In diesem Beitrag zeigen wir, wie Sie eine automatisierte E-Mail-Antwortlösung mit erstellen Amazon verstehen.
Unternehmen investieren viel Ressourcen, Aufwand und Geld in die Führung ihrer Kundenbetreuung, um Kundenfragen zu beantworten und Lösungen bereitzustellen. Ihre Kunden können Fragen über verschiedene Kanäle wie E-Mail, Chat oder Telefon stellen, und der Einsatz von Mitarbeitern zur Beantwortung dieser Fragen kann ressourcenintensiv, zeitaufwändig und sogar unproduktiv sein, wenn sich die Antworten auf diese Fragen wiederholen.
Während der COVID-19-Pandemie konnten viele Unternehmen ihre Kunden aufgrund der Schließung der Kundendienst- und Agenteneinrichtungen nicht angemessen unterstützen, und die Kundenanfragen häuften sich. Einige Organisationen hatten Mühe, Anfragen umgehend zu beantworten, was zu einem schlechten Kundenerlebnis führen kann. Dies wiederum kann zu Kundenunzufriedenheit führen und sich langfristig auf den Ruf und den Umsatz eines Unternehmens auswirken.
Obwohl Ihr Unternehmen möglicherweise über die Datenbestände für Kundenanfragen und -antworten verfügt, haben Sie möglicherweise immer noch Schwierigkeiten, einen automatisierten Prozess zu implementieren, um Ihren Kunden zu antworten. Zu den Herausforderungen können unstrukturierte Daten, verschiedene Sprachen und ein Mangel an Fachwissen in Technologien der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) gehören.
Sie können solche Herausforderungen überwinden, indem Sie Amazon Comprehend verwenden, um E-Mail-Antworten auf Kundenanfragen zu automatisieren. Mit unserer Lösung können Sie die Absicht von Kunden-E-Mails identifizieren und eine automatisierte Antwort senden, wenn die Absicht mit Ihrer vorhandenen Wissensdatenbank übereinstimmt. Wenn die Absicht keine Übereinstimmung aufweist, geht die E-Mail zur manuellen Antwort an das Supportteam. Im Folgenden sind einige häufige Absichten von Kunden aufgeführt, wenn sie sich an den Kundendienst wenden:
- Transaktionsstatus (z. B. Status einer Geldüberweisung)
- Passwort zurücksetzen
- Aktionscode oder Rabatt
- Öffnungszeiten
- Finden Sie einen Agentenstandort
- Betrug melden
- Konto entsperren
- Konto schließen
Amazon Comprehend kann Ihnen bei der Klassifizierung und Entitätserkennung von E-Mails für jede der oben genannten Absichten helfen. Für diese Lösung zeigen wir, wie Kunden-E-Mails für die ersten drei Absichten klassifiziert werden. Sie können Amazon Comprehend auch verwenden, um Schlüsselinformationen aus E-Mails zu erkennen, sodass Sie Ihre Geschäftsprozesse automatisieren können. Beispielsweise können Sie Amazon Comprehend verwenden, um die Antwort auf eine Kundenanfrage mit spezifischen Informationen zu dieser Anfrage zu automatisieren.
Lösungsüberblick
Um unseren Kunden-E-Mail-Antwortfluss aufzubauen, verwenden wir die folgenden Dienste:
- Amazon verstehen
- AWS Lambda
- Einfacher Amazon-E-Mail-Dienst (Amazon-SES)
- Amazon Simple Notification Service (Amazon SNS)
- Amazon WorkMail
Das folgende Architekturdiagramm hebt die End-to-End-Lösung hervor:
Der Lösungsworkflow umfasst die folgenden Schritte:
- Ein Kunde sendet eine E-Mail an die in WorkMail erstellte Kundensupport-E-Mail.
- WorkMail ruft beim Empfang der E-Mail eine Lambda-Funktion auf.
- Die Funktion sendet den E-Mail-Inhalt an einen benutzerdefinierten Endpunkt des Klassifizierungsmodells.
- Der benutzerdefinierte Klassifizierungsendpunkt gibt einen klassifizierten Wert und ein Konfidenzniveau zurück (über 80 %, aber Sie können dies nach Bedarf konfigurieren).
