Chatbot-Plattform durchzuführen und den Rest der benötigten Informationen in diese gesamte Plattform zu integrieren.

Das Ergebnis war, dass die Indizierung, die Empfehlungen, die Absicht und der Inhalt sowie die Richtung und die Umleitung desselben Inhalts auf der Grundlage der Absicht der Frage, unabhängig davon, wie sie gestellt wurde, ebenfalls von einer Person auf derselben Plattform durchgeführt wurden. Und dann kann der Inhalt über all die verschiedenen Kanäle, die Sie oben sehen, wiedergegeben werden.

Schauen wir uns etwas genauer an, wie das gemacht wurde. Wenn Sie es aus der Perspektive des Inhaltsmanagements oder des Wissensmanagements betrachten, haben wir fünf Phasen.

Sie müssen zunächst die Geschäftsregeln erstellen.
Sie werden die Inhalte erstellen.
Sie denken über alle Fragen nach, die gestellt werden sollen,
und fügen dann die Absicht hinzu, wie diese Fragen gestellt werden sollen. Das wird meistens von einem Menschen gemacht.
Es gibt eine kleine Maschinerie, wie Sie die Inhalte organisieren, wie Sie die Inhalte verschlagworten. Ein Wissensmanagement-Tool wie EM kann Ihnen dabei helfen.

Aber ab diesem Punkt konnte nichts mehr mit der Maschine gemacht werden. Das ist der Punkt, an dem das meiste Humankapital zum Einsatz kommt.

Wenn Sie diesen Punkt überschritten haben, beginnen Sie mit dem Knowledge Engineering. In diesem Fall erstellen Sie jetzt die Taxonomie. Dann erstellen Sie Anmerkungen zu dieser Taxonomie. Sie werden einen Wissensgraphen erstellen, um zu sehen, wie die Informationen fließen. In einem iterativen Prozess werden Sie dann versuchen, all diese Dinge zu verfeinern.

Hier kommen menschliches und maschinelles Lernen ins Spiel.
Sie verstehen die Absicht des Benutzers aus früheren Fragen, Sie verstehen die Absicht des Benutzers aus dem Weg, den er genommen hat, um zu dieser Frage zu kommen, Sie verstehen die Absicht des Benutzers aus den Produkten, die er hält, um zu dem Punkt zu gelangen, an dem Sie die Frage verstehen können. Wenn die Antworten dann richtig indiziert sind, können diese Fragen wiedergegeben werden.

Sobald jedoch das Knowledge Engineering abgeschlossen ist, müssen Sie die Konversation führen. Sie müssen den Fluss erkennen, in dem Sie die richtigen Fragen stellen, um schließlich zum Inhalt zu gelangen.

Dann natürlich die Empfehlung. Hier findet normalerweise die Interaktion mit dem eigentlichen Benutzer statt.

Wenn das erledigt ist, iterieren Sie, die Maschine lernt, Sie verfeinern Ihre Taxonomie, Sie verfeinern Ihre Annotationstechniken, Sie verfeinern Ihre Knowledge-Engineering-Techniken und die Algorithmen, die Sie dabei verwenden, um immer besser zu werden.

Nehmen wir ein Beispiel dafür, wie dies durchdacht werden kann. Nehmen wir ein Beispiel für die Eröffnung eines Kontos. Der Benutzer könnte einfach schreiben, eine Frage stellen oder suchen, indem er sagt: „Ich möchte ein Konto eröffnen“. In den FAQs müssen Sie den Link von der Benutzerin oder dem Benutzer erweitern, um zu einem Konto zu gelangen, und dann in den Text gehen, der dann erklärt, wie man ein Konto eröffnet oder als Link zu dem Dokument.

Ähnlich verhält es sich bei einer Suche: Der Benutzer kann sagen: „Ich möchte ein Konto eröffnen.“ Er kann sagen: „Ich möchte ein Konto erstellen“ oder „Wie komme ich zu einem Konto“. Diese Dinge müssen dann in einer Suche enthalten sein. Der Benutzer erhält alle Dinge, die mit dem Konto verknüpft sind, die mit der Absicht der Eröffnung verknüpft sind.

Öffnen Sie als Absicht und Konto als Entität, und stellen Sie dem Benutzer eine Liste verschiedener Ergebnismengen zur Verfügung, und dann nutzt der Benutzer sein Wissen. Der Benutzer wählt dann die Ergebnisliste aus, die für ihn am relevantesten ist. Dann kann der Benutzer das Dokument lesen und selbst ein Konto erstellen.

Wenn es sich dann um einen Chatbot handelt, ist es eher eine Unterhaltung. Wenn der Benutzer sagt: „Ich möchte ein Konto eröffnen“, dann müssen Sie fragen, um welche Art von Konto es sich handelt. Dann würde der Benutzer die Art des Kontos angeben. Und von da an könnte der Dialog weitergehen.

