Webinar-Zusammenfassung: Kluge Antworten für Mitarbeiter- und Kundensupport nach COVID-19

Ihre Fragen werden auf Smart Answers beantwortet, einschließlich Anwendungsfälle und häufig gestellte Fragen.

Die jüngste Verlagerung hin zur Telearbeit und zu Online-Einkäufen und Kundendiensteinsätzen zwingt Unternehmen dazu, die steigenden Anforderungen von Kunden und Mitarbeitern ohne mehr Ressourcen zu erfüllen. Chatbots und virtuelle Assistenten sind zu beliebten Lösungen geworden, um Benutzern bei der Selbsthilfe zu helfen, aber die workflowbasierte Funktionalität der meisten Tools ist einschränkend und frustrierend für die Benutzer.

Vor kurzem haben wir Smart Answers auf den Markt gebracht, ein Add-on zu Lucidworks Fusion, das die Leistungsfähigkeit der KI-gestützten Suche in Konversations-Frameworks einbringt. Unten können Sie sich die Aufzeichnung unseres jüngsten Webinars zu diesem Thema ansehen, in dem mein Kollege Steven Mierop eine ausführliche Demo von Smart Answers in Verbindung mit Dialogflow von Google vorstellte. In der Demo wird die Erfahrung eines Nutzers über ein ganzes Spektrum von Self-Service-Interaktionen hinweg untersucht, von der Spracheingabe über eine mobile App bis hin zu einem Website-Chatbot, um kontextbezogene Informationen und Antworten zu erhalten.

Sehen Sie sich das Webinar unten an, und lesen Sie weiter, um Antworten auf Fragen zu erhalten, die wir während der Sitzung nicht beantworten konnten.

CIOs und IT-Abteilungen rüsten sich für den Einsatz von KI-gestützten Konversations-Frameworks

Der Einsatz von Konversations-Frameworks, die Chatbot- oder virtuelle Assistenten-Frontends mit robusten KI-gestützten kontextbezogenen Such-Backends kombinieren, nimmt zu. Hier kommt der Wert von Smart Answers ins Spiel. Laut einer Studie von Gartner:

• „31% der CIOs haben bereits Konversationsplattformen eingesetzt oder planen kurzfristig deren Einsatz, gegenüber 21% im Jahr 2018. Das ist ein Anstieg von 50% im Vergleich zum Vorjahr.
• „Bis 2025 werden Kundendienstorganisationen, die KI in ihre Multikanal-Kundeninteraktionsplattform integrieren, ihre betriebliche Effizienz um 25% steigern. KI hilft dabei, ein kosteneffizientes, automatisiertes und dennoch menschliches Gesprächserlebnis zu bieten.

Übersicht der Smart Answers

Smart Answers auf Lucidworks Fusion bringt die Vorteile einer skalierbaren, KI-gesteuerten Suchplattform für Unternehmen zu virtuellen Assistenten und Chatbots. Die robusten Frage-Antwort-Funktionen nutzen fortschrittliches Deep Learning, um Frage-Antwort-Paare abzugleichen und Self-Service für Mitarbeiter und Kunden zu ermöglichen. Durch die Steigerung der Such- und Antwortrelevanz sparen Unternehmen die Kosten für die Beantwortung eingehender Anfragen. Diese Funktionen vereinen die traditionelle Entwicklung von Suchrelevanz und Deep Learning in einem benutzerfreundlichen Konfigurationsrahmen, der die Indizierungs- und Abfrage-Pipelines von Fusion nutzt.

Auch wenn Sie nicht über einen bestehenden Satz aufgezeichneter Interaktionen für Frage/Antwort-Paare verfügen, können Sie mit unserer Kaltstartlösung ein robustes Frage-Antwort-System aufbauen. Smart Answers verbessert die Relevanz durch den Einsatz von Deep Learning ( semantische Suche mit dichtem Vektor ) auf der Grundlage vorhandener FAQs oder Dokumente.

Anwendungsfälle

Die Notwendigkeit, sich als Verbraucher, Mitarbeiter oder Supportmitarbeiter selbst zu lösen, wird in der heutigen Zeit immer wichtiger. Die durch Covid19 hervorgerufenen Zwänge zur sozialen Distanzierung beschleunigen die Bemühungen um die digitale Transformation in allen Bereichen. Smart Answers ermöglicht es Nutzern, Wissen abzurufen, indem sie auf natürliche Weise Fragen stellen (was viele verschiedene Möglichkeiten voraussetzt) und dieselben zuverlässigen Antworten erhalten, und das ist der Punkt, an dem Smart Answers glänzt. Im Folgenden finden Sie einige der Geschäftsanwendungen, die unsere Kunden mit Smart Answers implementieren.