- Wenn der Klassifizierungswert ist
MONEYTRANSFER
, ruft die Lambda-Funktion den Entitätserkennungsendpunkt auf, um die Geldtransfer-ID zu finden. - Wenn die Geldtransfer-ID zurückgegeben wird, gibt die Funktion den Geldtransferstatus nach dem Zufallsprinzip zurück (in einem realen Szenario können Sie die Datenbank über die API aufrufen, um den tatsächlichen Transferstatus abzurufen).
- Basierend auf dem zurückgegebenen klassifizierten Wert wird eine vordefinierte E-Mail-Vorlage in Amazon SES ausgewählt und eine Antwort-E-Mail an den Kunden gesendet.
- Wenn das Konfidenzniveau weniger als 80 % beträgt, kein klassifizierter Wert zurückgegeben wird oder die Entitätserkennung die Geldtransfer-ID nicht findet, wird die Kunden-E-Mail an ein SNS-Thema weitergeleitet. Sie können Amazon SNS abonnieren, um die Nachricht an Ihr Ticketing-System zu senden.
Voraussetzungen:
Siehe die README.md Datei in das GitHub Repo um sicherzustellen, dass Sie die Voraussetzungen für die Bereitstellung dieser Lösung erfüllen.
Stellen Sie die Lösung bereit
Die Lösungsbereitstellung besteht aus den folgenden allgemeinen Schritten:
- Führen Sie manuelle Konfigurationen mit der AWS-Managementkonsole.
- Führen Sie Skripte in einem aus Amazon Sage Maker notebook-Instance mithilfe der bereitgestellten Notebook-Datei.
- Stellen Sie die Lösung mithilfe von bereit AWS Cloud-Entwicklungskit (AWS-CDK).
Vollständige Anweisungen finden Sie unter README.md Datei in das GitHub Repo.
Testen Sie die Lösung
Um die Lösung zu testen, senden Sie eine E-Mail von Ihrer persönlichen E-Mail-Adresse an die Support-E-Mail-Adresse, die im Rahmen der AWS CDK-Bereitstellung erstellt wurde (für diesen Beitrag verwenden wir support@mydomain.com). Wir verwenden die folgenden drei Absichten in unseren Beispieldaten für benutzerdefiniertes Klassifizierungstraining:
- GELDÜBERWEISUNG – Der Kunde möchte den Status einer Überweisung wissen
- PASSRESET – Der Kunde hat eine Login-, Kontosperr- oder Passwortanfrage
- PROMO-CODE – Der Kunde möchte etwas über einen Rabatt- oder Aktionscode wissen, der für eine Geldüberweisung verfügbar ist
Der folgende Screenshot zeigt eine beispielhafte Kunden-E-Mail:
Wenn die Kunden-E-Mail nicht klassifiziert ist oder das Konfidenzniveau unter 80 % liegt, wird der Inhalt der E-Mail an ein SNS-Thema weitergeleitet. Wer das Thema abonniert hat, erhält den E-Mail-Inhalt als Nachricht. Wir haben dieses SNS-Thema mit der E-Mail abonniert, die wir mit der übergeben haben human_workflow_email
Parameter während der Bereitstellung.
Aufräumen
Um laufende Kosten zu vermeiden, löschen Sie die Ressourcen, die Sie im Rahmen dieser Lösung erstellt haben, wenn Sie fertig sind.
Zusammenfassung
In diesem Beitrag haben Sie gelernt, wie Sie ein automatisiertes E-Mail-Antwortsystem mit Amazon Comprehend-Kundenklassifizierung und Entitätserkennung und anderen AWS-Services konfigurieren. Diese Lösung kann die folgenden Vorteile bieten:
- Verbesserte E-Mail-Antwortzeit
- Verbesserte Kundenzufriedenheit
- Kostenersparnis hinsichtlich Zeit und Ressourcen
- Fähigkeit, sich auf die wichtigsten Kundenprobleme zu konzentrieren
Sie können diese Lösung auch auf andere Bereiche in Ihrem Unternehmen und auf andere Branchen ausdehnen.
Bei der aktuellen Architektur werden die mit einem niedrigen Vertrauenswert klassifizierten E-Mails zur manuellen Überprüfung und Beantwortung an eine menschliche Schleife weitergeleitet. Sie können die Eingaben aus dem manuellen Überprüfungsprozess verwenden, um das Amazon Comprehend-Modell weiter zu verbessern und die automatische Klassifizierungsrate zu erhöhen. Amazon Augmented AI (Amazon A2I) bietet integrierte Arbeitsabläufe zur Überprüfung durch Menschen für gängige ML-Anwendungsfälle, wie z. B. die NLP-basierte Entitätserkennung in Dokumenten. Auf diese Weise können Sie Vorhersagen von Amazon Comprehend einfach überprüfen.
