Wśród różnych sposobów na poprawę zadowolenia klientów, chatboty to m.in potężne rozwiązanie pomagające klientom. Chatboty są niedrogie, pomagają skalować Twoją firmę, w pełni konfigurowalne, pomagają Twoim klientom znaleźć odpowiednie produkty/usługi i pomagają budować zaufanie do Twojej firmy. Aby to udowodnić, przejrzę następującą treść:
- Co to jest chatbot uczący się maszynowo?
- Dlaczego chatboty są ważne w różnych sferach biznesu?
- Zbuduj własnego chatbota opartego na NLP za pomocą PyTorch.
- Wdróż chatbota w Javascript i Flask.
Chatbot (konwersacyjna sztuczna inteligencja) to zautomatyzowany program, który symuluje ludzką rozmowę za pomocą wiadomości tekstowych, czatów głosowych lub obu. Uczy się to robić na podstawie wielu danych wejściowych i Przetwarzanie języka naturalnego (NLP).
Ze względu na semantykę, chatboty i asystenci konwersacji będą w tym artykule używane zamiennie, mają na myśli to samo.
Business Insider poinformował, że globalny rynek chatbotów miał wzrosnąć z 2.6 mld USD w 2019 r. do 9.4 mld USD w 2024 r., prognozując złożoną roczną stopę wzrostu na poziomie 29.7%. W tym samym raporcie zasugerowano również, że największy wzrost implementacji chatbotów nastąpi w branżach handlu detalicznego i e-commerce, ze względu na rosnące zapotrzebowanie na zapewnienie klientom płynnych doświadczeń wielokanałowych.
Już samo to powinno wystarczyć, aby Cię o tym przekonać chatboty to sposób na obsługę relacji z klientami posuwają się naprzód, ale będą również nadal rozwijać się jako narzędzia wewnętrzne dla narzędzi korporacyjnych, a prawie każda branża przyjmie tę technologię, jeśli jeszcze tego nie zrobiła.
Poniżej znajdują się kluczowe powody, dla których coraz więcej firm przyjmuje strategię chatbotów i sposób, w jaki są one korzystne dla wszystkich w pozyskiwaniu i utrzymywaniu klientów.
- Skróć czas oczekiwania klienta - 21% konsumentów postrzegają chatboty jako najłatwiejszy sposób na kontakt z firmą. Boty to sprytniejszy sposób na zapewnienie klientom natychmiastowej odpowiedzi, której szukają, bez konieczności czekania w kolejce.
- Dostępność 24 × 7 — Boty są zawsze dostępne, aby zaangażować klientów w natychmiastowe odpowiedzi na często zadawane przez nich pytania. Największą potencjalną korzyścią korzystania z chatbotów jest całodobowa obsługa klienta.
- Lepsze zaangażowanie klientów — Boty konwersacyjne mogą angażować klientów przez całą dobę, rozpoczynając proaktywną ochronę i oferując spersonalizowane rekomendacje, które poprawiają wrażenia klientów.
- Oszczędzaj koszty obsługi klienta — Chatboty pomogą firmom zaoszczędzić więcej niż $ 8 mld na rok. Boty można łatwo skalować, co pozwala zaoszczędzić koszty obsługi klienta związane z zatrudnianiem większej liczby zasobów, kosztami infrastruktury itp.
- Zautomatyzuj kwalifikację leadów i sprzedaż — Możesz zautomatyzować lejek sprzedaży za pomocą chatbotów, aby wstępnie kwalifikować potencjalnych klientów i kierować ich do odpowiedniego zespołu w celu dalszej pielęgnacji. Możliwość natychmiastowego zaangażowania klientów zwiększa liczbę potencjalnych klientów i współczynniki konwersji.
