À ce stade du processus, vous avez créé votre robot, lui avez transmis des données et l'avez testé. Une fois déployé, le robot commence à réunir des données de conversation. Il est important d’examiner ces conversations à intervalles réguliers et d’apporter des améliorations au robot. C’est ainsi qu’il peut gagner en intelligence et en pertinence au fil du temps.
Examen et assimilation
Vous pouvez vérifier toutes les conversations et tous les messages. Soyez attentif aux demandes réellement formulées par les utilisateurs. S’il est impossible de tenir compte de tous les comportements utilisateur, vous pouvez essayer de traiter les points de tension ou de frustration courants. Deux composants principaux permettent d’examiner les données de conversation :
- Insights : les onglets Tableau de bord, Parcours et Conversations vous permettent d'afficher les données sur vos conversations et les messages, ainsi que l'ensemble des conversations en contexte. Vous pouvez ajuster les intentions ou convertir la conversation en histoire afin que le robot l’utilise comme données d’entraînement.
- Boîte de réception NLU : la boîte de réception NLU permet de visualiser les différents messages des utilisateurs à mesure qu’ils arrivent. Vous pouvez utiliser cette vue pour effectuer des améliorations rapides et précises en fonction des tendances que vous constatez.
Améliorez votre robot
Lors de l’examen, vous pouvez agir afin d’apprendre au robot à être encore plus efficace 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, ajoutez des informations d’entraînement relatives à l’intention afin que le robot gagne en confiance. 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.