Αυξήστε την αποτελεσματικότητα με τις βέλτιστες πρακτικές CI/CD στο Amazon Lex

Ας υποθέσουμε ότι έχετε εντοπίσει μια περίπτωση χρήσης στον οργανισμό σας που θα θέλατε να χειριστείτε μέσω ενός chatbot. Εξοικειώθηκες Amazon-Lex, δημιούργησε ένα πρωτότυπο και έκανε μερικές δοκιμαστικές αλληλεπιδράσεις με το bot. Σας άρεσε η συνολική εμπειρία και τώρα θέλετε να αναπτύξετε το bot στο περιβάλλον παραγωγής σας, αλλά δεν είστε σίγουροι για τις βέλτιστες πρακτικές για το Amazon Lex. Σε αυτήν την ανάρτηση, εξετάζουμε τις βέλτιστες πρακτικές για την ανάπτυξη και την ανάπτυξη ρομπότ Amazon Lex, δίνοντάς σας τη δυνατότητα να βελτιστοποιήσετε τον κύκλο ζωής του bot από άκρο σε άκρο και να βελτιστοποιήσετε τις λειτουργίες σας.

Έχουμε καλύψει τις φάσεις σχεδιασμού, σχεδιασμού και διαμόρφωσης σε προηγούμενα blog θέσεις. Σας προτείνουμε να διαβάσετε αυτές τις αναρτήσεις για να σας βοηθήσουμε να δημιουργήσετε ελκυστικές συνομιλίες με το bot σας προτού προχωρήσετε. Αφού ρυθμίσετε αρχικά το bot, θα πρέπει να το δοκιμάσετε εσωτερικά και να επαναλάβετε τον ορισμό του bot. Τώρα είστε έτοιμοι να το αναπτύξετε στο περιβάλλον παραγωγής σας (όπως ένα τηλεφωνικό κέντρο), όπου το bot θα επεξεργάζεται ζωντανές συνομιλίες. Μόλις ξεκινήσει η παραγωγή, θα πρέπει να το παρακολουθείτε συνεχώς για να βεβαιωθείτε ότι πληροί τους επιθυμητούς επιχειρηματικούς σας στόχους. Αυτός ο κύκλος επαναλαμβάνεται καθώς προσθέτετε νέες περιπτώσεις χρήσης και βελτιώσεις.

Ας εξετάσουμε τις βέλτιστες πρακτικές για την ανάπτυξη, τη δοκιμή, την ανάπτυξη και την παρακολούθηση των ρομπότ.

Ανάπτυξη

Λάβετε υπόψη τις ακόλουθες βέλτιστες πρακτικές κατά την ανάπτυξη του bot σας:

• Διαχειριστείτε το σχήμα ρομπότ μέσω κώδικα – Η κονσόλα Amazon Lex παρέχει μια εύχρηστη διεπαφή καθώς σχεδιάζετε και διαμορφώνετε το bot, αλλά βασίζεται σε μη αυτόματες ενέργειες για την αναπαραγωγή της ρύθμισης. Συνιστούμε να μετατρέψετε το σχήμα ρομπότ σε κώδικα μετά την ολοκλήρωση του σχεδιασμού για να απλοποιήσετε αυτό το βήμα. Μπορείς να χρησιμοποιήσεις APIs or AWS CloudFormation (Βλ. Δημιουργία πόρων Amazon Lex V2 με το AWS CloudFormation) για να διαχειριστείτε το bot μέσω προγραμματισμού.
• Σχήμα bot σημείου ελέγχου με έκδοση bot – Το Checkpoint είναι μια κοινή προσέγγιση που χρησιμοποιείται συχνά για την επαναφορά μιας εφαρμογής σε μια τελευταία γνωστή σταθερή κατάσταση. Η Amazon Lex προσφέρει αυτή τη λειτουργία μέσω έκδοση bot. Συνιστούμε να χρησιμοποιείτε μια νέα έκδοση σε κάθε ορόσημο στη διαδικασία ανάπτυξής σας. Αυτό σας επιτρέπει να κάνετε σταδιακές αλλαγές στον ορισμό του bot σας, με έναν εύκολο τρόπο να τις επαναφέρετε σε περίπτωση που δεν λειτουργούν όπως αναμένεται.
• Προσδιορίστε τις απαιτήσεις χειρισμού δεδομένων και διαμορφώστε τα κατάλληλα στοιχεία ελέγχου – Το Amazon Lex ακολουθεί το AWS μοντέλο κοινής ευθύνης, το οποίο περιλαμβάνει οδηγίες για την προστασία δεδομένων για συμμόρφωση με τους κανονισμούς του κλάδου και με τα πρότυπα απορρήτου δεδομένων της εταιρείας σας. Επιπλέον, το Amazon Lex τηρεί προγράμματα συμμόρφωσης όπως SOC, PCI και FedRAMP. Το Amazon Lex παρέχει τη δυνατότητα συσκότισης των κουλοχέρηδων που θεωρούνται ευαίσθητες. Θα πρέπει να προσδιορίσετε τις απαιτήσεις απορρήτου των δεδομένων σας και να διαμορφώσετε τα κατάλληλα στοιχεία ελέγχου στο bot σας.

