In het voorbeeld bent u geïnteresseerd in het bezoeken van een attractie en wilt u weten hoeveel de toegangskaarten kosten, dus vraagt u:
Gebruiker: “Hoeveel kosten kaartjes voor 2 volwassenen en 1 kind voor het nevelwoud?”
Verrassend genoeg wist de chatbot het antwoord niet, ondanks dat hij over de relevante API-integraties beschikte.
Bot: “Sorry, ik ben nog aan het leren.”
Met een beetje begeleiding leidt de chatbot je door naar een begeleide (op regels gebaseerde) gespreksstroom. Het suggereert dat je moet zeggen: “Koop tickets'eerst, gevolgd door'Prijs van kaartjes", en tenslotte "Wolken Bos' om tot het antwoord te komen.
Bot: “Tickets zijn verkrijgbaar op de website.”
Nog niet helemaal dichtbij.
De overgrote meerderheid van de virtuele agenten gebruikt een Natural Language Understanding (NLU)-model, maar gebruikers hebben nog steeds moeite met de onnatuurlijke dialogen.
Je kunt de intelligentie van een chatbot niet simpelweg verklaren door te zeggen dat het ene NLP-platform beter of slechter is dan het andere. Dat is een handige reden, maar in dit geval niet. Waarom? Het doel van een goed getraind NLU-model is om een invoer (gebruikersuiting) te helpen toewijzen aan een uitvoer (gebruikersintentie). Beide bijvoorbeeld “Stuur curry-kippizza naar Sunshine Avenue 20” en “Ik wil vis en chips” verwijzen naar dezelfde intentie voor 'Voedselbestelling'.
Dat is echter waar de intentiedetectie eindigt. Als gespreksontwerper of -ontwikkelaar moet u nadenken over wat er gebeurt na intentiedetectie. Het heet verband om zoveel mogelijk een direct antwoord te geven.
1. Hoe Conversational AI de klantenservice kan automatiseren
2. Geautomatiseerde versus live chats: hoe ziet de toekomst van klantenservice eruit?
3. Chatbots als medische assistenten bij COVID-19-pandemie
4. Chatbot versus Intelligente virtuele assistent — Wat is het verschil en waarom zou u er om geven?
Als jij en je vriend elkaar in het echte leven eindelijk ontmoeten na maanden van lockdown, vormen alle momenten van de laatste reis die jullie je beiden herinneren de verband. Het heeft specifieke parameters zoals de stadsnamen en de mensen die je onderweg tegenkomt. Context is ook vergankelijk, wat betekent dat de vakantiemomenten van vóór COVID niet het eerste zijn waar je aan denkt als jij en je vriend elkaar meerdere keren hebben ontmoet om over andere dingen te praten.
Wanneer u chatbots programmeert, wilt u misschien iets doen met de specifieke informatie die door de gebruiker wordt geuit. Een goed idee voor uw virtuele agent is bijvoorbeeld om tijdens de gesprekssessie proactief de naam van het eten en het bezorgadres op te halen en een geheugenstatus (de context) vast te leggen. De bot mag niet om dezelfde informatie vragen als de gebruiker deze onderweg al heeft gezegd.
Helaas kunnen sommige chatbots zich tegenwoordig de essentiële parameters niet herinneren om een nuttige dialoog met de gebruiker te voeren, die uiteindelijk kritische details aan de chatbot zal moeten herhalen om hem daarbij te helpen.
Dit zijn enkele mogelijkheden:
- Het ontwerpen van gelukkige paden alleen onder boomachtige gespreksontwerptools in sommige low-code software
- Intenties behandelen als keerpunten of controlepunten in de stroom, in plaats van doelen die de klant voor ogen heeft
- Het presenteren van mindmaps of stroomdiagrammen voor gesprekken aan software-ingenieurs zonder specificaties over gebruikersfoutcorrecties en chat-omwegen
- Moeite hebben met het verwerken van grote permutaties in een niet-lineaire applicatie, in tegenstelling tot een web- of mobiele app met eindige stromen naar succes-/mislukkingstoestanden
Gebruiker: “wat zijn de ticketprijzen voor 2 volwassenen en 1 kind naar het nevelwoud opnieuw?"
Deze keer extraheert de chatbot de entiteiten waarnaar hij zoekt in een ticketprijsaanvraag. Dat zijn de deelnemers en de attractiesite. Omdat er voldoende gegevens zijn om ticketprijzen op te zoeken, presenteert de chatbot een aantal relevante rijke kaarten.
Vermoedelijk heb je een fout gemaakt. Je corrigeert de fout door te zeggen
Gebruiker: “Hoe zit het met 1 volwassene, 1 kind en 1 senior?"
In plaats van een terugval (“Sorry, ik begreep het niet”), leidt het bericht tot een op parameters gebaseerde intentie. De chatbot heeft uw favoriete attractiesite al onthouden en houdt nu alleen rekening met de nieuwe deelnemersinformatie. Het weet ook dat u zich in de status van ticketprijsaanvraag bevindt, dus zonder dat u dit hoeft te herhalen, vertelt het u de nieuwe totaalprijs.
Bot: “De standaardtarieven zijn $20 per volwassene, $12 per kind en $10 per senior. Het totaal is $ 42.
U blijft vermelden dat u een plaatselijke burger bent.
Gebruiker: “ik ben een local”
Nogmaals, zonder dat u de attractiesite en het aantal mensen hoeft te herhalen en het huidige gespreksonderwerp hoeft te veranderen, zoekt de chatbot de ticketprijzen op op basis van alle bijgewerkte verzamelde informatie. Succes!
Bot: “Lokale tarieven zijn $12 per volwassene, $8 per kind en $8 per senior. Het totaal is $ 28.
- &
- 7
- Accounting
- agenten
- AI
- Alles
- api
- gebruiken
- Aanvraag
- Assistent
- geautomatiseerde
- Beetje
- Bot
- verzorging
- Chatbot
- chatbots
- kind
- Plaats
- Cloud
- voortzetten
- Gesprek
- Correcties
- Koppel
- Covid-19
- Actueel
- Klantenservice
- gegevens
- levering
- Design
- leesmaatjes
- Opsporing
- Ontwikkelaar
- eindigt
- Ingenieurs
- extracten
- Tot slot
- Voornaam*
- stroom
- eten
- toekomst
- gif
- Doelen
- goed
- houden
- Hoe
- HP
- hr
- HTTPS
- ia
- idee
- informatie
- integraties
- Intelligentie
- aandachtig
- IT
- taal
- Groot
- leren
- LG
- lokaal
- lockdown
- Meerderheid
- kaart
- Maps
- medisch
- Medium
- Mobile
- Applicatie voor de mobiele telefoon
- model
- maanden
- namen
- Natuurlijke taal
- Natuurlijk taalbegrip
- nlp
- nlu
- Overige
- Mensen
- Pizza
- platform
- prijs
- Programming
- Tarieven
- antwoord
- So
- Software
- Land
- zonneschijn
- praat
- vertelt
- De toekomst
- niet de tijd of
- gebruikers
- Virtueel
- virtuele assistent
- web
- Website
- WIE