Este artigo oferece uma visão geral de alto nível de como as respostas automáticas ou um bot de conversa funcionam com o seu conteúdo para recomendar artigos ou apresentar conteúdo da central de ajuda em recursos do agente de IA, como respostas automáticas com artigos e respostas automáticas com base em triagem inteligente.
Este artigo inclui os tópicos a seguir:
Como a linguagem natural é processada?
O bot usa inteligência artificial para avaliar artigos, o que significa que é capaz de imitar o comportamento humano. O bot usa processamento de linguagem natural (NLP) para ler cada artigo na central de ajuda e entender o principal conceito deles. Então, o bot pega todos os conceitos dos artigos e os coloca em um mapa. Cada conceito recebe um “endereço” próprio no mapa para que conceitos similares fiquem próximos. No entanto, ao invés de apenas cidade, rua e CEP, o endereço tem 500 partes. Sempre que uma nova pergunta é recebida, o bot se esforça para entender o conceito dela e usa o mapa para determinar o artigo mais próximo.
Por exemplo, aqui estão alguns conceitos que podem ser extraídos de algumas perguntas.
Pergunta | Conceito possível |
---|---|
Como reúno meus tickets em um arquivo? | Exportação de dados |
Perdi o acesso à minha conta | Acesso à conta/redefinição de senha |
Como crio um cisne? | Dobraduras de pássaros de origami |
Como os artigos são selecionados para recomendações?
Quando a pergunta recebida tem uma boa correspondência com um artigo existente, eles se tornam “vizinhos” no mapa (conforme descrito acima) e fica claro que o bot deve recomendar esse artigo. No entanto, quando a correspondência está a algumas ruas de distância ou no bairro vizinho, ele tem menos certeza da relação dos conceitos.
A equipe de ciência de dados da Zendesk monitora atentamente e lapida esse comportamento ao longo do tempo ajustando o “botão de limite”. Esse limite não pode ser ajustado por administradores nem agentes, podendo ser acessado somente por equipes de desenvolvimento da Zendesk. O botão de limite é um controle global, o que significa que afeta todas as contas. Ele é usado para determinar a proximidade de dois conceitos no mapa para que sejam considerados semelhantes.
Se o botão aumenta o limite, o bot fica mais cauteloso e recomenda menos artigos que podem ser relevantes para a pergunta. No entanto, isso significa que também haverá mais perguntas sem recomendações de artigos nem conteúdo da central de ajuda. Se o limite é diminuído, mais artigos serão referenciados, mas é mais provável que alguns sejam irrelevantes para o usuário final.
Equívocos comuns
Há alguns equívocos comuns que podem causar confusão. Nesta seção, vamos abordá-los e esclarecer alguns conceitos.
- O bot aprende com base no feedback de usuários finais? Não é nessa área que o machine learning atua?
- A pesquisa com inteligência artificial é sempre melhor do que uma pesquisa por palavra-chave?
- Posso “treinar” o bot fazendo a mesma pergunta várias vezes e respondendo com “Sim” e “Não” para marcar um artigo como relevante ou irrelevante?
- Se eu adicionar rótulos aos meus artigos, eles funcionam como palavras-chave? Posso fazer isso para impulsionar a sugestão de um artigo?
- Se eu não posso usar o botão “Melhorar respostas” para melhorar o desempenho, então como posso fazer isso?
O bot aprende com base no feedback de usuários finais? Não é nessa área que o machine learning atua?
Ainda que o bot use um modelo de machine learning, isso não significa que ele está sempre aprendendo. O modelo não incorpora feedback em tempo real de usuários finais ou agentes. Portanto, o feedback não influencia os artigos que são recomendados.
O feedback do usuário final é coletado e usado em alguns dias.
- Ele é exibido para os agentes para fornecer mais contexto sobre os artigos visualizados, marcados como não sendo úteis ou utilizados para resolver o caso
- Ele aparece em relatórios para que os administradores monitorem o desempenho
- Ele é avaliado pela equipe de ciência de dados da Zendesk
Se você perceber artigos incorretos estão sendo recomendados repetidamente, modifique os títulos e as primeiras 75 palavras dos artigos para esclarecer o principal conceito deles. Você também pode criar uma lista dos artigos usando rótulos para que as sugestões venham apenas de um subconjunto de artigos.
A pesquisa com inteligência artificial é sempre melhor do que uma pesquisa por palavra-chave?
No geral, as recomendações de artigos viabilizadas por IA são mais precisas e relevantes do que as pesquisas por palavra-chave, especialmente quando a pergunta é uma frase completa, em vez de apenas duas ou três palavras.
Posso “treinar” o bot fazendo a mesma pergunta várias vezes e respondendo com “Sim” e “Não” para marcar um artigo como relevante ou irrelevante?
Não. O bot recomendará os mesmos artigos independentemente do feedback de agentes e usuários finais. O bot foi projetado para não precisar de treinamento para começar. Ele já é pré-treinado para entender linguagem natural. Se você testar uma frase ou pergunta e os artigos incorretos forem recomendados, modifique o título e as primeiras 75 palavras do artigo para esclarecer o principal conceito dele.
Se eu adicionar rótulos aos meus artigos, eles funcionam como palavras-chave? Posso fazer isso para impulsionar a sugestão de um artigo?
Os rótulos são uma ótima maneira de criar uma lista de artigos aprovados para uso. No entanto, os rótulos não influenciam o peso atribuído a cada artigo. Consulte Uso de rótulos nos gatilhos de respostas automáticas.
Se eu não posso usar o botão “Melhorar respostas” para melhorar o desempenho, então como posso fazer isso?
A melhor maneira de melhorar o desempenho do bot é levando o seguinte em consideração:
- Monitore a atividade das respostas automáticas: use o Explore para ver quais artigos têm o melhor ou pior desempenho.
- Considere a estrutura dos artigos existentes: analise os artigos da central de ajuda e certifique-se de o conteúdo é conciso e organizado. Cada título deve ser uma frase ou pergunta curta.
- Use as dicas de conteúdo: use a tecnologia de machine learning e os dados de uso de artigos para ajudar você a descobrir oportunidades e tarefas que aprimorarão a integridade da base de conhecimento.