CXone Bot Builder의 인텐트

의도는 컨택의 말 속에 숨은 핵심 의미입니다. 의도는 컨택이 전달하거나 달성하고자 하는 요구 사항 또는 목표입니다. 봇은 각 발화 컨택이 말하거나 입력하는 내용입니다.를 분석하고 구성된 의도에서 가장 일치하는 내용을 결정합니다. 그런 다음 봇은 일치하는 의도에 대한 스토리 의도 및 컨텍스트를 기반으로 인터랙션 처리를 위해 Bot을 훈련하는 데 사용됩니다.나 또는 규칙 컨텍스트에 따라 변경되지 않는 메시지에 대한 Bot의 응답을 정의하는 데 사용됩니다.에 구성된 응답을 사용하여 컨택에 응답할 수 있습니다.

컨택이 보내는 모든 발화에는 인텐트가 있습니다. 많은 메시지가 컨택이 조직에 연락하는 이유와 관련이 있습니다. 이러한 메시지의 인텐트는 암호 재설정, 길 안내, 영업 시간 안내 등 Bot이 처리하는 작업과 관련이 있습니다. 다른 메시지는 인사, 작별 인사, 감사, 잡담 등의 인텐트가 담긴 소셜 스크립트를 따릅니다.

인텐트는 새 Bot을 구성할 때 시작점입니다. 인텐트를 작성하고 컨택이 그 인텐트를 전달하기 위해 사용할 메시지의 예시를 제공합니다. 다음으로, Bot이 인텐트에 응답하는 방법을 구성합니다. 예를 들어 Bot에게 후속 질문을 하거나, 답변을 제공하거나, 컨택 선택지를 제공하거나, 사람 상담원에게 연결하도록 지원할 수 있습니다.

인텐트로 작업하기는 구현 프로세스에서 Bot을 구성하는 데 중요한 부분입니다. 배포 후에는 지속적인 Bot의 관리의 일환으로 인텐트 작업을 계속하는 것이 중요합니다.

인텐트 교육 예시

의도 컨택이 말하거나 입력하는 내용의 의미나 목적이며 컨택이 전달하고자 하는 내용이나 원하는 내용입니다. 예시는 컨택이 의도를 표현하는 다양한 방법에 대해 Bot을 훈련시킵니다. 의도에 대한 예시가 많을수록 Bot이 해당 의도의 변형을 정확하게 식별할 수 있는 능력이 올라갑니다. 실제 대화 데이터를 사용해 봇을 테스트 및 훈련합니다. 최상의 결과를 위해 항상 양보다는 품질 좋은 데이터를 선택합니다. 이는 봇이 실제 컨택과의 대화를 처리하기 위해 잘 준비되도록 하는 데 도움이 됩니다.

구현 프로세스의 계획 단계에서는 상담원이 컨택과 나눈 실제 대화 기록을 수집합니다. 이러한 대화를 Bot에 추가할 인텐트 학습 예시의 소스로 사용하십시오.

인텐트 예측 및 신뢰도

Bot은 컨택이 보내는 각 메시지를 분석합니다. 메시지가 구성된 각 인텐트와 얼마나 일치하는지 판단하고 각 일치에 대한 신뢰도를 계산합니다. 신뢰도가 높을수록 일치 확률이 높습니다. Bot은 구성된 임계값을 초과하는 가장 높은 신뢰도를 가진 인텐트를 사용합니다.

Bot의 신뢰 수준이 구성된 모든 인텐트의 임계값 아래로 떨어지면 NLU 이해하는 내용에 따라 결정을 내리거나 작업을 수행하기 위해 자연어 처리(NLP)를 확장하는 프로세스입니다. 대체 텍스트 옵션이 트리거됩니다. Bot Builder의 NLU > 대체 텍스트 탭에서 대체 텍스트를 트리거하는 임계값을 구성할 수 있습니다.

범위를 벗어난 인텐트

아직 Bot이 처리하도록 구성하지 않았지만 컨택에서 문의할 것으로 예상되는 작업이 있을 수 있습니다. 범위를 벗어난 인텐트는 Bot이 도와줄 수 없는 작업에 대한 질문을 인식하고 작업을 수행하는 방법에 대한 컨택 정보를 제공하는 데 도움이 됩니다. 또한 도움을 줄 수 있는 목록을 제공할 수도 있습니다.

예를 들어 컨택이 정기적으로 Bot에 잔액 확인을 요청하지만 아직 이 작업을 구성하지 않은 경우 잔액 확인 인텐트를 만들 수 있습니다. 컨택의 요청에 따라 학습 데이터 예시를 추가합니다. 그런 다음 다음과 같은 Bot 응답으로 인텐트에 대한 규칙을 만듭니다.

• "죄송하지만 아직 잔액을 확인할 수 없습니다. 이 문제를 도와줄 수 있는 담당자에게 연결해 드릴까요?"
• "죄송하지만 아직 잔액 확인을 할 수 없습니다. 주소 업데이트, 암호 재설정, 지점 위치 찾기를 도와드릴 수 있습니다. 어떤 작업을 수행하시겠습니까?"
  

