Как настроить IBM Watson Assistant для извлечения усилий клиентов

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.