KUNDENBETREUUNG

• Call Centers: Verbessert die Effektivität der Agenten durch schnelle Antworten und Empfehlungen
• Selbstbedienungsportale: Machen Sie Chatbot-Support-Sitzungen interaktiver für höhere Lösungsraten
• Rufen Sie das Deflection Free Support Team an, um sich auf das schwierigere Problem zu konzentrieren

E-COMMERCE-PRODUKTENTDECKUNG

• Self-Service-Antworten am Point of Sale verbessern die Klickraten
• Einfachere Produktentdeckung steigert die Add-To-Cart-Rate
• Kundenzufriedenheit erhöht den durchschnittlichen Bestellwert und die Zahl der Wiederbesuche

MITARBEITER-HELPDESK-SELBSTBEDIENUNG

• 1st Time Remote Workers: Helfen Sie ihnen, aus der Ferne zu finden, was sie brauchen
• Digitale Assistenten und Chatbots: Helpdesk-Tickets abwehren
• Persönliche Antworten: Entlasten Sie Übergangsfragen zu Personal-, Reise- und Spesenabrechnungsrichtlinien

Webinar Fragen

Steven und mir ist gegen Ende des Webinars die Zeit ausgegangen, so dass wir auf alle Fragen eingehen wollten, die während der Präsentation gestellt wurden. Die Antworten auf diese Fragen finden Sie unten.

Welche Qualitätskriterien verwenden Sie zur Bewertung der Antworten?

Geschäftsanwender können über detaillierte Trainingsprotokolle auf die Metriken der Modellschulung zugreifen (z. B. MAP, MRR, Precision, Recall). Smart Answers bietet auch einen Bewertungsauftrag für die Abfrage-Pipelines, der die Metriken für die gewählte endgültige Rangfolge ausgibt.

Gibt es einen „Vertrauenswert“, um festzustellen, ob die Antwort „gut“ ist?

Die Ausgabe der Auswertung des Abfrage-Pipeline-Jobs zeigt dem Benutzer die 5 besten Antworten pro Frage und ihre Punktzahlen (die als Ensemble aus SOLR-Score und Vector Similarity-Scores zwischen Abfragen und Antworten konfiguriert werden können).

Haben Sie Erfahrung mit der Verwendung von Interaktionsanalysetools als Datensatz zum Trainieren des Modells?

Fusion bietet eine Funktion namens Data Science Toolkit Integration, die es Datenwissenschaftlern ermöglicht, ihre eigenen Modelle in Fusion einzubringen. Dies ermöglicht volle Flexibilität bei der Erstellung Ihrer Modelle in der IDE Ihrer Wahl (z.B. einem Jupyter Notebook) und verwendet APIs, um die Modelle in Fusion zu veröffentlichen. Wir verwenden dieselbe Infrastruktur, um Smart Answers zu unterstützen. Die Trainingserfahrung für das Smart Answers-Modell ist jedoch nur im Low-Code Job Framework in der Fusion Admin UI verfügbar. Beispiele finden Sie im Screenshot unten.

Gibt es eine Wiederholungserkennung in dem Dialog? Das heißt, wenn der Benutzer immer wieder dieselbe Frage stellt, wird er dann irgendwann aufgeben und ein anderes Ergebnis liefern?

Das Verhalten des Dialogablaufs kann mit einfachen Workflows konfiguriert werden, die Folgefragen enthalten können, wenn eine Frage wiederholt wird. Dies ist über das herkömmliche Dialogmanagement in Chatbots-Frameworks möglich, in die Fusion integriert ist. Gemäß der Aufzeichnung im Webinar konnten wir Schlüsselwörter wie „Versuchen Sie es noch einmal“ und „Ist dies eine bessere Antwort?“ direkt im Dialogmanager konfigurieren, um dem Fusion-Backend zu signalisieren, dass eine weitere Antwort erforderlich ist und ob die neue Antwort den Erwartungen entspricht.

Wie viele Daten werden zum Trainieren eines Modells benötigt?

Im Allgemeinen wird die Qualität des Modells von Fall zu Fall beurteilt, wenn die Trainingsergebnisse nach jedem Auftrag überprüft werden. Unsere Erfahrung zeigt, dass ein Trainingsdatensatz von 2.000 Frage/Antwort-Paaren eine robuste Verallgemeinerung liefern kann.

Welche Art von Modell wird verwendet?

