考虑在联络中心内实现NLP 需要了解这些知识

来源:
浏览次数: 155

  “联络中心的人工智能:了解基本知识”,使用自然语言处理(NLP)与客户进行对话,是在一个联络中心最有效地使用人工智能的方法。NLP支持了网络聊天机器人、语音助手增强IVR功能以及语音计算接口(如Alexa等虚拟助理)的对话式人工智能,这是理解现代联络中心的关键技术。

考虑在联络中心内实现NLP 需要了解这些知识
  NLP包括两个组成部分:自然语言理解(NLU)和自然语言生成(NLG)。NLU将自然语言输入映射成有用的表示,用于处理和分析,而NLG则将表示转换成自然语言。
  在某些方面,这些技术已经过时了。1972年,计算机科学家罗伯特·默瑟(RobertMercer)和彼得·布朗(Peter Brown)提交了他们的第一个NLP相关专利申请。但随着可负担得起的高性能计算平台的出现,这些技术现在可以快速地支持实时响应,以实现舒适的人机交互,并可用于客户参与。在实际操作中,这意味着在不到300毫秒的时间内提供会话响应的能力。
  如果会话接口是你的目标,那么你应该NLU和NLG一起使用。但是,你仍然可以在单独使用这些组件时找到实用程序。例如,要求IVR将资金从一个帐户转移到另一个帐户只需要NLU。音频确认需要NLG。
  理解NLU
  以下是对NLU平台一些功能的描述。
  辨别意图:客户的意图可以通过处理一个完整的话语来辨别。然而,在客户参与环境中,语法完整的句子并不是常见的,因此你需要使用上下文和元数据元素来管理会话,从而获得成功的结论。例如,当试图检索股票报价时,客户可能会问:“告诉我现在的字母表交易是多少?”这台机器捕捉到了这些信息,应用了语境理解,并做出回应:“字母表的交易价格是1055.82美元。”客户的意图是检索股票报价。
  消除歧义:与其他形式的会话AI相比,客户约定不太容易产生不确定性,因此往往不需要经常消除歧义。这是因为交互关注的是一组客户属性、产品或服务,而不是整个宇宙。这并不意味着客户永远不会说一些模棱两可或矛盾的东西,比如“把我的订单发到我的家庭地址,不,让我再想想,请把它发到我的工作地址。”这使得机器可以消除混淆的消息传递。在这种情况下,你需要你的人工智能助手来背书确认:“只是确认一下,你是想把你的订单发到你的工作地址吗?”此确认步骤将为机器提供正确的确认,这可以用来防止在机器学习过程中产生进一步的误解。
  术语提取:每个行业都有一些独特的术语。科技行业更是如此,一个例子就是电话中的“端口”。如果客户想把电话号码从一个手机移动到另一个手机,他可能会说:“请将电话号码410-555-1212从T-Mo发送到下面的SIM卡123-4545-4545-9865.”有了正确的理解,机器将从这个句子中提取单词“port”和SIM值,这样它就可以执行一个机器人程序,将数字移动到新的SIM卡上。类似地,机器将知道“T-Mo”是指载波T-Mobile,并将开始接触,所以数字会被释放到新的载体上。
  翻译:在客户参与环境中使用翻译通常不是一个好主意。相反,最好的选择是选择一个处理语言的NLU/NLG解决方案。例如,将客户的请求从德语翻译成英语,然后用英语处理回复,并将其翻译成德语,这不是好的方法。
  解析:NLP解析的一个流行的例子是对句子的解释:“我看见一个拿着望远镜的女孩。”是我用望远镜去看那个女孩,还是我看到的那个拿着望远镜的女孩?客户约定很少需要解析语句来确定意义,因此,提出一个示例是很困难的。因此,一个解析算法比一个必须拥有的NLP特性更适合于客户参与平台。
  词干:这个过程是用来解释错误的或读错的单词,以及缩短程序来理解意图所需的时间。考虑如下:“我想转移资金(I want to have funds transferred)。”'转移(transferred)'的词干是“转移(transfer)”。如果你调优机器以考虑所有形式的“转移”,那么你就可以节省时间,不必手工编写每一单词的所有形式。
