Examen et amélioration du robot

Cette page fournit des informations sur l’examen des données de conversation dans CXone Bot Builder en vue d’améliorer les performances du robot. Il s’agit de la cinquième étape du processus de mise en œuvre du robot.

Après avoir configuré et commencé à tester les cas d’utilisation initiaux du robot, vous trouverez dans Bot Builder des données que vous pouvez utiliser pour examiner l’efficacité des configurations actuelles. Dans un premier temps, les données proviennent des conversations de test avec le robot. Par la suite, après la mise en production du robot, les données inclueront des conversations en direct avec les contacts.

En examinant ces données, vous pouvez repérer les endroits où vous pouvez améliorer la performance du robot. La performance d’un robot est indiquée par sa capacité à prédire les intentions de manière correcte. Si le robot prédit la mauvaise intention, il est plus difficile pour les contacts d’atteindre leurs objectifs.

Glossary

Concept	Définition	Exemple	Ce que fait le robot
Énoncé	Tout ce que dit un contact dans une interaction. Parfois appelé message.	"J'ai perdu mon mot de passe." « Quel est mon solde ? » "Etes-vous un robot?"	Le robot utilise la compréhension du langage naturel (NLU) pour analyser chaque énoncé du contact et en déterminer le sens, ou intention.
Intention	Ce que le contact veut communiquer ou accomplir. Chaque message envoyé par le contact a une intention.	"J'ai perdu mon mot de passe" a l'intention de "réinitialiser le mot de passe". "Bonjour" a l'intention de "saluer".	Le robot analyse le message d'un contact à l'aide de la NLU Ce processus étend le traitement du langage naturel (TAL) pour prendre des décisions ou agir en fonction de ce qu'il comprend. pour déterminer l'intention. Une fois qu'il connaît l’intention, il peut répondre par un message. Vous configurez la réponse que vous souhaitez que le robot utilise pour chaque intention.
Entité	Information définie dans le message d'un contact.	Nom de la personne ou du produit, numéro de téléphone, numéro de compte, emplacement, etc.	Le robot utilise la NLU pour identifier les entités dans le message d'un contact. Les entités aident le robot à comprendre la signification du message du contact.
Emplacement	Entité extraite du message d'un contact et enregistrée pour être utilisée dans les réponses du robot. Similaire à une variable.	La création d'un emplacement pour le nom du contact permet au bot d'utiliser ce nom dans les réponses lors d'une interaction, ce qui le rend plus personnel.	Lorsqu'il est configuré à cet effet, le robot extrait une entité d'un message du contact et l'enregistre dans un emplacement. Vous pouvez demander au robot d'utiliser ces informations plus tard dans la conversation.
Règle	Définit la réponse d'un robot aux messages dont le sens ne change pas en fonction du contexte.	Interactions à un tour avec des réponses fixes : Quels sont vos horaires ? Quelle est ton adresse? Blocs de construction de conversation : salutations, adieux, remerciements et transitions ; questions simples oui/non ; et remerciements. CXone Bot Builder est livré avec des intentions et des règles par défaut pour plusieurs d'entre eux, y compris les salutations, demandes remettre Tout message de contact qui devrait déclencher le transfert vers un agent en direct et plus encore. FAQ Insultes et défis de bots classiques	Une règle est l'une des deux méthodes dont vous disposez pour configurer la façon dont le robot répond à une intention. Les règles sont utiles pour certains types d'intentions, mais pas pour toutes.
Histoire	Permet d’entraîner un robot à gérer une interaction en fonction de l'intention du message et du contexte conversationnel.	Lors d'une interaction à propos d'un mot de passe oublié, le bot répondrait à la question « Comment puis-je faire cela ? » d'une façon. Si l'interaction concernait la création d'un nouveau compte, la réponse serait assez différente même si dans les deux cas, le contact utilise les mêmes mots avec la même intention – obtenir plus d'informations.	Une histoire est l’autre méthode vous permettant de configurer la façon dont le robot répond à une intention. Les histoires apprennent au robot à utiliser le contexte de la conversation pour y répondre de manière appropriée.
Action de robot	Tout ce qu'un bot dit ou fait lors de la gestion d'une interaction.	Lors d'une interaction concernant un mot de passe oublié, le robot répond en envoyant le lien vers la FAQ de réinitialisation du mot de passe sur le site Web. Lorsqu'un contact exprime sa frustration, par exemple « Je ne comprends pas. Cela ne fonctionne pas. », le robot répond « Je suis désolé. Voulez-vous que je transfère l’appel à un agent humain ? ». Si le contact répond par l'affirmative, le robot initie le transfert.	Les actions sont les options dont vous disposez pour définir le mode de réponse du robot à chaque intention. Elles vous donnent la possibilité de configurer chaque réponse pour obtenir le résultat qui répond aux besoins du contact.

