Dieser Beitrag bietet einen Überblick über die Funktionsweise des Answer Bots. Behandelte Themen:
Wie verarbeitet der Answer Bot natürliche Sprache?
Der Answer Bot stützt sich auf künstliche Intelligenz. Das heißt, er ist in der Lage, menschliches Verhalten nachzuahmen. Der Answer Bot nutzt Verarbeitung natürlicher Sprache (Natural Language Processing, NLP), um die Beiträge im Help Center zu analysieren und die in ihnen behandelten Konzepte zu verstehen. Anschließend platziert er alle Konzepte aus allen Beiträgen auf einer Karte. Hierbei wird jedem Konzept eine eigene „Adresse“ in der Nähe anderer, ähnlicher Konzepte zugewiesen. Diese Adresse besteht aber nicht nur aus Straße, Postleitzahl und Ort, sondern aus bis zu 500 Teilen. Wenn eine neue Frage eingeht, untersucht der Answer Bot, auf welches Konzept sie sich bezieht, und wählt anhand der Karte den am besten passenden Beitrag heraus.
Aus einer Frage könnte der Answer Bot beispielsweise auf folgende Konzepte schließen:
Frage | Mögliches Konzept |
---|---|
Wie speichere ich meine Tickets in einer Datei? | Exportieren von Daten |
Ich kann mich nicht mehr bei meinem Konto anmelden | Kontozugriff / Kennwort zurücksetzen |
Wie mache ich einen Kranich? | Origami-Vögel falten |
Wie entscheidet die Beitragsempfehlungsfunktion des Answer Bot, welche Beiträge empfohlen werden sollen?
Wenn eine eingehende Frage eng mit einem vorhandenen Beitrag übereinstimmt, werden sie auf der Karte zu Nachbarn (siehe oben), und der Answer Bot erkennt, dass er diesen Beitrag empfehlen sollte. Wenn sich die beste Übereinstimmung jedoch einige Straßen weiter oder in einem benachbarten Viertel befindet, ist es schon nicht mehr ganz so wahrscheinlich, dass die Konzepte etwas miteinander zu tun haben.
Die Datenwissenschaftler von Zendesk überwachen die Leistung des Answer Bots genau und haben ihn im Laufe der Zeit mit dem so genannten „Schwellenwertregler“ präzise angepasst. Dieser Schwellenwert kann nur von den Zendesk-Entwicklungsteams eingestellt werden; Administratoren und Agenten haben keinen Zugriff darauf. Der Schwellenwertregler ist eine globale Steuerung. Er betrifft also alle Answer Bot-Konten und bestimmt, wie nahe zwei Konzepte auf der Karte beieinander liegen müssen, damit sie als ähnliche Konzepte betrachtet werden. Wenn der Schwellenwertregler hochgedreht wird, verhält sich der Answer Bot vorsichtiger und schlägt weniger Beiträge vor, die aber mit höherer Wahrscheinlichkeit für die Frage relevant sind. Das bedeutet zugleich aber auch, dass der Answer Bot bei mehr Fragen überhaupt keine Beitragsvorschläge anzeigt. Wenn der Schwellenwertregler heruntergedreht wird, schlägt der Answer Bot mehr Beiträge vor. Dafür kann es aber häufiger vorkommen, dass einige von ihnen für den Endbenutzer irrelevant sind.
Falsche Vorstellungen, die häufig auftreten: Was der Answer Bot nicht tut
Viele Benutzer haben falsche Vorstellungen von der Funktionsweise des Answer Bots und vom maschinellen Lernen insgesamt. In diesem Abschnitt möchten wir diese Missverständnisse aufklären und darlegen, was der Answer Bot tatsächlich mit Ihren Daten tut – und was nicht.
Zu diesem Zweck wollen wir folgende Fragen beantworten:
- Lernt der Answer Bot aus dem Feedback der Endbenutzer? Ist das nicht Sinn und Zweck des maschinellen Lernens?
- Ist eine durch die KI des Answer Bots unterstützte Suche immer besser als eine Schlüsselwortsuche?
- Kann ich den Answer Bot „trainieren“, indem ich immer wieder dieselbe Frage stelle und die vorgeschlagenen Beiträge mit „Ja“ oder „Nein“ als relevant oder irrelevant kennzeichne?
- Ist das Hinzufügen von Labels zu Beiträgen dasselbe wie das Hinzufügen von Stichwörtern? Kann ich auf diese Weise dafür sorgen, dass ein Beitrag häufiger vorgeschlagen wird?
- Wenn ich mit der Schaltfläche „Antworten verbessern“ nichts bewirken kann, welche Möglichkeiten habe ich dann, die Leistung des Answer Bots zu verbessern?