  命名实体提取:之前在我的股票交易示例中涉及到理解意图。在客户询问字母表的股票价格后,他可能会说:“亚马逊怎么样?”这台机器维护了语境,并说:“亚马逊的交易价格是1522.32美元。”“亚马逊怎么样?”可能不是指股票价格,而是关于亚马逊雨林信息的查询请求。通过使用命名实体提取,机器能够提供与会话上下文匹配的响应。
  一些NLP解决方案提供了公开使用的命名实体的详细列表,例如在我的示例中使用的公司名称,但是其他的没有。即使有一个提供的列表,你的业务中的命名实体可能与其他实体不同,因此你需要特别注意构建你的列表。除了公司名称,命名实体列表还应该包括产品、城市、国家、供应商和流程的名称,包括任何可能出现的命名实体,并帮助机器在客户交互过程中提供更快、更准确的响应。
  主题分割:建立一个传统的知识库涉及到一个手工的过程来处理内容和确定主题和子主题。NLP解决方案可以通过一个主题细分过程自动化这个工作,这个过程决定了文档的哪个部分适用于特定的客户请求。为了达到速度的目的,最好提前执行主题分割,并在所有知识内容上生成标记,这样你的机器就能在客户请求时更快地呈现正确的知识。
  辨别情绪:情绪分析在联络中心有很多用途。作为一个提供管理解决方案的关键,很难复制。分析单词和标点可以帮助确定文本交互中的情绪。语音交互在情感分析中增加音高和音量,而视频接口则将面部表情引入分析。一些供应商提供上述所有的服务,但许多供应商没有。如果你对情绪分析感兴趣,那么一定要了解你选择的供应商在这方面的能力。
考虑在联络中心内实现NLP 需要了解这些知识
  内容总结:总结是客户参与环境中一个有趣的工具。对于它的Watson NLU引擎,IBM收取0.003美元来总结一份10,000字符的文档,并总结一个客户的八个字的表达。针对客户交互的NLP解决方案通常是针对这些简短的话语进行调整的。
  在客户服务环境中,摘要总结是一种统计工具。它可以有效地取代呼叫处理过程,为联络中心的运营经理提供接近实时的洞察,了解客户的需求。我知道当我在经营一家药店的福利项目时,我会发现一个NLU的总结工具。例如,某一天下午4点,呼叫量比平常增长三倍。事实证明,这是退休人员去邮箱的时间,而我们的一个杰出的营销人员已经发送了大量的邮件,上面写着:“你的福利可能会受到威胁。”一旦我们发现了这个问题--两个小时之后--我们迅速推出了一个脚本,这样所有的座席都能更有效地处理这些呼叫。如果我们有一个NLU总结工具,我们可以在几分钟内确定这个趋势。
  内容标记:当联络中心使用大量非结构化数据来支持客户交互时,标记内容是必需的。在标签上搜索比在知识库中搜索所有内容要快得多,这意味着座席--虚拟的或真人的--可以比不添加内容标记更快地向客户传递正确的答案。
  分类:分类用于识别某些类型的词。如果你从事抵押贷款服务业务,那么哥伦布可能指的是一个地方,而不是一个人。类似于目的和功能的命名实体,基于NLP的分类法对于具有非常广泛的产品目录的企业来说是很有用的。这些工具可以减少客户在处理成千上万的产品时可能发生的混乱,同时节省时间。
  掌握NLG
  在客户参与中,NLG通常被理解为一个复杂的定向对话实现。接口向用户公开的响应或后续问题是利用NLG创建的。具体来说,NLG处理器将文本公开给用户(如在Web聊天中),或者向用户提供的一种中间技术,像TTS(如在IVR或语音计算中),产生了用户可以听到的语音。
  如果你打算使用语音接口,那么你应该将一些思想引入到TTS(文本到语音)解决方案中。标点、性别、能量、压力、音素长度、语调、音节和声调都可以影响你向客户展示的沟通质量。虽然你可能并不一定想要探索这些因素背后的算法,但是你肯定想要倾听这个接口,并确定什么对你和你的团队来说是好的。
  选择

  如果你仍在阅读,那么你可能正在考虑在你的联络中心内实现NLP。你有很多选择,现在有1000多家公司提供NLP服务。有些具有预先构建的功能,支持我上面描述的特性,而另一些则需要你构建自己的特性。好消息是,随着联络中心技术的发展,没有一种技术是非常昂贵的。但是,有些工具的实现和管理可能比其他的更昂贵。选择最能支持业务的平台或产品是成功的关键。