1. Jak konwersacyjna sztuczna inteligencja może zautomatyzować obsługę klienta
2. Czaty automatyczne a czaty na żywo: jak będzie wyglądać przyszłość obsługi klienta?
3. Chatboty jako asystenci medyczni w pandemii COVID-19
4. Chatbot vs. Inteligentny wirtualny asystent — jaka jest różnica i dlaczego warto?
Istnieje wiele platform, na których programiści, naukowcy zajmujący się danymi i inżynierowie uczenia maszynowego mogą tworzyć i utrzymywać chatboty, takie jak Przepływ dialogów i Amazonka Lex. Ale moim celem w tym artykule jest pokazanie, jak stworzyć chatbota od podstaw, aby pomóc Ci zrozumieć koncepcje sieci Feed-Forward do przetwarzania języka naturalnego.
Zacznijmy!
Możesz łatwo znaleźć pełny kod w my GitHub repo.
Oto krótki plan, który chcę wykonać, aby zbudować model.
- Teoria + koncepcje NLP (Stemming, Tokenizacja, worek słów)
- Twórz dane treningowe
- Model i szkolenie PyTorch
- Zapisz/wczytaj model i zaimplementuj czat
Zbudujemy chatbota dla dostawcy kawy i herbaty, który będzie obsługiwał proste pytania dotyczące godzin pracy, opcji rezerwacji i tak dalej.
Framework chatbota potrzebuje struktury, w której zdefiniowane są intencje konwersacyjne. Jednym czystym sposobem na to jest użycie pliku JSON, takiego jak ten.
Każda intencja konwersacyjna zawiera:
- a etykieta (unikalna nazwa)
- wzory (wzorce zdań dla naszego klasyfikatora tekstu w sieci neuronowej)
- Odpowiedzi (jedna zostanie użyta jako odpowiedź)
Więc nasz potok NLP wygląda tak
- tokenize
- Dolny + trzon
- Wyklucz znaki interpunkcyjne
- Worek słów
Tworzymy listę dokumentów (zdań), każde zdanie jest listą słowa macierzyste a każdy dokument jest powiązany z intencją (klasą). Pełny kod jest ten plik.
Następnie musimy ustawić dane treningowe i hiperparametry.
Po wszystkich niezbędnych krokach przetwarzania wstępnego tworzymy plik model.py plik do zdefiniowania sieci neuronowej FeedForward.
Są to sieci neuronowe sprzężone z wyprzedzeniem sztuczne sieci neuronowe gdzie połączenia między jednostkami nie tworzą a cykl. Sieci neuronowe ze sprzężeniem zwrotnym były pierwszym rodzajem wynalezionych sztucznych sieci neuronowych i są prostsze niż ich odpowiedniki, nawracające sieci neuronowe. Nazywają się naprzód ponieważ informacje przemieszczają się tylko do przodu w sieci (bez pętli), najpierw przez węzły wejściowe, a następnie przez ukryte węzły (jeśli jest obecny), a na końcu przez węzły wyjściowe.
Bądź ostrożny! W końcu nie potrzebujemy funkcji aktywacji, ponieważ później użyjemy utraty entropii krzyżowej i automatycznie zastosujemy dla nas funkcję aktywacji.
Dlaczego używamy ReLU?
Są proste, szybkie w obliczeniach i nie cierpią z powodu zanikających gradientów, takich jak funkcje sigmoidalne (logistic, tanh, erf i podobne). Prostota implementacji sprawia, że nadają się do stosowania na procesorach graficznych, które są dziś bardzo popularne ze względu na optymalizację pod kątem operacji na macierzach (które są również potrzebne w grafice 3D).
Po zdefiniowaniu CrossEntropy Loss i Adama wdrażamy krok wstecz i optymalizator.
Co oznaczają te wszystkie linie?
Ustawiamy zero_grad() na optymalizator, ponieważ w PyTorch, dla każdej mini-batch podczas fazy szkoleniowej, musimy jawnie ustawić gradienty na zero przed rozpoczęciem wstecznej propagacji (tj. aktualizacji wag i odchyleń), ponieważ PyTorch gromadzi gradienty na kolejne podania w tył.
