Intentions dans CXone Bot Builder

Les intentions sont le sens profond des mots du contact. Il s’agit du besoin ou de l’objectif que le contact veut communiquer ou atteindre. Votre robot analyse chaque énoncé Ce qu’un contact dit ou tape. et détermine la correspondance la plus proche à partir des intentions configurées. Le robot peut alors répondre au contact en utilisant la réponse configurée dans une histoire Utilisé pour former le robot logiciel au traitement des interactions en fonction de l’intention et du contexte ou une règle Utilisé pour définir la réponse du robot logiciel aux messages qui ne changent pas avec le contexte. pour l’intention correspondante.

Chaque énoncé envoyé par un contact a une intention. De nombreux messages sont liés à la raison pour laquelle le contact s’adresse à votre organisation. Les intentions de ces messages sont liées à des tâches que votre robot gère, telles que la réinitialisation de mots de passe ou l’indication d’itinéraires et d’heures d’ouverture. D’autres messages suivent des scripts sociaux dont les intentions sont les suivantes : salutations, au revoir, remerciements, causette, etc.

Les intentions sont le point de départ de la configuration d’un nouveau robot. Vous créez une intention et fournissez des exemples de messages que les contacts utilisent pour transmettre cette intention. Ensuite, vous configurez la façon dont vous voulez que le robot réponde à l’intention. Par exemple, vous pouvez demander au robot de poser des questions de suivi, de répondre, de proposer des choix au contact ou de le transférer à un agent humain.

Travailler avec les intentions constitue une partie importante de la configuration de votre robot pendant le processus d’implémentation. Après le déploiement, il est essentiel de continuer à travailler avec vos intentions dans le cadre de la gestion continue de votre robot.

Exemples d’entraînement aux intentions

Les exemples d’intentions La signification ou le but derrière ce qu’un contact dit/tape ; ce que le contact veut communiquer ou accomplir forment votre robot aux différentes façons dont un contact peut exprimer une intention. Plus vous avez d’exemples d’une intention, plus votre robot sera en mesure d’en identifier les différentes variantes. Utilisez des données de conversation réelles pour tester et entraîner votre robot. Pour obtenir de meilleurs résultats, privilégiez toujours la qualité des données plutôt que la quantité. Cela permet de s’assurer que le robot est bien préparé à gérer des conversations avec des contacts réels.

Au cours de la phase de planification du processus d’implémentation, vous recueillez des enregistrements de conversations réelles que vos agents ont eues avec des contacts. Utilisez ces conversations comme source d’exemples d’entraînement aux intentions à ajouter à votre robot.

Prédiction de l’intention et confiance

Votre robot analyse chaque message envoyé par le contact. Il détermine dans quelle mesure le message correspond à chacune des intentions configurées et calcule le degré de confiance qu’il accorde à chaque correspondance. Plus le pourcentage de confiance est élevé, meilleure est la correspondance. Le robot utilise l’intention dont le pourcentage de confiance est le plus élevé et qui dépasse le seuil configuré.

Si le niveau de confiance du robot est inférieur au seuil de toutes les intentions configurées, l’option de repli NLU Ce processus étend le traitement du langage naturel (TAL) pour prendre des décisions ou agir en fonction de ce qu’il comprend. est déclenchée. Vous pouvez configurer le seuil qui déclenche le repli sous l’onglet NLU > Repli dans Bot Builder.

Intentions hors du champ d’application

Il peut y avoir des tâches pour lesquelles vous n’avez pas encore configuré votre robot, mais pour lesquelles vous savez que vos contacts vous poseront des questions. Les intentions hors du champ d’application aident votre robot à reconnaître les questions relatives aux tâches qu’il ne peut pas accomplir et lui fournissent les coordonnées de la personne à contacter pour accomplir la tâche en question. Ils peuvent également fournir une liste des choses avec lesquelles ils sont en mesure d’aider.

Par exemple, si des contacts demandent régulièrement à votre robot de vérifier leur solde, mais que vous n’avez pas encore configuré cette tâche, vous pouvez créer une intention balance_check. Ajoutez-y des exemples de données d’entraînement provenant des demandes formulées par les contacts. Ensuite, créez une règle pour l’intention avec des réponses du robot telles que :

• « Je suis désolé, je ne peux pas encore vérifier les soldes. Voulez-vous que je vous transfère à quelqu’un qui peut vous aider? »
• « Je suis désolé, mais je ne suis pas encore en mesure de vérifier les soldes. Je peux vous aider à mettre à jour votre adresse, à réinitialiser votre mot de passe et à trouver une agence. Que voulez-vous faire? »
  

En plus d’une intention hors du champ d’application, vous devez également créer une histoire pour former le robot à emprunter un chemin hors du champ d’application. Le robot apprend ainsi à gérer diverses situations qui ne sont pas couvertes par d’autres intentions.