  原文链接:http://www.ctiforum.com/


  • 相关资讯 More
  • 点击次数: 99
    2020 - 08 - 04
    8×8的Jeremy Watkin讨论了联络中心实时监控的最佳用途。  我不确定为什么会这样,但是当我考虑到可以实时监控联络中心座席的能力时,我通过电视看到了无休止的客户互动流,就像联络中心被实况电视转播一样。  认真地说,哪个联络中心负责人有时间和精力来监视他们的座席?  退一步,当我谈到实时监控时,是指能够收听座席的呼叫音频并查看其桌面活动的功能。  尽管许多联络中心平台都记录和保存音频和视频,但实时监控使您可以实时查看和收听活动。  而且,它通常与耳语功能配对,以便在没有客户听到的情况下与座席通话,而接驳功能则可以完全接听电话。  在本文中,我将分享8种实时监视用途,这些用途不一定类似于24小时新闻周期滚动播报,但可以使联络中心负责人从该功能中获得最大收益。  1、处理升级的互动时“先生,对不起让您有这种感觉。”“女士,如果您能冷静下来,很高兴为您提供帮助。”“如果您继续使用该语言,我将不得不结束此通话。”  或者,您可能已经被告知在群聊中很难进行互动,并且想听听或了解一下客户在说什么。  在加入或接管交互之前进行实时监视并获得一些背景信息,可以帮助您作为主管来使客户平静下来,并更快地制定出解决问题的方案。  2、当客户需要挽留时  有时,当客户互动变得激烈时,您将冒着完全失去客户的风险。  使用耳语功能来指导座席达到最佳解决方案可以帮助扭转整个交互过程,并采取措施恢复客户对公司的信心。  3、监视新座席时  您如何看待一位父母为3岁的孩子购买了第一辆自行车,向他们展示了如何骑自行车的30分钟教学视频,然后期望他们的孩子在没有训练的情况下完美骑行?那是愚蠢的,对吧?  同样,实时监视使新座席在与客户进行首次交互时变得更加容易。这可以在任何地方进行,无论是在联络中心还是在世界各地。  4、当新座席与经验丰富的座席一起工作时  座席完成培训时的一种常见做法是让他...
  • 点击次数: 84
    2020 - 07 - 27
    Akixi的希拉里(Hilary)解释了电信行业面临的挑战。  就像新数字化世界中的所有其他部门一样,电信业正处于重大转型之中。我们交流的方式正在发展,以适应需要更大敏捷性,机会和灵活性的环境。  在新的十年的第一年2020年,环境充斥着混乱,电信行业的变化无处不在。  人工智能(AI)现在已成为日常交流的标准,补充并增强了客户与品牌之间的讨论。  5G技术正在发展,为丰富的移动体验铺平了道路。由于这些独特市场的大幅增长,对新网络服务的需求也出现了前所未有的增长。  根据《安永数字化转型》(2020年及以后)报告,电信公司面临的最大挑战是技术,服务管理和其他领域的供应商的破坏性竞争。  那么,通信公司今后还需要克服哪些其他重要问题?  让我们来看看。  对传统服务的需求正在减少  尽管物联网(IoT)和5G已开始推动供应商产品提供更多的多样性,但使用旧版工具的企业仍在努力保持领先地位。  所有环境中的供应商都需要扩展他们的产品范围,超越语音基础,以提供从SMS到视频的所有内容。  人们交流的方式正在改变。互联网消息传递,VoIP和其他基于云的技术正在占领整个行业。甚至智能手机流量也正在转移到WiFi。  这意味着各种规模的企业都需要考虑如何发展其服务包以适应以云为中心的新社区。  公司不仅需要提供下一代的联络中心产品以保持领先地位,而且还需要确保这些新服务可靠且实用。  客户越来越不接受质量和性能下降的问题。  如果通信公司要蓬勃发展,那么实时监视数据和检查呼叫流量质量的能力将至关重要。通信服务需要比以往任何时候都更快,更敏捷,更可靠。  安全性和数据泄露风险  监视呼叫和通信质量对于确保客户获得应有的那种电信体验至关重要。  但是,出于另一个原因--数据和隐私,跟踪和了解您的通信生命周期对于电信公司也至关重要。  对于电信公司而言,将数据安全性和隐私性作为主要重点已变得越...
