Cet article explique comment les réponses automatiques et les bots de conversation fonctionnent avec votre centre d’aide pour présenter du contenu pertinent aux utilisateurs.
Cet article aborde les sujets suivants :
Comment est traité le langage naturel ?
Le bot utilise l’intelligence artificielle pour évaluer les articles, ce qui veut dire qu’il imite le comporte humain. Le bot utilise NLP (Natural Language Processing) pour lire chaque article de votre centre d’aide et comprendre le concept principal derrière chacun d’entre eux. Il organise alors les concepts de tous les articles sur une carte. Chaque concept a sa propre « adresse » sur la carte et est placé près d’autres concepts similaires. Mais à la place d’une adresse, d’une ville et d’un code postal, cette adresse contient 500 composants. Quand il reçoit une question, le bot essaie de comprendre sur quel concept porte la question et utilise la carte pour identifier l’article le plus adapté.
Voici quelques exemples de concepts que le bot pourrait extraire de questions qu’il reçoit :
| Question | Concept possible |
|---|---|
| Comment placer mes tickets dans un fichier ? | Exportation de données |
| Mon compte est verrouillé | Accès au compte / Réinitialisation du mot de passe |
| Comment créer une grue ? | Origamis |
Remarque – Answer Bot détecte automatiquement la langue utilisée dans un e-mail en combinant le sujet et la description et en utilisant la prédiction de la langue. Par conséquent, il peut arriver que les suggestions Answer Bot apparaissent dans une langue différente de celle définie dans le profil de l’utilisateur final.
Comment les articles sont-ils sélectionnés pour les recommandations ?
Quand une question est très proche d’un article existant, ils deviennent « voisins » sur la carte (comme expliqué ci-dessus) et il est clair que le bot devrait recommander cet article. Mais quand la correspondance la plus proche est à quelques rues de distance ou dans un quartier voisin, il est moins sûr que les concepts soient liés.
L’équipe de science des données de Zendesk assure une surveillance continue et a travaillé sur cette problématique en ajustant une « manette de seuil ». Ce seuil ne peut pas être modifié par l’administrateur ou les agents, seules les équipes de développement de Zendesk y ont accès. La manette de seuil est un contrôle global, ce qui signifie qu’elle affecte tous les comptes. Elle sert à déterminer à quel point deux concepts doivent être proches sur la carte pour être considérés comme des concepts similaires.
Quand ce seuil monte, le bot devient plus prudent et recommande moins d’articles, mais les recommandations sont plus susceptibles d’être pertinentes. Cependant, cela signifie aussi qu’il y aura plus de questions sans articles recommandés ou contenu du centre d’aide. Quand ce seuil baisse, le bot présente plus de contenu, mais il est moins susceptible d’être pertinent.
Idées reçues courantes
Certaines idées reçues courantes peuvent prêter à confusion. Dans cette section, nous allons en parler et essayer d’éclaircir les choses.
- Le bot apprend-il des commentaires des utilisateurs finaux ? Est-ce là que le machine learning entre en jeu ?
- La recherche fondée sur l’IA est-elle toujours supérieure à une recherche par mots-clés ?
- Puis-je « former » le bot en posant la même question plusieurs fois et en répondant par oui ou par non pour marquer un article comme pertinent ou non ?
- Si j’ajoute des libellés à mes articles, est-ce la même chose qu’ajouter un mot-clé à un article ? Puis-je le faire pour qu’un article soit suggéré plus souvent ?
- Si je ne peux pas utiliser le bouton Améliorer les réponses pour améliorer les performances, comment puis-je améliorer les performances ?
Le bot apprend-il des commentaires des utilisateurs finaux ? Est-ce là que le machine learning entre en jeu ?
Bien que le bot utilise un modèle de machine learning, cela ne veut pas dire que le bot apprend en permanence. Le modèle n’incorpore pas les commentaires des utilisateurs ou des agents en temps réel. Ces commentaires n’influencent donc pas les articles recommandés.
Les commentaires des utilisateurs finaux sont capturés et utilisés de diverses façons :
- Ils sont présentés aux agents pour leur fournir des informations contextuelles supplémentaires au sujet des articles qui ont été consultés, marqués comme inutiles ou utilisés pour résoudre un problème.
- Ils sont présentés dans des rapports destinés aux administrateurs pour permettre le suivi des performances.
- Ils sont évalués par l’équipe de science des données de Zendesk.
Si vous vous rendez compte que le bot recommande souvent des articles incorrects, nous vous conseillons de modifier le titre et les 75 premiers mots des articles pour que le concept principal soit plus clair. Vous pouvez aussi créer une liste d’articles en utilisant des libellés pour que les suggestions ne proviennent que d’un sous-ensemble d’articles.
La recherche fondée sur l’IA est-elle toujours supérieure à une recherche par mots-clés ?
Globalement, les recommandations optimisées par l’IA semblent plus précises et plus pertinentes que celles qui résultent d’une recherche de mots-clés, surtout quand la question est posée sous la forme d’une phrase complète (au lieu d’un à trois mots).
Puis-je « former » le bot en posant la même question plusieurs fois et en répondant par oui ou par non pour marquer un article comme pertinent ou non ?
Non, le bot recommandera toujours les mêmes articles, quels que soient les commentaires des agents et des utilisateurs. Il est conçu de façon à ne pas avoir à être formé pour commencer. Il est déjà formé pour comprendre le langage naturel. Si vous testez une expression ou une question et si le bot recommande des articles incorrects, nous vous conseillons de modifier le titre et les 75 premiers mots des articles pour que le concept principal soit plus clair.
Si j’ajoute des libellés à mes articles, est-ce la même chose qu’ajouter un mot-clé à un article ? Puis-je le faire pour qu’un article soit suggéré plus souvent ?
Les libellés sont un excellent moyen de créer une liste d’articles approuvés à utiliser. Cependant, ces libellés n’influencent pas le poids de chaque article. Consultez utilisation des libellés dans les déclencheurs de réponses automatiques.
Si je ne peux pas utiliser le bouton Améliorer les réponses pour améliorer les performances, comment puis-je améliorer les performances ?
Pour améliorer les performances du bot, voici ce que nous vous conseillons :
- Surveillez l’activité de vos réponses automatiques : utilisez Explore pour identifier les articles les plus et les moins efficaces.
- Vérifiez la structure des articles existants : regardez les articles de votre centre d’aide et vérifiez que leur contenu est concis et bien organisé. Chaque titre doit prendre la forme d’une question ou d’une phrase courte.
- Utilisez les suggestions de contenu : utilisez la technologie de machine learning et les données d’utilisation des articles pour vous aider à découvrir des opportunités et des tâches qui amélioreront votre base de connaissances.