Как настроить IBM Watson Assistant для извлечения усилий клиентов
И добавление визуализации данных с помощью Jupyter Notebooks
Введение
Что такое трудозатраты клиентов и как их можно измерить по разговорам с чат-ботами?
И как можно устранение неоднозначности улучшить работу с клиентами?
Кроме того, можно ли использовать автоматическое обучение для улучшения усилий клиентов с течением времени?
Ниже вы найдете объяснение того, каковы усилия клиентов.
И полное руководство по извлечению усилий клиентов из вашего чат-бота IBM Watson Assistant.
Настройка вашего навыка
После того, как вы создали свой навык, вам нужно будет связать его с помощником, чтобы собрать все компоненты вместе.
После создания навыка перейдите в Параметры в консоли IBM Watson Assistant. Здесь вам нужно активировать Устранение неоднозначности. Вы можете установить сообщение о неоднозначности, закрывающую или последнюю опцию, а также количество предлагаемых опций, которые вы хотите представить.
Впоследствии необходимо активировать Автообучение. Здесь вы ссылаетесь на Ассистента, а не на навык. Но привязать навык к помощнику - это просто административная задача.
Автообучение можно активировать одним щелчком мыши.
Простой прототип
Вот взгляд на простой прототип навыка, который я построил для проверки усилий клиентов. Во-первых, есть четыре намерения, и все они связаны с банковским делом. Я сделал их очень похожими, чтобы вызвать неоднозначность и, следовательно, активировать функцию устранения неоднозначности.
Затем определяется базовая структура диалога. Каждому из намерений назначен узел диалога.
Следующим шагом будет взаимодействие с вашим ботом и создание данных для разговора. Я намеренно постоянно вводил неоднозначные высказывания, чтобы вызвать меню разрешения неоднозначности. Но я был очень последователен в том, какой вариант я выбрал для связи с высказыванием.
Один из примеров: я ввел фразу выплата ссуды, продолжая выбирать в меню пункт Оплатить. Со временем этот пункт переместился вверх в списке к первому варианту. Итак, это один из примеров, когда я улучшил (причем искусственно) усилия клиента, чтобы добраться до меню Pay.
Но идея заключалась в том, чтобы создать данные, с которыми мы можем работать.
Затем вы можете открыть блокнот Jupyter в браузере…
Выберите для классической записной книжки
Затем вы можете открыть эту страницу GitHub на отдельной вкладке, чтобы скопировать и вставить команды.
Вставив фрагмент кода, нажмите Выполнить. Все должно работать успешно. Не запускайте слишком большие куски кода…
Единственная трудность, с которой вы можете столкнуться, - это подключиться к настройкам API Ассистента. Следуйте стандарту на изображении ниже. Найти apikey и другие идентификаторы в консоли Watson Assistant Console несложно.
Если вы видите текст ниже, вы успешно подключились к своему помощнику.
Извлечение журналов устранения неоднозначности из кода 8 разговоров…
disambiguation_utterances = extract_disambiguation_utterances(df_formatted)
И результат:
Клики против усилий и эффект автообучения….
show_click_vs_effort(disambiguation_utterances, interval='5-minute')
И результат:
Узлы, требующие максимальных усилий со стороны клиентов…
show_top_node_effort(disambiguation_utterances, top=10, assistant_nodes=assistant_nodes)
И результат:
Затраты клиента на узел диалога с течением времени…
show_node_effort(disambiguation_utterances, assistant_nodes, interval='5-minute')
И результат:
Выберите высказывание для усилий клиента…
show_input_effort(disambiguation_utterances, top=20, interval='5-minute')
И результат:
Тепловая карта узлов диалогового окна…
# Select nodes appearing in the top co-occurred node pair TOP_N_NODE_PAIR = 30 selected_nodes = pd.unique(top_confused_pairs.head(TOP_N_NODE_PAIR)[['Node A', 'Node B']].values.ravel()) selected_matrix = cooccurrence_matrix[selected_nodes].loc[selected_nodes]# Select all nodes # selected_matrix = cooccurrence_matrixshow_cooccured_heatmap(selected_matrix)
И результат:
Вывод
Вы можете поэкспериментировать с другими командами, а также можете создавать свои собственные или редактировать существующие.
Объединяя эти три элемента:
- Устранение неоднозначности
- Автоматическое обучение
- Усилия клиентов
делает для взвешенного и ориентированного на пользователя непрерывного улучшения пользовательского опыта.
«Подпишитесь на мою рассылку.
NLP / NLU, чат-боты, голос, разговорный интерфейс / пользовательский интерфейс, CX Designer, разработчик, универсальные пользовательские интерфейсы, окружающий… cobusgreyling. меня"