  • 点击次数: 100
    2020 - 07 - 20
    突然需要“远程”,影响了公司运营的各个方面,客户服务也是如此。一些公司很幸运,已经部署了使联络中心团队能够远程工作并因此保持客户习惯的支持水平的技术。其他人则没有那么幸运,他们需要关闭某些(有时只是暂时的)客户服务渠道,因为他们不能通过远程团队适当地支持他们。我们还听到了一些案例,这些案例是公司试图通过新的安全协议使客户服务办公室保持开放状态,以便为客户提供服务。这无疑会降低生产率,并可能使团队面临风险。  随着各国开始考虑开放并试图恢复到“正常”状态,毫无疑问,企业将在考虑是否以及如何将远程和灵活的工作仍然作为联络中心运营的一部分。长期如何运作?他们如何运营?  客户服务悖论  客户服务团队一直在努力拥抱新的数字渠道,例如消息传递应用程序,实时聊天,聊天机器人和社交媒体渠道,以与客户进行沟通。但是,客户服务团队通常不具备从任意位置通过各种渠道随意参与的相同灵活性。使用本地软件,它们通常与固定的联络中心位置保持联系。洪水,旅行中断和大流行控制措施等事件使固定运营的公司更难以满足其客户和员工的需求。  灵活工作给员工带来的好处已经有几十年了,但是目前对组织和客户的运营好处还不那么明显。  客户正在努力联系客户服务座席,这可能是因为团队已被派往家中,或者是座席无法在不访问他们通常依赖的本地系统的情况下与客户进行远程连接。已经使用云技术的具有远见的组织可以通过从任何地方通过浏览器访问的软件来远程运营其联络中心。为了利用这种灵活性并更好地远程管理查询,自2020年3月以来,我们已经看到许多公司将其电话座席转移到数字化渠道上来。  客户服务运营的未来  未来,组织中的客户服务将通过每个部门对云和远程工作如何帮助他们更好地开展业务的方式进行重新思考。云已经彻底改变了企业共享文件,团队内部通信,管理供应链,管理营销等方式。将其与灵活的远程工作策略相结合,将使客户服务部门足够敏捷以应对任何...
  • 点击次数: 97
    2020 - 07 - 13
    人工智能(AI)作为客户服务技术(包括启用语音的技术)中的嵌入式功能正变得越来越普遍。  公司每年使用AI来处理数十亿的客户通信。AI系统可以响应最常见和最简单的查询,例如“我的帐户余额是多少”,从而使人工座席可以自由处理更复杂的客户服务问题。AI系统的设计不仅可以理解客户的查询,还可以确定最佳的响应方式,这是否意味着提供直接答案,提出明确的问题,将交互传递给现场座席,下订单或其他。  对系统进行编程以做出这些决定并采取这些行动绝非易事,而且要承担与承担该任务的人员相同的失败。因此,偏见可能会渗入算法,特别是因为AI仅与输入的训练数据一样好,并且该数据可能包括关于性别,种族,性取向或其他历史或社会不平等因素。  在许多公司正在扩大对AI的使用的时候,意识到这些偏见并缓解它们是当务之急。  “这是一个重要的问题,因为我们正在做出越来越重要的AI决策,”Spark Beyond的首席执行官兼联合创始人Sagie Davidovich说。Spark Beyond是使用AI的自动化研究引擎的提供商。“您要有责任心,透明性和包容性。”  “发现AI语音识别系统包含歧视特定人群的偏见。”Pro Privacy.com的数字隐私专家Ray Walsh说:“这令人不安,因为这类算法通常部署在所有公民使用的平台上。结果,这些技术可能积极地导致偏见或歧视的重新表达。”  如果不加发现,人工智能的偏见可能导致有害的歧视性做法,竞选结果失真,违反法规或失去公众信任。  没有比在2016年失败的Microsoft Twitter机器人Tay失败命运更明显的事实了。Microsoft将Tay描述为一种对话理解的实验,其中Tay参与度越高,越聪明,它就会通过“随意而有趣的对话。”  但是,一旦Tay上线,人们就开始在Twitter上发布推文,其中包括各种厌恶种族主义言论。Tay开始向用户重复这些种族主义...
Copyright ©2017 四川西沃信息技术有限公司
犀牛云提供企业云服务