Wenn wir mehr Daten für jede Absicht erhalten, werden wir das benutzerdefinierte Klassifizierungsmodell neu trainieren und bereitstellen und den E-Mail-Antwortfluss entsprechend in aktualisieren GitHub Repo.
Über den Autor
Godwin Sahayaraj Vincent ist ein Enterprise Solutions Architect bei AWS, der sich leidenschaftlich für maschinelles Lernen einsetzt und Kunden beim Entwerfen, Bereitstellen und Verwalten ihrer AWS-Workloads und -Architekturen berät. In seiner Freizeit spielt er gerne Cricket mit seinen Freunden und Tennis mit seinen drei Kindern.
Shamika Ariyawansa ist AI/ML Specialist Solutions Architect im Team Global Healthcare and Life Sciences bei Amazon Web Services. Er arbeitet mit Kunden zusammen, um ihre ML-Reise mit einer Kombination aus AWS ML-Angeboten und seinem Wissen über ML-Domänen voranzutreiben. Er hat seinen Sitz in Denver, Colorado. In seiner Freizeit genießt er Offroad-Abenteuer in den Bergen von Colorado und nimmt an Wettbewerben für maschinelles Lernen teil.
- Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
- Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
- CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
- Quelle: https://aws.amazon.com/blogs/machine-learning/automate-email-responses-using-amazon-comprehend-custom-classification-and-entity-detection/
- "
- 100
- Über uns
- Konto
- AI
- Amazon
- Amazon Web Services
- Bienen
- Architektur
- künstlich
- künstliche Intelligenz
- Künstliche Intelligenz (AI)
- Details
- Augmented
- Automatisiert
- verfügbar
- AWS
- Vorteile
- Grenze
- bauen
- eingebaut
- Geschäft
- rufen Sie uns an!
- österreichische Unternehmen
- Fälle
- Verursachen
- Herausforderungen
- Kanäle
- Einstufung
- Cloud
- Code
- Colorados
- Kombination
- gemeinsam
- Vertrauen
- Inhalt
- Kosten
- COVID-19
- COVID-19-Pandemie
- Kricket
- Strom
- Customer Experience
- Kundensupport
- Kunden
- technische Daten
- Datenbase
- Denver
- einsetzen
- Bereitstellen
- Einsatz
- Design
- Entdeckung
- Entwicklung
- anders
- Rabatt
- Unterlagen
- Tut nicht
- Domain
- leicht
- Endpunkt
- Unternehmen
- Beispiel
- Erweitern Sie die Funktionalität der
- ERFAHRUNGEN
- Expertise
- Vorname
- Fluss
- Setzen Sie mit Achtsamkeit
- Folgende
- voller
- Funktion
- Global
- Gesundheitswesen
- Hilfe
- Ultraschall
- Hilfe
- HTTPS
- identifizieren
- Impact der HXNUMXO Observatorien
- implementieren
- zu unterstützen,
- das
- Erhöhung
- Branchen
- Information
- Intelligenz
- Absicht
- Wesentliche
- Kinder
- Wissen
- Sprachen
- gelernt
- lernen
- Niveau
- Biowissenschaften
- verschlossen
- Lang
- Maschine
- Maschinelles Lernen
- Management
- manuell
- Spiel
- ML
- Modell
- Geld
- Notizbuch
- Benachrichtigung
- Angebote
- Einkauf & Prozesse
- Organisation
- Organisationen
- Andere
- Pandemie
- Passwort
- persönliche
- Play
- Arm
- Prognosen
- Prozessdefinierung
- anpassen
- die
- bietet
- Ressourcen
- Downloads
- Antwort
- Rückgabe
- Einnahmen
- Überprüfen
- Laufen
- WISSENSCHAFTEN
- Leistungen
- Schließung
- Einfacher
- So
- Lösungen
- verbringen
- Status
- Abonnieren
- Support
- System
- Team
- Technologies
- Test
- Zeit
- Zeitaufwendig
- Ausbildung
- Aktualisierung
- -
- Wert
- Verification
- Netz
- Web-Services
- WHO
- Belegschaft
- Werk