本指南對於計劃開始使用對話式人工智慧或白標聊天機器人的企業以及想要提高人工智慧聊天機器人的回答準確性的企業很有幫助。您會知道為什麼聊天機器人有時無法理解人們的請求，以及如何訓練您的機器人更好地理解人類。
聊天機器人如何像人一樣模擬對話？
如下圖所示，當人們的行為與我們在場景中預測的不同時，一些聊天機器人可以做出反應。
這些聊天機器人由對話式人工智慧提供支持，不僅具有預先定義的流程，而且還具有理解自由語言的能力。除此之外，這些聊天機器人還可以記住對話的上下文和使用者的偏好。他們可以在需要時從一個對話場景跳到另一個場景，並隨時處理隨機的使用者請求。
是什麼讓對話式人工智慧如此具有對話性？
這些對話式 AI 聊天機器人使用自然語言處理 (NLP)來理解人們。當您輸入「Hello」時，NLP 會讓聊天機器人知道您發送了歡迎訊息，在這種情況下，聊天機器人可能會回覆問候語。
如果沒有 NLP，聊天機器人就無法有意義地區分回應，例如「你好」或「我的訂單在哪裡」。 NLP 有助於為基於文字的使用者輸入提供上下文和含義，以便聊天機器人能夠給出最佳回應。
借助 NLP，聊天機器人可以處理我們日常的簡訊問題，例如拼字、語法錯誤和一般語言使用不當。具有 NLP 功能的聊天機器人可以識別拼字和語法錯誤，並在存在錯誤的情況下解釋預期的訊息。
聊天機器人平台通常與 NLP 平台集成，允許將 NLP 實施到聊天機器人中，並透過對話式 AI 為其提供支援。 NLP 幫助聊天機器人分析來自客戶的多種輸入類型，包括文字或音訊輸入（例如來自電話或錄音）。它還可以透過多種方式回應您的客戶，無論是透過文字還是合成語音。
Google、微軟和亞馬遜等主要科技公司提供 NLP 平台作為免費服務，通常聊天機器人平台與其整合。
維特人工智慧
對話流
路易斯
萊克斯
華森
聊天機器人訓練的 NLP 基礎知識
想像一下用戶在聊天機器人中輸入：
為了觸發正確的答案，聊天機器人首先需要了解問題背後的意圖。
意圖
本質上，意圖是使用者在鍵入請求時想要完成的任務。
在我們的例子中，這將是運輸詳細資訊或訂單狀態。如果目前使用者短語不清楚使用者希望透過聊天機器人完成什麼任務，則會出現一個澄清問題。
當使用者輸入一個複雜的問題時，它必須有一些有意義的資訊區塊，以便聊天機器人可以提供具體的答案。這些有意義的區塊是實體。
實體 是使用戶意圖更加明確的關鍵字。如果使用者寫入“顯示我的訂單送貨資訊”或“顯示我的訂單狀態”，則實體為“送貨資訊”和“訂單狀態”。建立實體時，您建立了所謂的實體類型。實體類型定義要從使用者輸入中提取的資訊類型。實體可以是地點、日期、顏色、大小、風味等。
好吧，現在聊天機器人知道用戶的意圖和實體，但對於最終答案，它必須知道上下文才能觸發正確的答案。
背景和觸發因素
上下文的概念與我們所知的自然語言上下文非常相似。它指的是當前用戶短語周圍的數據，填補缺少的連結。定義上下文可以讓機器人「記住」使用者所指的內容，而不僅僅是一個請求。透過定義上下文或觸發器，您可以指定要觸發您的意圖必須滿足的條件。
在我們的例子中，可能有兩種情況會觸發不同的答案：
用戶是否已經提供了他的登入名稱、電子郵件、電話號碼 丹麥 whatsapp 號碼資料 5 萬 或與帳戶相關的任何資訊？
他們已經提供訂單號碼了嗎？
在下圖中，您將看到聊天機器人如何根據不同的上下文做出回應：
現在，您可能很好奇：聊天機器人的訓練從哪裡開始？或者說聊天機器人訓練意味著什麼？當聊天機器人專家談論訓練和改進 NLP 時，他們的意思是讓 AI 聊天機器人理解用戶所說的內容。
使用者短語/使用者說法/使用者表達等。
使用者所說的是使用者可以提出相同問題和/或得到相同答案的所有不同方式。
看看有多少短語只是為了取消訂單：
然而，我們必須強調兩件至關重要的事情：
訓練聊天機器人會有所不同，具體取決於您使用的聊天機器人平台。
在BostCrew 平台上，訓練如下：
2) 訓練聊天機器人也取決於聊天機器人所說的語言。
假設您打算建立一個多語言人工智慧聊天機器人，它可以使用不同語言結構的語言，例如德語和中文。在這種情況下，我們建議與譯者就語言結構以及每個使用者短語存在多少同義詞進行協商。
如何為您的聊天機器人選擇問題
聊天機器人開發的第一步是確定聊天機器人的目標。為聊天機器人選擇問題是此步驟的第一部分。在此步驟中，您應該與您的團隊交談，您計劃使用聊天機器人自動化其工作流程。
客戶支援案例提示
1) 確保您的客戶支援團隊參與其中，以便他們知道您為什麼要自動化、您想要實現什麼目標以及他們的角色是什麼。因為當您的團隊協調一致時，您會驚訝地發現他們在自動化方面會帶來多少偉大且富有創意的想法。你會得到比你自己集思廣益更好的結果，認為身為經理，你知道一切。在談論客戶支援團隊內部的工作流程時，找到不同的方式詢問您的團隊他們每天執行哪些不需要太多個人關注的任務 - 例如將一張票從這裡移動到那裡。
2）當團隊協調一致時，您應該分析收集到的數據。就像最常見的問題一樣，誰是您的客戶，他們更喜歡什麼溝通管道，他們更喜歡與誰溝通，以及當前的工作流程是什麼等等。分析常見問題頁面。檢查您的@support 或@info 收件匣是否有重複要求。想想您的客戶偶然發現的最重複的問題和問題。您的目標是找出客戶和團隊最常見的差距和最重複的障礙。
3）從影響深遠的問題開始自動化。有些人感到驚訝，但在電子商務領域，佔據所有聊天 30% 的第一個問題是訂單狀態。因此，透過自動化此問題，您將消除 30% 的請求。