Lernt der Answer Bot aus dem Feedback der Endbenutzer? Ist das nicht Sinn und Zweck des maschinellen Lernens?
Der Answer Bot basiert auf einem Machine-Learning-Modell, doch das heißt nicht, dass er ständig dazulernt. Das Answer Bot-Modell ist nicht dafür ausgelegt, Feedback der Endbenutzer oder Agenten in Echtzeit umzusetzen. Das Feedback hat also keinen Einfluss auf die Beitragsvorschläge des Answer Bots.
Das Feedback der Endbenutzer wird erfasst und auf verschiedene Weise genutzt:
- Es dient den Agenten als zusätzlicher Kontext, der zeigt, welche Beiträge aufgerufen und als „nicht hilfreich“ markiert oder für die Lösung eines Problems verwendet wurden.
- Es fließt in Berichte ein, mit deren Hilfe Administratoren die Leistung des Answer Bots verfolgen können.
- Es wird von den Zendesk-Datenwissenschaftlern ausgewertet.
Wenn Sie feststellen, dass der Answer Bot wiederholt unpassende Beiträge vorschlägt, ändern Sie am besten den Titel und die ersten 75 Wörter der Beiträge und machen Sie deutlicher, worum es geht. Sie können auch mithilfe von Labels eine Liste mit Beiträgen für den Answer Bot erstellen, aus denen er seine Vorschläge auswählt.
Ist eine durch die Answer Bot-KI unterstützte Suche immer besser als eine Schlüsselwortsuche?
Insgesamt haben wir festgestellt, dass die KI-gestützten Empfehlungen des Answer Bots präziser und relevanter sind als die Ergebnisse einer Stichwortsuche. Dies gilt vor allem dann, wenn die Frage in Form eines ganzen Satzes gestellt wird (und nicht lediglich aus einem bis drei Wörtern besteht).
Es gibt aber auch Situationen, in denen eine Stichwortsuche unter Umständen besser funktioniert. Wenn ein Benutzer beispielsweise über das Web Widget (Classic) eine Ein-Wort-Frage stellt, führt der Answer Bot standardmäßig eine Stichwortsuche durch, da diese in einem solchen Fall meist präziser ist. Ausgenommen hiervon sind Chinesisch und andere Sprachen, die keine expliziten Wortbegrenzungen wie Leerzeichen kennen.
Kann ich den Answer Bot „trainieren“, indem ich immer wieder dieselbe Frage stelle und die vorgeschlagenen Beiträge mit „Ja“ oder „Nein“ als relevant oder irrelevant kennzeichne?
Nein. Der Answer Bot schlägt ungeachtet der Rückmeldungen von Agenten oder Endbenutzern immer dieselben Beiträge vor. Der Answer Bot ist so konzipiert, dass er vor der Inbetriebnahme nicht speziell trainiert werden muss. Er ist von Haus aus darauf trainiert, natürliche Sprache zu verstehen. Wenn Sie eine Phrase/Frage testen und der Answer Bot unpassende Beiträge vorschlägt, ändern Sie am besten den Titel und die ersten 75 Wörter der Beiträge, und machen Sie deutlicher, worum es geht.
Ist das Hinzufügen von Labels zu Beiträgen dasselbe wie das Hinzufügen von Stichwörtern? Kann ich auf diese Weise dafür sorgen, dass ein Beitrag häufiger vorgeschlagen wird?
Labels sind eine gute Möglichkeit, eine Liste mit genehmigten Beiträgen zu erstellen, aus denen der Answer Bot seine Vorschläge auswählen kann. Allerdings haben die Labels keinen Einfluss darauf, wie der Answer Bot die einzelnen Beiträge gewichtet. Weitere Informationen finden Sie in diesem Beitrag.
Wenn ich mit der Schaltfläche „Antworten verbessern“ nichts bewirken kann, welche Möglichkeiten habe ich dann, die Leistung des Answer Bots zu verbessern?
Sie haben folgende Möglichkeiten, die Leistung des Answer Bots zu verbessern:
- Analysieren Sie Ihre Answer Bot-Aktivität – Nutzen Sie Explore, um festzustellen, welche Beiträge am besten und welche um schlechtesten abschneiden.
- Überprüfen Sie die Struktur der vorhandenen Beiträge – Sehen Sie sich Ihre Help-Center-Beiträge an und stellen Sie sicher, dass die Inhalte prägnant und gut organisiert sind. Alle Titel sollten in Form eines kurzen Satzes oder einer Frage formuliert sein.
- Content Cues – Nutzen Sie die Machine-Learning-Technologie und Guide-Beitragsnutzungsdaten, um festzustellen, wie Sie Ihre Wissensdatenbank verbessern können.
0 Kommentare
Bitte melden Sie sich an, um einen Kommentar zu hinterlassen.