Чому хорошим чат-ботам потрібен контекст, а не потоки на основі дерева

Мітка часу: 1 листопада 2021 р., 9:28
Вихідний вузол: 1352945

У прикладі ви бажаєте відвідати атракціон і хочете дізнатися, скільки коштують вхідні квитки, тому ви запитуєте,

Дивно, але чат-бот не знав відповіді, незважаючи на відповідну інтеграцію API.

З невеликими вказівками чат-бот перенаправляє вас до керованого (на основі правил) потоку розмови. Це передбачає, що ви повинні сказати "Придбати квиткиспочатку ", а потім"Ціни на квитки", і, нарешті "Хмарний ліс», щоб отримати відповідь.

Ще не зовсім близько.

Переважна більшість віртуальних агентів використовує модель розуміння природної мови (NLU), але користувачі все ще затримуються неприродними діалогами.

Не можна просто пояснити інтелект чат-бота, сказавши, що одна платформа НЛП краща чи гірша за іншу. Це зручна причина, але не в даному випадку. чому Мета добре навченої моделі NLU – допомогти зіставити вхід (висловлювання користувача) з виходом (намір користувача). Наприклад, обидва «Відправте піцу з куркою каррі на Саншайн-авеню, 20» та «Я хочу рибу з картоплею картоплею» посилайтеся на той самий намір «Замовлення їжі».

Однак на цьому виявлення наміру закінчується. Як дизайнер розмов або розробник, ви повинні враховувати, що відбувається після виявлення наміру. Це називається контекст дати якомога більше прямої відповіді.

У реальному житті, якщо ви з другом нарешті зустрілися після місяців ізоляції, усі моменти останньої поїздки, які ви обоє пам’ятаєте, формують контекст. Він має певні параметри, такі як назви міст і людей, яких ви зустрічаєте на шляху. Контекст також швидко псується, а це означає, що святкові моменти до COVID-19 не є першочерговим завданням, якщо ви з другом зустрічалися кілька разів і говорили про інші речі.

Коли ви програмуєте чат-ботів, ви можете щось зробити з конкретною інформацією, яку вимовляє користувач. Наприклад, гарною ідеєю для вашого віртуального агента є проактивне вилучення назви страви та адреси доставки під час сеансу розмови та встановлення стану пам’яті (контексту). Бот не повинен запитувати ту саму інформацію, коли користувач уже сказав її на шляху.

На жаль, деякі чат-боти сьогодні не можуть запам’ятати важливі параметри для ведення корисного діалогу з користувачем, якому зрештою доведеться повторювати критичні деталі чат-боту, щоб допомогти йому.

Ось кілька можливостей:

  1. Проектування щасливих шляхів лише за допомогою деревоподібних інструментів проектування розмов у деяких програмах із низьким кодом
  2. Розглядати наміри як повороти або контрольні точки в потоці, а не цілі, які клієнт має на увазі
  3. Представлення інженерам програмного забезпечення розмовних карт чи блок-схем без специфікацій щодо виправлення помилок користувача та обходу чату
  4. Виникають труднощі з врахуванням великих перестановок у нелінійній програмі, на відміну від веб-програми або програми для мобільних пристроїв із кінцевими потоками до станів успіху/невдачі

Цього разу чат-бот витягує сутності, які він шукає в намірі запиту ціни квитка. Це учасники та атракціон. Оскільки є достатньо даних для пошуку цін на квитки, чат-бот надає кілька відповідних багатих карток.

Нібито ви зробили помилку. Виправте помилку, сказавши

Замість резервного варіанту («Вибачте, я не зрозумів»), повідомлення призводить до наміру на основі параметрів. Чат-бот уже запам’ятав ваш улюблений сайт і тепер обліковує лише інформацію про нових учасників. Він також знає, що ви перебуваєте в стані запиту ціни квитка, тому, не вимагаючи від вас повторення, він повідомляє вам нову загальну ціну.

Ви продовжуєте згадувати, що ви місцевий житель.

Знову ж таки, без необхідності повторювати місце розваги та кількість людей і змінювати поточну тему розмови, чат-бот шукає ціни на квитки на основі всієї оновленої зібраної інформації. Успіх!

Source: https://chatbotslife.com/why-good-chatbots-need-context-not-tree-based-flows-f083db0ed635?source=rss—-a49517e4c30b—4

Часова мітка:

Більше від Життя чат-ботів