CXone Bot Builder 中的意圖

意圖是聯絡人話語背後的核心意義。它們是聯絡人想要溝通或達成的需求或目標。您的機器人會分析每個話語聯絡人所說或所輸入的內容。，並從配置的意圖中找出最接近的匹配項。接著，機器人就可以使用匹配意圖的案例透過通道與客服專員的完整對話。例如，互動可以是語音通話、電郵、聊天或社交媒體對話。或規則用於定義機器人對訊息回覆，不隨內容變化。中配置的回覆來回應聯絡人。

聯絡人傳送的每段話語都有意圖。許多訊息與聯絡人聯絡貴組織的原因有關。這些訊息的意圖與您的機器人處理的任務有關，例如重設密碼或提供方向和辦公時間。其他訊息遵循社交指令碼，其目的是問候、道別、感謝、閒聊等等。

意圖是配置新機器人時的起點。您建立意圖，然後提供聯絡人用以傳達該意圖的訊息範例。接下來，您將配置希望機器人如何回應意圖。例如，您可以讓機器人提出後續問題、回覆答案、提供聯絡人選擇或轉移至真人客服專員。

使用意圖是在實作過程中配置您的機器人的重要組成部分。部署之後，作為機器人持續管理的一部分，繼續使用意圖是非常重要的。

Glossary

概念	定義	範例	機器人的作用
話語	聯絡人在互動中說的任何話。有時稱為訊息。	「我丟失了密碼。」「我的餘額是多少？」「您是機器人嗎？」	機器人使用自然語言理解 (Natural Language Understanding) (NLU) 來分析每個聯絡話語，以判斷其意義或意圖。
意圖	聯絡人想要傳達的訊息或要實現的目的。聯絡人傳送的每則訊息都有意圖。	「我丟失了密碼」具有「重設密碼」的意圖。「您好」有「打招呼」的意圖。	機器人會使用 NLU 此過程在自然語言處理 (NLP) 基礎之上擴展，以根據其理解的資訊做出決策或採取行動。分析聯絡人的訊息，以判斷其意圖。知道後，就可以用自己的訊息進行回覆。您配置希望機器人針對每個意圖使用的回覆。
實體	聯絡人訊息中定義的資訊。	人名或產品名稱、電話號碼、帳號、位置等。	機器人會使用 NLU 識別聯絡人訊息中的實體。實體可幫助機器人了解聯絡人訊息的意義。
插槽	從聯絡人的訊息中提取並儲存以用於機器人回覆的實體。類似於變數。	為聯絡人姓名建立一個插槽可以讓機器人在互動期間在回覆中使用該姓名，使其更加個性化。	當配置為如此動作時，機器人會從聯絡訊息中抽取一個實體，並將其儲存在插槽中。您可以讓機器人在稍後的對話中使用此資訊。
規則	定義機器人對訊息回覆，意義不隨內容變化。	有固定回覆的單輪互動：您們的工作時間是？您們的地址是？對話塊：問候、再見、謝謝和過渡、簡單的「是/否」問題，以及確認。 CXone Bot Builder 具有其中幾個的預設意圖和規則，包括問候、移交任何應該觸發轉移給真人客服專員的聯絡訊息請求等。常見問題解答辱罵和經典機器人挑戰	規則是您配置機器人如何回覆意圖的兩種方式的第一種。規則適用於某些種類的意圖，但並非所有意圖均適用。
案例	訓練機器人處理基於訊息意圖和對話內容的互動	在有關忘記密碼的互動中，機器人會回答：「我該怎麼做呢？」，這只是其中一種方式。如果互動是關於建立新帳戶，即使在這兩種情況下聯絡人使用相同的字詞和相同的意圖（獲取更多資訊），回覆也會完全不同。	案例您配置機器人如何回覆意圖的兩種方式的第二種。案例會教導機器人如何使用對話的內容來做出適當的回覆。
機器人動作	機器人在處理互動時所說或所做的任何事情。	在有關忘記密碼的互動中，機器人的回覆是傳送網站上的密碼重設常見問題集的連結。當聯絡人表達失望情緒時，例如「我不明白！無法運作！！！」機器人會回應「對不起。您需要我將您轉接至真人客服專員嗎？」當聯絡人說「是」時，機器人會啟動轉移。	動作是您在定義希望機器人如何回覆每個意圖時的選項。它們可讓您彈性配置每個回覆，以達到符合聯絡人需求的結果。

意圖訓練範例

意圖聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼範例訓練您的機器人，使其了解聯絡人可能表達意圖的各種方式。您擁有的意圖範例越多，機器人就能正確辨識出更多不同的意圖。使用真實對話資料來測試和培訓您的機器人。始終選擇高品質而非大量的資料以獲得最佳結果。這有助於確保機器人準備就緒，可以處理與真實聯絡人的對話。