Les intentions hors du champ d’application sont similaires à la solution de repli, mais elles peuvent offrir une expérience supérieure au client. Disposer d’intentions pour les questions courantes que les gens posent à votre robot et qui sont hors du champ d’application vous permet de fournir des réponses personnalisées pour chaque question. Cela permet à votre robot d’avoir l’air plus humain et plus conversationnel.

Confusion d’intention

Un robot peut parfois choisir la mauvaise intention La signification ou le but derrière ce qu’un contact dit/tape ; ce que le contact veut communiquer ou accomplir pour le message du contact. Cela peut se produire lorsque deux intentions sont suffisamment similaires pour que le robot ait du mal à les distinguer. Il s’agit d’une confusion d’intention, qui peut se produire si vous utilisez les mêmes données d’entraînement pour plus d’une intention. Deux objectifs d'utilisateur peuvent sembler différents, mais commencent à rassembler des exemples similaires au fil du temps.

Distinguez vos intentions et les données d’entraînement correspondantes. Si vous souhaitez réutiliser des exemples d’entraînement pour plus d’une intention, c’est un signe que vous pourriez fusionner les intentions en une seule intention plus générale.

Il existe deux cas de figure fréquents où la confusion d’intention se produit :

• Partage d’informations : Votre robot peut demander au contact de fournir des informations à différents moments de la conversation, de sorte que vous pouvez vous retrouver avec des intentions telles que provide_email et provide_name. Cependant, les exemples de données d’entraînement pour ces variations sont trop similaires :
  • « Je m’appelle Sherry Khan. »
  • « Mon adresse courriel est sherry.khan@email.com. »
  • « C’est Nathoo Mannkind. »
  • « C’est nathoo@otheremail.com. »
• Demande d’informations : Un contact peut demander des informations au robot, par exemple le solde d’un compte. S’il existe plusieurs types d’informations qu’un contact peut demander, vous pouvez avoir une intention pour chaque type. Par exemple, pour une demande de solde de compte, vous pourriez avoir des intentions pour balance_checking et balance_savings. Cependant, les exemples de données d’entraînement pour ces variations sont trop similaires :
  • « Pourrais-je avoir le solde de mon compte de chèques? »
  • « Quel est le solde de mon compte d’épargne? »
  • « Pouvez-vous me dire le solde de mon compte de chèques? »

La seule différence réelle dans les exemples de données d’entraînement pour chacun des scénarios précédents est l’entité Mot-clé ou expression défini(e) dans votre profil d’entreprise dans Interaction Analytics. Lié à un type d’entité. Peut inclure des variantes. qui est fournie.

Éviter la confusion d’intention

La règle générale à suivre pour remédier à la confusion d’intention (ou pour l’éviter) est de fusionner les intentions et de former le robot aux entités. Il est préférable d’avoir une seule intention générale à laquelle vous appliquez tous vos exemples d’entraînement, puis d’utiliser les histoires pour former le robot à reconnaître les entités. Lorsque le robot peut reconnaître les entités dans les énoncés d’un contact, il peut emprunter le chemin approprié.

Le tableau suivant présente les scénarios courants de la section précédente. Il présente les intentions initiales, la nouvelle intention générale et des exemples d’histoires d’entraînement à utiliser.