Examen des données de conversation

Vous pouvez examiné toutes les conversations traitées par le robot. Cela vous permet de voir par vous-même comment le robot répond et ce qui lui pose des difficultés, ainsi que la manière dont les contacts interagissent avec le robot et les problèmes qu’ils rencontrent. Ces informations sont précieuses, car vous pouvez les utiliser pour améliorer les intentions La signification ou le but derrière ce qu'un contact dit/tape ; ce que le contact veut communiquer ou accomplir, les règles Utilisé pour définir la réponse du bot aux messages qui ne changent pas avec le contexte. et les histoires Utilisé pour former le bot à la gestion des interactions en fonction de l'intention et du contexte du robot.

Les options suivantes dans Bot Builder vous permettent d’examiner les données de conversation :

Insights : fournit des rapports et des analyses interactives en temps réel pour vos robots :
Boîte de réception NLU : vous permet de gérer vos données NLU Ce processus étend le traitement du langage naturel (TAL) pour prendre des décisions ou agir en fonction de ce qu'il comprend. pour améliorer la qualité de votre robot. Elle affiche tous les nouveaux messages des contacts.
Recherche par requête : utilisez la barre de recherche pour préciser les résultats dans la boîte de réception NLU ou la section Insights.

Évaluation des intentions

L’évaluation des intentions et leur ajustement permet de convertir les difficultés en solutions lorsque vous modifiez les réponses du robot. S’il est impossible de tenir compte de tous les comportements utilisateur, vous pouvez traiter les points de tension ou de frustration courants.

Lorsque vous examinez les conversations, évaluez les données d’inention pour voir si les intentions sont efficaces et efficientes. Le contact parvient-il facilement au résultat souhaité ? Si ce n’est pas le cas, déterminez si les intentions ne sont pas assez spécifiques, si elles le sont trop ou si les données de formation sont inadaptées :

Le robot comprend-il de manière fiable ce que veut le contact ? Si ce n’est pas le cas, ajoutez plusieurs exemples d’entrainement aux intentions sur lesquelles le robot est incertain.
Certaines intentions sont-elles semblables au point d’être essentiellement les mêmes ? Dans ce cas, envisagez de les combiner dans une intention plus générale et d’utiliser les exemples pour entraîner le robot à reconnaître les différents scénarios.
Les contacts disent-ils des choses qui ne sont pas couvertes par les intentions existantes. Si tel est le cas, envisagez d’ajouter plus d’intentions, ou plus de données pour les intentions existantes.

Optimisation des réponses du robot

Bot Builder propose des fonctionnalités qui peuvent vous aider à améliorer la performance de votre robot. Le premier jeu d’intentions, d’histoires et de règles n’a peut-être pas bénéficié de ces fonctionnalités. Dans votre démarche d’amélioration des réponses du robot, les fonctionnalités suivantes peuvent vous être utiles :

