| Suite | Beliebiger Plan |
Dieser Beitrag enthält die folgenden Themen:
- Wie wird natürliche Sprache verarbeitet?
- Wie werden Beiträge für Empfehlungen ausgewählt?
- Häufige Missverständnisse
Verwandte Beiträge:
Wie wird natürliche Sprache verarbeitet?
AI Agents verwenden künstliche Intelligenz, um Beiträge zu bewerten. Sie sind also in der Lage, menschliches Verhalten nachzuahmen. Der AI Agent nutzt linguistische Datenverarbeitung (LDV), um die Beiträge in Ihrem Help Center zu lesen und auf ihre zentralen Konzepte hin zu untersuchen. 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 AI Agent, auf welches Konzept sie sich bezieht, und wählt anhand der Karte den am besten passenden Beitrag aus.
Hier einige Beispiele für Fragen und aus ihnen abgeleitete Konzepte:
| 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 |
Damit der AI Agent die in einer E-Mail verwendete Sprache automatisch erkennen kann, wird der Betreff mit der Beschreibung kombiniert und eine Sprachprognose verwendet. Dies kann dazu führen, dass die Vorschläge in einer Sprache angezeigt werden, die nicht mit der im Profil des Endbenutzers eingestellten Sprache übereinstimmt.
Wie werden Beiträge für Empfehlungen ausgewählt?
Wenn eine eingehende Frage eng mit einem vorhandenen Beitrag übereinstimmt, werden sie auf der Karte zu „Nachbarn“ (siehe oben), und der AI Agent 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 diesen Prozess sehr genau und haben ihn im Lauf der Zeit mit einem 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 Konten und bestimmt, wie nahe zwei Konzepte auf der Karte beieinander liegen müssen, damit sie als ähnliche Konzepte betrachtet werden.
Wenn der Schwellenwertregler höher gestellt wird, verhält sich der AI Agent vorsichtiger und empfiehlt weniger Beiträge, aber die Empfehlungen sind mit höherer Wahrscheinlichkeit für die Frage relevant. Das bedeutet zugleich aber auch, dass bei mehr Fragen überhaupt keine empfohlenen Beiträge oder Help-Center-Inhalte angezeigt werden. Bei niedrigerem Schwellenwertregler werden mehr Inhalte präsentiert, die aber weniger Relevanz für den Endbenutzer haben.
Häufige Missverständnisse
Viele Benutzer haben falsche Vorstellungen, die zu Missverständnissen führen können. In diesem Beitrag möchten wir auf diese Missverständnisse eingehen und hoffen, sie damit ausräumen zu können.
- Lernt der AI Agent aus dem Feedback der Endbenutzer? Ist das nicht Sinn und Zweck des maschinellen Lernens?
- Ist eine KI-gestützte Suche immer besser als eine Schlüsselwortsuche?
- Kann ich den AI Agent „trainieren“, indem ich immer wieder dieselbe Frage stelle und die empfohlenen 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 erreichen kann, welche Möglichkeiten habe ich dann, die Leistung des Bots zu verbessern?
Lernt der AI Agent aus dem Feedback der Endbenutzer? Ist das nicht Sinn und Zweck des maschinellen Lernens?
Der AI Agent basiert zwar auf einem Machine-Learning-Modell, aber das heißt nicht, dass er ständig dazulernt. Das Modell ist nicht dafür ausgelegt, Feedback der Endbenutzer oder Agenten in Echtzeit umzusetzen. Das Feedback hat also keinen Einfluss darauf, welche Beiträge empfohlen werden.
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 Bots verfolgen können.
- Es wird von den Zendesk-Datenwissenschaftlern ausgewertet.
Wenn Sie feststellen, dass wiederholt unpassende Beiträge empfohlen werden, 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 von Beiträgen erstellen, aus denen der Bot seine Vorschläge auswählt.
Ist eine KI-gestützte Suche immer besser als eine Schlüsselwortsuche?
Insgesamt sind KI-gestützte Beitragsempfehlungen präziser und relevanter 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).
Kann ich den AI Agent „trainieren“, indem ich immer wieder dieselbe Frage stelle und die empfohlenen Beiträge mit „Ja“ oder „Nein“ als relevant oder irrelevant kennzeichne?
Nein. Der AI Agent schlägt ungeachtet der Rückmeldungen von Agenten oder Endbenutzern immer dieselben Beiträge vor. Er ist so konzipiert, dass er vor seiner Inbetriebnahme nicht speziell trainiert werden muss. Er ist von Haus aus darauf trainiert, natürliche Sprache zu verstehen. Wenn Sie eine Phrase oder Frage testen und der 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 von genehmigten Beiträgen zu erstellen, aus der der Bot seine Empfehlungen auswählen kann. Allerdings haben die Labels keinen Einfluss auf die Gewichtung der einzelnen Beiträge. Weitere Informationen finden Sie unter Best Practices: Verwenden von Labels zur Optimierung der Beitragsempfehlungen.
Wenn ich mit der Schaltfläche „Antworten verbessern“ nichts erreichen kann, welche Möglichkeiten habe ich dann, die Leistung des Bots zu verbessern?
Sie haben folgende Möglichkeiten, die Leistung des AI Agent zu verbessern:
- Überwachen der automatischen Antworten mit Beiträgen: Ermitteln Sie mit Explore, welche Beiträge am besten und welche am 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.
- Verwenden Sie Content Cues: Nutzen Sie Machine-Learning-Technologien und Daten zur Nutzung von Beiträgen, um festzustellen, wo und wie Sie den Zustand Ihrer Wissensdatenbank weiter verbessern können.
0 Kommentare