범위를 벗어난 인텐트와 함께 Bot을 범위를 벗어난 경로로 교육하기 위한 스토리도 만들어야 합니다. 이를 통해 Bot은 다른 인텐트에서 다루지 않는 다양한 상황을 처리하는 방법을 배웁니다.

범위를 벗어난 인텐트는 대체 텍스트와 유사하지만 더 나은 고객 경험을 제공할 수 있습니다. 사람들이 Bot에 묻는 일반적인 질문 중 범위를 벗어나는 질문에 대한 인텐트가 있으면 각 질문에 맞춤화된 답변을 제공할 수 있습니다. 이렇게 하면 Bot이 더 인간처럼 보이고 대화하는 것처럼 보일 수 있습니다.

인텐트 혼동

Bot이 컨택의 메시지에 대해 잘못된 인텐트 컨택이 말하거나 입력하는 내용의 의미나 목적이며 컨택이 전달하고자 하는 내용이나 원하는 내용입니다.를 선택하는 경우가 있습니다. 이는 Bot이 두 인텐트를 구분하기 어려울 정도로 유사한 경우 발생할 수 있습니다. 이는 인텐트 혼동이라고 하며, 동일한 학습 데이터를 두 개 이상의 인텐트에 사용하는 경우 발생할 수 있습니다. 두 가지 사용자 목표가 서로 다르게 보일 수 있지만 시간이 지남에 따라 유사한 예를 수집하기 시작합니다.

의도와 교육 데이터를 구별하십시오. 교육 예제를 여러 의도에 재사용하기를 원하는 경우, 이는 대신 의도를 하나의 보다 더 일반적인 의도로 병합할 수 있다는 신호입니다.

다음과 같은 두 가지 시나리오에서 일반적으로 인텐트 혼동이 발생할 수 있습니다.

• 정보 제공: Bot은 대화의 여러 지점에서 컨택에게 정보를 제공하도록 요청할 수 있으므로 provide_email 및 provide_name과 같은 인텐트를 사용할 수 있습니다. 그러나 이러한 변형에 대한 학습 데이터 예시는 지나치게 유사합니다.
  • "제 이름은 Sherry Khan입니다."
  • "제 이메일은 sherry.khan@email.com입니다."
  • "Nathoo Mannkind입니다."
  • "nathoo@otheremail.com입니다."
• 정보 요청하기: 컨택이 Bot에게 계정 잔액 등의 정보를 요청할 수 있습니다. 컨택이 문의할 수 있는 정보 유형이 여러 가지인 경우에는 각 유형에 대한 인텐트가 있을 수 있습니다. 예를 들어, 계정 잔액 요청의 경우 잔액 확인 및 잔액 저축에 대한 인텐트가 있을 수 있습니다. 그러나 이러한 변형에 대한 학습 데이터 예시는 지나치게 유사합니다.
  • "당좌 예금 계좌 잔액을 확인할 수 있나요?"
  • "내 저축 잔액은 얼마입니까?"
  • "제 당좌 예금 계좌 잔액을 알려주시겠습니까?"

앞의 각 시나리오에 대한 학습 데이터 예시에서 실제 차이점은 제공된 엔터티 Interaction Analytics의 회사 프로필에서 정의된 키워드 또는 문구입니다. 엔터티 유형과 관련되어 있습니다. 변형을 포함할 수 있습니다. 뿐입니다.

인텐트 혼동 방지

인텐트 혼동을 해결하거나 이를 방지하기 위해 따라야 할 일반적인 규칙은 인텐트를 병합하고 엔터티에 대한 교육을 실시하는 것입니다. 모든 학습 예시를 적용할 하나의 일반적인 인텐트를 설정한 다음 스토리를 사용하여 Bot이 엔터티를 인식하도록 학습시키는 것이 좋습니다. Bot이 컨택 발화에서 엔터티를 인식할 수 있으면 적절한 경로를 선택할 수 있습니다.

다음 표는 이전 섹션의 일반적인 시나리오를 보여줍니다. 원래의 인텐트와 새로운 일반 인텐트, 사용할 수 있는 교육 사례 예시를 보여줍니다.