Examinez les réponses pour voir si vous pouvez utiliser différentes actions dans les réponses du robot afin de fluidifier la réponse et de la rendre plus réaliste ou conviviale.
Demandez-vous si certaines intentions peuvent être des intentions multiples. Les intentions multiples sont utiles lorsque le contact combine deux intentions dans le même énoncé. Par exemple, lorsqu’un contact dit Merci. Au revoir. dans un même message au robot, il combine une intention « merci » et une intention « au revoir ».
Identifiez les chemins malheureux Histoire qui produit un mauvais résultat pour l'intention qui correspondent aux chemins heureux que vous avez déjà mappés dans vos intentions, si ce n’est déjà fait. Planifiez leur traitement, puis ajoutez des histoires et des règles selon les besoins, ainsi que les exemples d’entraînement nécessaires.
Réfléchissez aux entités ou emplacements requis. Les entités sont des éléments d’information collectés à partir d’une conversation. Les emplacements sont comme des variables ; ils peuvent contenir les entités collectées.
Déterminez si un formulaire est nécessaire pour simplifier le processus de collecte des informations du contact pour remplir les emplacements. Le robot peut suivre un formulaire pour poser les questions et recueillir les informations auprès du contact. Vous pouvez aussi faire en sorte que le robot présente un formulaire au contact.
Configurez des options supplémentaires dans les réponses du robot ; par exemple, les messages enrichis, les variantes de messages du robot, la saisie intelligente, le repli et les filets de sécurité.

Situations dans lesquelles vous pouvez améliorer le robot

Lors de l’examen, vous pouvez agir afin d’apprendre au robot à être encore plus performant dans de futures conversations. La liste suivante décrit des situations qui requièrent des améliorations, avec des explications sur ce que vous pouvez faire :

Confiance faible dans la classification de l’intention : si la classification de l’intention est correcte, mais que la confiance du robot est faible, ajoutez des informations d’entraînement relatives à l’intention afin que le robot gagne en confiance. Les données d’entraînement incluent des exemples d’intentions et des histoires. Si la classification d’intention est incorrecte, modifiez-la.
Confiance faible dans la prédiction d’action du robot : ajoutez des données d’entraînement pour que le robot soit plus confiant sur l’action à effectuer dans cette situation.
Frustration de l’utilisateur : par exemple, l’utilisateur demande à être transféré à un humain (transférer Tout message de contact qui devrait déclencher le transfert vers un agent en direct), répète ce qu’il a déjà dit, ou profère des insultes. Ajoutez des données d’entraînement concernant le problème de l’utilisateur, ou ajustez le seuil de confiance NLU dans la solution de secours. Cela pourra indiquer à votre robot d’effectuer un transfert plus tôt s’il n’est pas sûr de savoir comment aider l’utilisateur.
Intention « hors périmètre » ou comportement de repli (fallback) : par exemple, un utilisateur demande au robot d’accomplir une action dont il n’est pas capable ou le robot recourt au comportement de repli (fallback) trop tôt. Recherchez et corrigez d’éventuelles erreurs de classification des intentions de manière à vérifier qu’il ne s’agit pas d’une erreur de compréhension de la part du robot. Ajoutez une nouvelle histoire ou règle afin d’indiquer au robot ce qu’il doit faire la prochaine fois.

Repli et filets de sécurité

Lorsque vous examinez et améliorez le robot, vous pouvez commencer à identifier les endroits où les contacts sont susceptibles d’être frustrés par le robot. Il est alors temps d’ajouter des replis et des filets de sécurité au robot.

Solution de repli : apprend au robot ce qu’il doit faire lorsqu’il ne sait pas comment poursuivre. Il existe deux types de replis :
- Repli NLU : lorsque le robot n’est pas sûr de comprendre le contact.
- Repli d’action : lorsque le robot n’a pas sûr d’être en mesure de prédire l’action suivante.
Filet de sécurité : un filet de sécurité vous permet de configurer ce qui arrive en cas de problème avec le robot ou le système auquel il se connecte. Par exemple, le robot prend plus de temps que d’ordinaire pour répondre au contact.

C’est aussi le bon moment pour vérifier si vous avez des chemins hors périmètre pour que le robot puisse répondre aux messages des contacts qui ne relèvent pas de son domaine.