Sie können sehen, dass die Informationen zur Erstellung eines Kontos einmal erstellt werden können. Aber die Konversationalisierung dieser Informationen, die Darstellung dieser Informationen, die verschiedenen Markierungen für die Darstellung dieser Informationen bei der Suche oder in einer Hierarchie könnten unterschiedlich sein.

Hier könnten Sie die Indizierung, das maschinelle Lernen und die NLP-Fähigkeiten nutzen, die heutzutage mit Fusion zur Verfügung stehen, um diese Dinge auf ein überschaubares Maß zu bringen.

Lassen Sie uns versuchen, diese Frage in verschiedenen Schritten zu beantworten, damit wir verstehen, wie das Ganze abläuft.
Als Erstes müssen Sie verstehen, wie die Frage lautet. In diesem Fall hat der Benutzer „Ich“ gesagt. Sie müssen wissen, wer der Benutzer ist, ob er authentifiziert ist oder ob er eine Authentifizierung benötigt. Wenn er authentifiziert ist, wissen Sie vielleicht, ob es sich um ein F handelt und die Konversation könnte anders verlaufen.

Handelt es sich um einen Markenbetreuer, könnte das ein anderes Gespräch sein. Wenn es sich um einen Kunden handelt, ist es wiederum ein anderes Gespräch. Wenn es sich dann um einen Service-Mitarbeiter handelt, sucht er vielleicht nach anderen Informationen, weil er vielleicht einen der anderen Mitarbeiter unterstützt, z.B. einen FA, CSA oder Kunden, der in ein Problem geraten ist und versucht, dieses Problem zu lösen.

All diese Dinge werden relevant, wenn Sie versuchen, die Ergebnismengen für die Suche bereitzustellen, und Ihr Ranking der Ergebnismengen kann je nach Benutzer unterschiedlich sein.

Welcher Kanal wird ebenfalls verwendet?
Das wird Ihnen helfen, die Frage zu beantworten: Müssen Sie eine Suche durchführen?
Müssen Sie ein Gespräch wiedergeben?
Ist es mit Voice, und ist es immer noch ein Gespräch?
Handelt es sich um eine vorrangige Suche in der Voice und dann um eine FAQ?

Dann müssen Sie all die richtigen Wörter verstehen. Der Benutzer möchte öffnen und öffnen, und zweitens ist das die Absicht, zu öffnen oder zu erstellen, und dann das Konto, das die Entität ist, die er erstellen möchte.

Als nächstes müssen Sie bestimmen, wie die Absicht und die Entität dabei eine Rolle spielen. In diesem Fall wissen wir, dass der Benutzer, der jetzt authentifiziert ist und ein Konto eröffnen darf, ein Konto eröffnen möchte. Das haben wir herausgefunden. Wir wissen, dass die Absicht gültig ist, da es sich um ein offenes Konto handelt, und wir wissen, dass es sich bei der Aufforderung um ein Konto handelt, aber es gibt mehrere verschiedene Arten von Konten.

Wir müssen ein wenig tiefer in die Materie eindringen und wahrscheinlich eine weitere Frage stellen: Welche Art von Konto? Dann müssen wir herausfinden, ob es für diese Frage eine Antwort in dem betreffenden Kanal gibt. Sobald wir das wissen, suchen wir nach den relevanten Inhalten, die alle an einem Ort indiziert sind und fusionieren.

Nach diesem Punkt beginnen wir, den Inhalt zu rendern. Wenn die Frage nach der Art des Kontos lautete, können wir zurückgehen und sagen: Welche Art von Konto möchten Sie eröffnen? Wenn Sie IRA sagen, durchlaufen wir den gleichen Zyklus und liefern dann die Ergebnisse, wie man ein IRA-Konto eröffnet. Danach geht es nur noch um die Suche und die Suche nach diesem Inhalt in Fusion, wo wir alle Antworten speichern und den Inhalt im Grunde auf dem Kanal bereitstellen, auf dem die Frage gestellt wurde.

Wir können dies auf einer hohen Ebene erreichen, oder wir können mehrere verschiedene Benutzer haben. Benutzer könnten eine Suche wählen, Benutzer könnten einen Chatbot oder einen Sprachagenten haben.

Aber was wir haben, ist der Inhalt am unteren Ende. Mithilfe verschiedener Techniken erstellen wir die Ontologie, die Dokumente, die Tags, die Absicht, alle Links zu verschiedenen Anleitungsvideos, Bilder, alle Fragen, die erstellt werden können, und dann alle Antworten. Dann laden wir all dies in Lucidworks Fusion, wo all dies indiziert wird und mehr und mehr Lernen innerhalb dieser Plattform möglich ist.

Wir haben eine Chatbot-Plattform, mit der wir sehr schnell testen können, was die Ergebnisse senden und die Konversation ist. Das Ergebnis ist, dass wir die gesamte Konversation dort wiedergeben.

Damit ist meine Präsentation so gut wie abgeschlossen