Wir haben zwei Arten von Ausbildungsplätzen:

• Der Kaltstart-Trainingsauftrag: wird verwendet, wenn wir nur Dokumente zur Beantwortung von Fragen zur Verfügung haben (keine kuratierten Frage/Antwort-Paare in FAQs). Dieser Trainingsauftrag verwendet ein Word2vec-Modell.
• Der FAQ-Trainingsauftrag: wird verwendet, wenn wir einen Datensatz mit kuratierten Frage/Antwort-Paaren haben. Der Trainingsauftrag verwendet ein neuronales Netzwerkmodell.

Für welche Version von Fusion ist dies verfügbar?

Smart Answers ist auf Fusion 5.1 oder höher verfügbar.

Welche NLP-Software verwenden Sie?

Wir verwenden Python für die Modellierungsphasen und die Data Science Toolkit-Integrationsfunktion in Fusion, um die Modelle in die Index- und Abfrage-Pipelines zu übertragen. Einer der Bereiche, in denen wir unsere IP eingebracht haben, sind die Optimierungen rund um die Modellbereitstellung in Millisekunden-Geschwindigkeit in einer Abfrage-Pipeline. Es gibt zwar mehrere Modell-Frameworks, die Einbettungen modellieren können, aber der Fokus auf die Geschwindigkeit der Modellbereitstellung ist ein Unterscheidungsmerkmal für Smart Answers.

Können wir die Ausgabe so steuern, dass Sie nur eine Glossardefinition oder eine FAQ-Antwort oder eine Kombination aus Glossar und FAQ-Antwort zusammen mit den herkömmlichen Suchergebnissen als Ersatz erhalten?

Die Stärke von Smart Answers ist, dass es auf einer bereits robusten Suchmaschine aufbaut. So können wir die Suche nach Schlüsselwörtern, Glossardefinitionen und FAQ auf den Inhalt der eingehenden Anfrage abstimmen. Ein Beispiel dafür finden Sie gegen Ende der Demonstration im Webinar.

Können wir bei der Abstimmung benutzerdefinierte Parameter verwenden?

Es gibt eine lange Liste von Parametern, die zum Zeitpunkt des Trainings im Low-Code Job Framework angepasst werden können. Bitte sehen Sie sich die Dokumentation für die erweiterte Konfiguration der Modellschulung an .

Können Sie uns eine Abfrage-Pipeline zeigen, die Smart Answers verwendet?

Bitte schauen Sie sich die Details zur Konfiguration der Abfrage-Pipeline in unserer Dokumentation an.

Können Sie mit einer Reihe von bekannten FAQs beginnen und trotzdem die Kaltstart-Methode anwenden, um weitere Frage-Antwort-Paare in anderen Dokumenten zu finden?

Im FAQ-Trainingsauftrag gibt es die Option, das Vokabellernen durch Hinzufügen von Dokumenten zu erweitern, um benutzerdefinierte Einbettungen auf der Grundlage der spezifischen Domäne abzuleiten.

Die Cold-Start-Methode ist als erster Schritt gedacht. Die Benutzer verwenden Dokumente, um ein Word2Vec-Modell zu trainieren, das dann auf die eingehenden Suchanfragen angewendet wird, die Vektorähnlichkeit zu einem Dokument berechnet und das Dokument auf der Grundlage der Ähnlichkeit als rangierte Antwort wiedergibt. Wenn Benutzer Suchanfragen eingeben und auf Ergebnisse klicken, werden diese „Signale“ aufgezeichnet und können als Frage-Antwort-Paare für das FAQ-Training dienen. Auf diese Weise bieten wir eine sich ständig verbessernde Schleife für die Smart Answers-Modelle.

Wie wird das Modell zur Indexzeit verwendet? Besondere Phase?

Antwort: Ja! Das Modell wird für die Kodierung in eine bestimmte Indexstufe serviert. Smart Answers wird mit einer Standard-Index-Pipeline geliefert. In der Phase des maschinellen Lernens (die aus Gründen der Benutzerfreundlichkeit in QnA Encoder umbenannt werden kann) können Benutzer auf das Modell verweisen, das sie verwenden möchten, und den Namen des Feldes eingeben, das verarbeitet werden muss.

Möchten Sie mehr über die Technologie lesen, die die Selbstbedienung ermöglicht? Lesen Sie diesen Blog.

Möchten Sie sich mit Lucidworks in Verbindung setzen, um mehr darüber zu erfahren, wie Smart Answers eine bessere digitale Erfahrung für Ihre Mitarbeiter und Kunden ermöglichen kann? Kontaktieren Sie uns noch heute!