시나리오	원래 인텐트	신규, 일반 목적	스토리가 있는 교육
Providing information	provide_address provide_email provide_name	provide_info	Bot이 수집할 수 있는 다양한 유형의 정보가 포함된 컨택 메시지 예시로 시작하는 여러 개의 스토리를 만듭니다: "제 이름은 Sherry Khan입니다." "제 이메일은 nathoo@email.com입니다." "새 주소는 123 Oat Street, Sometown, Ohio 43210입니다." 모든 스토리는 동일한 인텐트인 provide_info를 트리거합니다. 각 스토리에서는 계정 주소, 계정 이메일, 계정 이름 등 서로 다른 엔터티를 사용합니다. 마지막 예시인 "내 정보를 업데이트해야 합니다"는 특정 유형의 정보가 명시되어 있지 않으므로 Bot이 후속 질문을 해야 할 수도 있습니다.
정보 요청하기	balance_checking balance_savings balance_giftcard	balance_checks	다음과 같이 컨택 메시지 예시로 시작하는 여러 스토리를 만듭니다: "내 당좌 예금 계좌 잔액이 얼마인가요?" "저축 계좌 잔액은 어떻게 확인하나요?" "기프트 카드 잔액을 확인하고 싶습니다." "내 계정 잔액이 얼마인가요?" 모든 스토리는 동일한 인텐트인 balance_checks를 트리거합니다. 각 스토리에서는 balanceChecking, balanceSavings, balanceGiftCard 등 서로 다른 엔터티를 사용합니다. 마지막 예시인 "내 계정 잔액은 얼마인가요"는 계정 유형을 지정하지 않았으므로 Bot이 후속 질문을 해야 할 수도 있습니다.

다중 인텐트

CXone Bot Builder(으)로 구축된 Bot 실제 상담원 대신 고객 인터랙션을 처리하는 소프트웨어 애플리케이션입니다. 은 컨택의 메시지 질문이나 진술, 서면 또는 음성 여부와 관계없이 Bot 인터랙션에서 컨택이 말하는 모든 것입니다.에서 하나 이상의 인텐트 컨택이 말하거나 입력하는 내용의 의미나 목적이며 컨택이 전달하고자 하는 내용이나 원하는 내용입니다. 를 식별할 수 있습니다. 메시지에서 두 개 이상의 인텐트를 식별하면 Bot이 "내 잔액을 보여주고 200달러를 내 저축 계좌로 이체해 주세요"와 같은 요청을 올바르게 처리할 수 있습니다.

2개의 기존 단일 인텐트에서 다중 인텐트를 생성하는 경우 많은 예시를 제공할 필요가 없습니다. Bot은 메시지의 단일 인텐트를 인식하고 이를 다중 인텐트로 처리할 수 있습니다.

대화의 자연스러운 흐름에 정말 필요한 경우에만 다중 의도를 사용하십시오. 다중 의도가 너무 많으면 봇이 너무 복잡하여 쉽게 관리할 수 없습니다.

인텐트 검토 및 관리

NLU  섹션의 인텐트 탭에 있는 각 인텐트에는 옆에 숫자가 있습니다. 숫자는 해당 인텐트에 포함된 교육 예시 수를 나타냅니다. 숫자는 색상으로 구분되어 학습 예시가 충분한지 여부를 나타냅니다:

• 빨간색: 인텐트가 최대 7회까지 사용됨됩니다. 추가 더 많은 교육 예시를 추가합니다.

• 주황색: 인텐트가 8회에서 14회 사이에 사용됩니다. 가능하면 교육 예시를 더 추가하십시오.

• 녹색: 인텐트가 15회 이상 사용됩니다. 더 이상 교육 예시가 필요하지 않습니다.

일부 인텐트에는 교육 예시 수 옆에 노란색 삼각형 이 표시될 수 있습니다. 이는 이러한 인텐트를 포함하는 대화 CXone Bot Builder의 Bot 스토리 및 규칙. 가 없음을 나타냅니다. 이 기호가 포함된 인텐트가 있는 경우 스토리 또는 규칙 에 적절히 추가하십시오.

인텐트 탭에서 다음과 같은 인텐트 관리 작업도 수행할 수 있습니다.

• 인텐트가 나타나는 대화(스토리 및 규칙)를 봅니다.
• 최근 컨택 메시지 와 각 메시지에 대해 예측된 인텐트를 확인하십시오.
• 교육에서 인텐트를 숨깁니다.

인텐트 모범 사례

인텐트를 생성할 때 다음 권장사항을 따릅니다.

• 의도가 항상 명확하지는 않습니다. 두 가지 사용자 목표가 서로 다르게 보일 수 있지만 시간이 지남에 따라 유사한 예를 수집하기 시작합니다. 의도와 교육 데이터를 구별하십시오. 교육 예제를 여러 의도에 재사용하기를 원하는 경우, 이는 대신 의도를 하나의 보다 더 일반적인 의도로 병합할 수 있다는 신호입니다. 이는 의도 혼동을 피하는 데 도움이 됩니다.
• 항상 범위를 벗어난 의도를 포함하십시오. 범위를 벗어난 의도를 사용하면 봇은 수행하도록 훈련된 작업 범위를 벗어나는 컨택 요청에 응답할 수 있습니다.이를 통해 대화를 복구할 수 있고 종종 성능이 향상됩니다.
• 다중 의도는 꼭 필요할 때만 사용하십시오. 대화의 자연스러운 흐름에 정말 필요한 경우에만 다중 의도를 사용하십시오. 다중 의도가 너무 많으면 봇이 너무 복잡하여 쉽게 관리할 수 없습니다.