在實作流程的規劃階段中，您會收集客服專員與聯絡人的真實對話記錄。使用這些對話作為意圖訓練範例的來源，以新增機器人。

您可以使用 Enlighten XO 來分析您的歷史互動，並提取範例用於您的Bot Builder機器人。

意圖預測與可信度

您的機器人會分析聯絡人傳送的每一則訊息。它會判斷訊息與其配置的每個意圖的吻合程度，並計算它對每個吻合意圖的可信度。可信度百分比越高，匹配度越高。機器人會使用可信度百分比最高，且超過配置臨界值的意圖。

如果機器人的可信度低於所有已配置意圖的臨界值，則會觸發 NLU 此過程在自然語言處理 (NLP) 基礎之上擴展，以根據其理解的資訊做出決策或採取行動。遞補選項。您可以在 Bot Builder 中的「NLU > 遞補」標籤上配置觸發遞補的臨界值。

範圍外意圖

可能有些任務您尚未配置機器人來進行處理，但您知道聯絡人會詢問這些任務。範圍外的意圖可協助您的機器人識別有關機器人無法提供協助的任務問題，並提供有關他們可以如何完成該任務的聯絡資訊。其也可以提供能夠提供協助的清單。

例如，如果聯絡人經常要求您的機器人進行結餘檢查，但您尚未配置此任務，則您可以建立 balance_check 意圖。從聯絡人的請求中新增訓練資料範例。然後，針對具有機器人回應的意圖建立規則，例如：

「對不起，我還無法進行結餘檢查。您需要我幫您轉接給可以幫忙的人嗎？」
「對不起，我還無法進行結餘檢查。我可以幫您更新地址、重設密碼和尋找分支位置。您想做什麼？」

除了範圍外的意圖，您也需要建立案例來訓練機器人的範圍外的路徑。這會教導機器人如何處理其他意圖未涵蓋的各種情況。

範圍外意圖與遞補類似，但可以提供更好的客戶體驗。對於人們向您的機器人提出的常見問題，如果有超出範圍的意圖，您就可以針對每個問題提供自訂的回應。這有助於讓您的機器人看起來更像人類，更會說話。

意圖混淆

機器人有時可能會為聯絡人的訊息選擇錯誤的意圖聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼。當兩個意圖相似到機器人很難區分時，就可能發生這種情況。這是意圖混淆，如果您對多個意圖使用相同的訓練資料，就可能發生這種情況。比如有兩個使用者目標可能看起來不同，但隨著時間的推移而開始收集類似的範例。

確保您的意圖與訓練資料有所區別。如果您想要重複使用訓練範例來達成多個意圖，則表示您或許能夠將各個意圖合併為一個更一般的意圖。

有兩種常見的情況會發生意圖混淆：

提供資訊：您的機器人可能會要求聯絡人在對話的不同階段提供資訊，因此您可能會使用提供電郵 (provide_email) 和提供姓名 (provide_name) 等意圖。但是，這些變異的訓練資料範例太相似了：
- 「我叫 Sherry Khan」。
- 「我的電郵是 sherry.khan@email.com」。
- 「我是 Nathoo Mannkind」。
- 「我的電郵是 nathoo@otheremail.com」。
詢問資訊：聯絡人可能會要求機器人提供資訊，例如帳戶結餘。如果聯絡人可以詢問多種類型的資訊，則您可以為每種類型設定一個意圖。例如，對於帳戶結餘請求，您可以使用 balance_checking 和 balance_savings 的意圖。但是，這些變異的訓練資料範例太相似了：
- 「我能了解支票帳戶的結餘嗎？」
- 「我的存款結餘是多少？」
- 「您能告訴我我的支票帳戶結餘嗎？」

前面每種情況的訓練資料範例中，唯一真正的差異是所提供的實體在Interaction Analytics中您的公司設定檔中定義的關鍵字或短語。與實體類型相關。可以包括變體。。

避免意圖混淆

要解決意圖混淆—或避免混淆—要遵循的一般規則是合併意圖並對實體進行訓練。最好有一個單一的、一般的意圖，讓您把所有的訓練範例都套用在此意圖上，然後用案例來訓練機器人識別實體。當機器人可以識別聯絡人話語中的實體時，就可以採取適當的路徑。