Scénario	Intentions initiales	Nouvelle intention générale	Entraîner avec des histoires
Fournir des informations	provide_address provide_email provide_name	provide_info	Créez plusieurs histoires qui commencent par des exemples de messages de contact contenant les différents types d’informations que le robot peut recueillir : « Je m’appelle Sherry Khan. » « Mon adresse courriel est nathoo@email.com. » « La nouvelle adresse est 123 Oat Street, Sometown, Ohio 43210. » Toutes les histoires déclenchent la même intention, provide_info. Chaque histoire utilise une entité différente, telle que accountAddress, accountEmail et accountName. Le dernier exemple, « J’ai dois mettre à jour mes informations », n’indique pas un type d’information spécifique, de sorte que le robot devra peut-être poser une question complémentaire.
Demande d’informations	balance_checking balance_savings balance_giftcard	balance_checks	Créez plusieurs histoires qui commencent par des exemples de messages de contact tels que : « Quel est le solde de mon compte de chèques? » « Comment puis-je consulter le solde de mon compte d’épargne? » « Je veux consulter le solde de ma carte-cadeau. » « Quel est le solde de mon compte? » Toutes les histoires déclenchent la même intention, balance_checks. Chaque histoire utilise une entité différente, telle que balanceChecking, balanceSavings, balanceGiftCard. Le dernier exemple, « Quel est le solde de mon compte? », ne précise pas le type de compte, de sorte que le robot devra peut-être poser une question complémentaire.

Multi-intentions

Les robots Une application logicielle qui traite les interactions avec les clients à la place d’un agent en chair et en os. construits avec CXone Bot Builder peuvent identifier une ou plusieurs intentions La signification ou le but derrière ce qu’un contact dit/tape ; ce que le contact veut communiquer ou accomplir dans le message Tout ce qu’un contact dit dans une interaction avec un robot logiciel, qu’il s’agisse d’une question ou d’une déclaration, écrite ou orale. d’un contact. L’identification de plusieurs intentions dans un message permet à votre robot de traiter correctement des demandes telles que « Veuillez me montrer mon solde et virer 200 $ sur mon compte d’épargne ».

Si vous créez une multi-intention à partir de deux intentions uniques existantes, vous n’avez pas besoin de fournir de nombreux exemples. Votre robot logiciel peut reconnaître les intentions uniques du message et les traiter comme une multi-intention.

N’utilisez les multi-intentions que lorsqu’elles sont vraiment nécessaires au déroulement naturel de la conversation. Trop de multi-intention peuvent rendre votre robot logiciel trop compliqué à gérer facilement.

Examen et gestion des intentions

Chaque intention de l’onglet Intentions de la section NLU  est accompagnée d’un numéro. Le nombre indique le nombre d’exemples d’entraînement que l’intention contient. Les numéros sont codés par couleur pour indiquer si les exemples d’entraînement sont suffisants :

• Rouge : L’intention est utilisée jusqu’à sept fois. Ajoutez d’autres exemples d’entraînement.

• Orange : L’intention est utilisée entre huit et quatorze fois. Ajoutez si possible d’autres exemples d’entraînement.

• Vert : L’intention est utilisée plus de quinze fois. Aucun autre exemple d’entraînement n’est nécessaire.

Certaines intentions peuvent être accompagnées d’un triangle jaune à côté du nombre d’exemples d’entraînement. Cela indique qu’il n’y a pas de dialogues Histoires et règles de robots logiciels dans CXone Bot Builder. qui incluent cette intention. Si vous avez des intentions avec ce symbole, ajoutez-les aux histoires ou aux règles, selon le cas.

Dans l’onglet Intentions, vous pouvez également effectuer les tâches de gestion des intentions suivantes :

• Afficher les dialogues (histoires et règles) dans lesquels une intention apparaît.
• Afficher les messages de contact récents et l’intention prédite pour chacun d’entre eux.
• Masquer une intention de l’entraînement.

Meilleures pratiques en matière d’intentions

Suivez ces bonnes pratiques lors de la création d’intentions :

• Les intentions ne sont pas toujours claires. Deux objectifs d'utilisateur peuvent sembler différents, mais commencent à rassembler des exemples similaires au fil du temps. Distinguez vos intentions et les données d’entraînement correspondantes. Si vous souhaitez réutiliser des exemples d’entraînement pour plus d’une intention, c’est un signe que vous pourriez fusionner les intentions en une seule intention plus générale. Cela vous permet d’éviter toute confusion en ce qui concerne les intentions.
• Incluez toujours une intention hors du champ d’application. Les intentions hors du champ d’application permettent à votre robot de répondre à des demandes de contact qui ne relèvent pas des tâches pour lesquelles il a été entraîné.Elles vous permettent de récupérer la conversation et se traduisent souvent par une amélioration des performances.
• Utilisez les multi-intentions avec parcimonie. N’utilisez les multi-intentions que lorsqu’elles sont vraiment nécessaires au déroulement naturel de la conversation. Trop de multi-intention peuvent rendre votre robot logiciel trop compliqué à gérer facilement.