Wielokrotne wywołanie .backward() powoduje akumulację gradientu (przez dodanie) dla każdego parametru. Dlatego po każdym wywołaniu .step() powinieneś wywoływać optymalizator.zero_grad(). Zwróć uwagę, że po pierwszej zapowiedzi w tył, druga zapowiedź jest możliwa dopiero po wykonaniu kolejnego podania w przód.
Optimizer.step przeprowadza aktualizację parametrów na podstawie aktualnego gradientu (przechowywanego w atrybucie .grad parametru) i reguły aktualizacji.
Wreszcie, po uruchomieniu skryptu train.py, jaki wspaniały wynik otrzymaliśmy!
A w ostatniej części musimy zapisać nasz model. Tutaj sposób, w jaki zrobiłem to łatwo.
Postanowiłem pójść dalej i stworzyć tę niesamowitą wizualizację ChatBota.
Wszystkie moje skrypty HTML, CSS i JavaScript znajdziesz w moim repozytorium GitHub.
Enjoy!
Teraz, gdy już wiesz, czym jest chatbot i jak ważna jest technologia botów dla każdego rodzaju biznesu. Z pewnością zgodzisz się, że boty drastycznie zmieniły sposób interakcji firm z klientami.
Technologie Chatbota staną się istotną częścią strategii zaangażowania klientów w przyszłości. W niedalekiej przyszłości boty będą rozwijać zdolności ludzkie, a ludzie będą bardziej innowacyjni w obsłudze działań strategicznych.
- &
- 2019
- 3d
- zajęcia
- agentów
- AI
- Wszystkie kategorie
- Amazonka
- artykuł
- Asystent
- zautomatyzowane
- Worek słów
- Miliard
- Bot
- boty
- budować
- biznes
- biznes
- wezwanie
- który
- chatbot
- nasze chatboty
- kod
- Kawa
- wspólny
- Mieszanka
- obliczać
- połączenia
- zawartość
- kontynuować
- Rozmowa
- Konwersja
- Koszty:
- COVID-19
- Aktualny
- Zaangażowanie klienta
- doświadczenie klienta
- Zadowolenie klienta
- Obsługa klienta
- Obsługa klienta
- Klientów
- CZ
- dane
- Kreowanie
- deweloperzy
- ZROBIŁ
- dokumenty
- ecommerce
- Inżynierowie
- Enterprise
- itp
- EU
- EV
- doświadczenie
- Doświadczenia
- EY
- FAST
- W końcu
- i terminów, a
- obserwuj
- Nasz formularz
- Naprzód
- Framework
- pełny
- funkcjonować
- przyszłość
- GitHub
- Globalne
- GPU
- Rosnąć
- Wzrost
- Prowadzenie
- tutaj
- Wynajmowanie
- W jaki sposób
- How To
- HP
- hr
- HTTPS
- ia
- przemysłowa
- przemysł
- Informacja
- Infrastruktura
- Innowacyjny
- Insider
- zamiar
- IP
- IT
- JAVASCRIPT
- Klawisz
- Kx
- język
- prowadzić
- nauka
- LG
- Lista
- LP
- uczenie maszynowe
- Dokonywanie
- rynek
- Matrix
- medyczny
- średni
- model
- Język naturalny
- Przetwarzanie języka naturalnego
- Blisko
- sieć
- sieci
- Nerwowy
- sieci neuronowe
- sieci neuronowe
- nlp
- węzły
- oferuje
- omnichannel
- operacje
- Opcje
- Platforma
- teraźniejszość
- Program
- płomień
- ceny
- Przyczyny
- raport
- Rezerwacja
- Zasoby
- odpowiedź
- detaliczny
- bieganie
- sole
- Skala
- Naukowcy
- bezszwowy
- semantyka
- zestaw
- Short
- Prosty
- So
- Strategiczny
- Strategia
- wsparcie
- herbata
- Technologies
- Technologia
- Przyszłość
- czas
- tokenizacja
- Top
- Trening
- Zaufaj
- Aktualizacja
- us
- Wirtualny
- Wirtualny asystent
- wyobrażanie sobie
- Głos
- czekać
- słowa
- rok
- zero