Lucidworks Smart Answers und Google DialogFlow für Chatbots

Konversationelle Benutzeroberflächen werden immer beliebter, aber die Einschränkungen von Chatbots können die Benutzer frustrieren. Auf der diesjährigen Activate demonstrierten Teammitglieder von Google und Lucidworks die Möglichkeiten, DialogFlow und Smart Answers zu kombinieren, um einen intelligenteren virtuellen Assistenten zu entwickeln.

Sie erläuterten, wie Konversationslösungen wie die KI-gestützte Sprache-zu-Text-Funktion, das leistungsstarke Design des Dialogablaufs und die KI-gestützte semantische Suche in DialogFlow und Smart Answers integriert werden können, um ein wirkungsvolles Self-Service-Erlebnis zu schaffen.

Sehen Sie sich das vollständige Video hier an .

Konversationelle KI-Trends

Einem aktuellen Bericht von Gartner zufolge hat sich die Zahl der neuen Chat-Konversationen im letzten Jahr verzehnfacht, ein Anstieg, der teilweise auf die Schließung von COVID-19-Geschäften zurückzuführen ist. Derselbe Bericht spiegelt auch wider, was wir von unseren eigenen Kunden bei Lucidworks gehört haben: Ein Großteil des Engagements mit Conversational UI im letzten Jahr konzentrierte sich auf Supportfragen. Steven Mierop, Sales Engineer bei Lucidworks, stellt außerdem fest, dass viele potenzielle Kunden Conversational UI und Chatbots als Umsatztreiber in Betracht ziehen.

Die Messlatte für konversationelle Anwendungen ist hoch, aber die Herausforderungen sind für viele Marken immer noch groß. Einige häufige Einschränkungen bei herkömmlichen Chatbots sind:

• Statische, regelbasierte Arbeitsabläufe, deren Pflege zeitaufwändig ist und die nicht in der Lage sind, sich in Echtzeit an die sich ändernden Bedürfnisse der Kunden anzupassen
• Begrenztes Fachwissen, das weit davon entfernt ist, mit einem echten Menschen im Geschäft oder am Telefon in Kontakt zu treten
• Kontextlose Antworten, die die Geschichte und die Absicht des Benutzers nicht erkennen und verstehen
• Schwierige Integration und Skalierung mit Backend-Systemen
• Die Unfähigkeit, die richtigen Antworten zurückzugeben, frustriert die Benutzer und gefährdet die Kundenbindung und die Produktivität der Mitarbeiter

Lucidworks Smart Answers Framework

Einen Monat nach Beginn der Pandemie hat Lucidworks Smart Answers veröffentlicht, um Kunden bei der Bewältigung der wachsenden Zahl von Online-Anfragen zu helfen. Und während die Funktionalität der Schnittstelle selbst entscheidend ist, ist der Ort (und die Art und Weise), an dem das System Informationen und Antworten sammelt, ein wichtiger Teil einer effektiven dialogorientierten Benutzeroberfläche. Antworten können zum Beispiel in Community-Foren, PDFs, FAQs oder Blogbeiträgen zu finden sein. Smart Answers ist in der Lage, sich mit all diesen verschiedenen Datenquellen zu verbinden und sie in einen Suchindex aufzunehmen.

Nachdem die Datenquellen miteinander verbunden sind, müssen NLP-Funktionen und andere Deep-Learning-Modelle angewendet werden, um die richtige Antwort für den Benutzer zur richtigen Zeit zu extrahieren. Mit den fortschrittlichen Funktionen von Smart Answers zur Extraktion von Entitäten kann der Chatbot die Schlüsselkonzepte verstehen, nach denen der Kunde sucht, um die relevanteste Antwort zu liefern, egal ob es sich um ein Formular, eine Tracking-Nummer oder eine Produktbeschreibung handelt. Im Laufe der Zeit lernt das System weiter von den Kunden, indem es Signale nutzt und diese Erkenntnisse in Echtzeit anwendet, um die Relevanz der Antworten zu erhöhen.

Wie man Lucidworks Smart Answers einsetzt

Mierop erklärt, dass Smart Answers eine konversationelle Middleware ist, für die Sie kein Datenwissenschaftler sein müssen. Lucidworks kann Smart Answers mit einem überwachten, einem unüberwachten oder einem vortrainierten Modell ausliefern, das Sie verwenden können, sobald Sie Daten einlesen. Sobald das Modell erstellt ist, wird es automatisch in den Lucidworks-Service für maschinelles Lernen hochgeladen und steht damit sofort in den Index- und Abfrage-Pipelines zur Verfügung. Danach werden Dokumente und Frage-Antwort-Paare in tiefe Vektordarstellungen kodiert. Alles, was die Pipelines durchläuft, wird also indiziert und dazu verwendet, das Modell weiter zu trainieren und abzustimmen.

Eine Sache, die Smart Answers nicht mitliefert, ist ein Framework. Hier kommt Google DialogFlow ins Spiel, ein Framework mit einer Reihe von freundlichen APIs, mit denen Sie sich verbinden können.

So funktioniert DialogFlow

DialogFlow ist eine integrierte Konversationsplattform von Google. Laut Amit Kumar, Google DialogFlow Solution Consultant, stützt sich Cloud AI auf einige der gleichen Dienste, die auch von anderen Google-Produkten verwendet werden, einschließlich Sprache-zu-Text, Text-zu-Sprache, Wissensdienst zur Unterstützung von Wissensdatenbanken wie FAQs sowie NLP-Funktionen und Sentiment.

Kumar erklärt, dass DialogFlow es Unternehmen ermöglicht, Chatbots mit vorgefertigten Vorlagen, die einfach konfiguriert und angepasst werden können, schneller zu erstellen, effizienter mit Benutzern über alle Kanäle, einschließlich Chat und Sprache, zu interagieren und die Reichweite zu maximieren, indem sie einmal erstellt und überall mit Ein-Klick-Integrationen über mehrere Kanäle eingesetzt werden können.

Sehen Sie hier weitere wichtige Highlights:

Sehen Sie sich hier das vollständige Video an, um Kumars Demo von DialogFlow zu sehen. Sie erfahren, wie Sie die Erkennung von Absichten und Entitäten einstellen und wie Benutzer mit Ihrem virtuellen Agenten oder Chatbot interagieren.

DialogFlow bietet ein Framework, intelligente Antworten bringen semantisches Verständnis

DialogFlow verfügt über eine Text-zu-Sprache- und eine Sprache-zu-Text-Übersetzung, die auf einer Vielzahl von Schnittstellen, einschließlich Ihres Mobiltelefons, verwendet werden kann. Mierop führte die Zuhörer durch eine Demo von DialogFlow und Smart Answers in Aktion mit seiner eigenen Stimme. Er gibt ein paar Beispiele, in denen er semantisch die gleiche Frage stellt, aber andere Wörter verwendet. Die Schnittstelle leitet die Frage durch Fusion im Backend und kann in beiden Fällen die gleiche, korrekte Antwort liefern, obwohl er Wörter verwendet hat, die nicht unbedingt im Suchindex enthalten sind. Außerdem demonstriert Mierop, wie man positives Feedback an Fusion senden kann, damit das Modell lernt, welche Antworten für eine bestimmte Anfrage am relevantesten sind.

Die Kombination aus einem leistungsstarken Dialog-Frontend und einem skalierbaren, KI-basierten Backend für die Informationsbeschaffung führt zu einem effizienteren Chatbot, der die Benutzer besser bedient. Möchten Sie mehr über die Integration erfahren? Kontaktieren Sie uns noch heute, indem Sie das untenstehende Formular ausfüllen.