下表顯示了前一部分的常見情況。其中展示了原始意圖、新的一般意圖，以及要使用的訓練案例範例。

場景	原始意圖	新的一般意圖	帶案例的培訓
提供資訊	提供地址提供電郵提供名稱	provide_info	建立幾個案例，從聯絡人訊息範例開始，包含機器人可以收集的各種資訊：「我叫 Sherry Khan」。「我的電郵是 nathoo@email.com」。「新地址是 123 Oat Street, Sometown, Ohio 43210」所有案例都會觸發相同的意圖，provide_info。每個案例使用不同的實體，例如 accountAddress、accountEmail 和 accountName。最後一個範例「我需要更新我的資訊」並沒有說明特定的資訊類型，因此機器人可能需要詢問後續問題。
詢問資訊	結餘檢查儲蓄結餘禮物卡餘額	支票結餘	建立幾個案例，從聯絡人訊息範例開始，例如：「我的支票帳戶結餘是多少？」「如何查詢我的儲蓄帳戶結餘？」「我要查詢我的禮品卡結餘」。「我的帳戶結餘是多少？」所有案例都會觸發相同的意圖，balance_checks。每個案例會使用不同的實體，例如 balanceChecking、balanceSavings、balanceGiftCard。最後一個範例「我的帳戶結餘是多少」並未指定帳戶類型，因此機器人可能需要詢問後續問題。

場景

原始意圖

新的一般意圖

帶案例的培訓

提供資訊

提供地址

提供電郵

提供名稱

provide_info

建立幾個案例，從聯絡人訊息範例開始，包含機器人可以收集的各種資訊：

「我叫 Sherry Khan」。
「我的電郵是 nathoo@email.com」。
「新地址是 123 Oat Street, Sometown, Ohio 43210」

所有案例都會觸發相同的意圖，provide_info。每個案例使用不同的實體，例如 accountAddress、accountEmail 和 accountName。最後一個範例「我需要更新我的資訊」並沒有說明特定的資訊類型，因此機器人可能需要詢問後續問題。

詢問資訊

結餘檢查

儲蓄結餘

禮物卡餘額

支票結餘

建立幾個案例，從聯絡人訊息範例開始，例如：

「我的支票帳戶結餘是多少？」
「如何查詢我的儲蓄帳戶結餘？」
「我要查詢我的禮品卡結餘」。
「我的帳戶結餘是多少？」

所有案例都會觸發相同的意圖，balance_checks。每個案例會使用不同的實體，例如 balanceChecking、balanceSavings、balanceGiftCard。最後一個範例「我的帳戶結餘是多少」並未指定帳戶類型，因此機器人可能需要詢問後續問題。

多意圖

用CXone Bot Builder構建的機器人代替真人客服專員處理客戶互動的軟體應用程式。可以識別聯絡人訊息聯絡人所說/所輸入內容背後的含義或目的；聯絡要傳達或實現什麼中的一個和多個意圖聯絡人在與機器人互動時表達的任何內容，無論是問題還是陳述，以文字形式還是話語形式。。在訊息中識別多於一個意圖，可讓您的機器人正確處理「請顯示我的結餘，並轉帳 $200 到我的儲蓄帳戶」等請求。

如果您透過現有的兩個單一意圖建立多意圖，則無需提供多個範例。機器人可以識別訊息中的單一意圖並將其作為多意圖處理。

只有當自然地對話確實需要時，才需使用多意圖。多意圖過多可能導致機器人過於複雜，無法輕鬆地管理。

意圖審核與管理

NLU 圖示，看起來像一個頭像輪廓內的齒輪。部分中「意圖」標籤上的每個意圖旁邊都有一個編號。數字表示該意圖有多少訓練範例。數字用顏色標示，表示訓練範例是否足夠：

紅色：意圖被使用最多 7 次。新增更多訓練範例。
橙色：意圖被使用 8 至 14 次。如果可能的話，新增更多訓練範例。
綠色：意圖被使用最多 15 次。不再需要訓練範例。

某些意圖的訓練範例數量旁可能有一個黃色三角形。這表示沒有包含此意圖的對話 CXone Bot Builder中的機器人故事和規則。。如果您有使用此符號的意圖，視情況將其新增到案例或規則中。

在「意圖」標籤上，您也可以執行下列意圖管理任務：

檢視出現意圖的對話（案例和規則）。
查看最近的聯絡訊息以及每則訊息的預測意圖。
在訓練中隱藏意圖。

意圖的最佳做法

在建立意圖時，請遵循以下最佳做法：

意圖並不總是一目了然的。 比如有兩個使用者目標可能看起來不同，但隨著時間的推移而開始收集類似的範例。確保您的意圖與訓練資料有所區別。如果您想要重複使用訓練範例來達成多個意圖，則表示您或許能夠將各個意圖合併為一個更一般的意圖。這可以幫助您避免意圖混淆。
務必包含範圍外的意圖。 範圍外意圖可讓您的機器人回應超出機器人訓練任務範圍的聯絡請求。這將允許您恢復對話並且通常能夠提升績效。
慎用多意圖。只有當自然地對話確實需要時，才需使用多意圖。多意圖過多可能導致機器人過於複雜，無法輕鬆地管理。