Δοκιμές

Αφού έχετε ορισμό bot, θα πρέπει να δοκιμάσετε το bot για να βεβαιωθείτε ότι λειτουργεί όπως προβλέπεται και ότι έχει ρυθμιστεί σωστά. Για παράδειγμα, θα πρέπει να έχει δικαιώματα για την ενεργοποίηση άλλων υπηρεσιών, όπως π.χ AWS Lambda λειτουργίες. Επιπλέον, θα πρέπει επίσης να δοκιμάσετε το bot για να επιβεβαιώσετε ότι είναι σε θέση να ερμηνεύει διαφορετικούς τύπους αιτημάτων χρηστών. Εξετάστε τις ακόλουθες βέλτιστες πρακτικές για τη δοκιμή:

• Προσδιορίστε τα δεδομένα δοκιμής – Θα πρέπει να συγκεντρώσετε σχετικά δεδομένα δοκιμής για να ελέγξετε την απόδοση του ρομπότ. Τα δεδομένα δοκιμής θα πρέπει να περιλαμβάνουν μια ολοκληρωμένη αναπαράσταση των αναμενόμενων συνομιλιών χρήστη με το bot, ειδικά για περιπτώσεις χρήσης IVR όπου το bot θα πρέπει να κατανοήσει τις φωνητικές εισόδους. Τα δεδομένα της δοκιμής πρέπει να καλύπτουν διαφορετικά στυλ ομιλίας και τόνους. Τέτοια δεδομένα δοκιμών μπορούν να παρέχουν επικύρωση εμπειρίας για τη βάση πελατών-στόχων σας.
• Προσδιορίστε μετρήσεις εμπειρίας χρήστη – Ο καθορισμός της εμπειρίας συνομιλίας μπορεί να είναι δύσκολος. Πρέπει να προβλέψετε και να σχεδιάσετε όλους τους διαφορετικούς τρόπους με τους οποίους οι χρήστες μπορούν να αλληλεπιδράσουν με το bot. Πώς καθοδηγείτε τον καλούντα χωρίς να ακούγεστε υπερβολικά επιτακτική; Πώς ανακτάτε εάν ο καλών παρέχει λανθασμένες ή ελλιπείς πληροφορίες; Για να διαχειριστείτε το διάλογο μέσω πολλών διαφορετικών σεναρίων, θα πρέπει να ορίσετε έναν σαφή στόχο που να καλύπτει διαφορετικά στυλ ομιλίας, ακουστικές συνθήκες και τρόπο λειτουργίας και να προσδιορίσετε αντικειμενικές μετρήσεις που μπορείτε να παρακολουθήσετε. Για παράδειγμα, ένας αντικειμενικός δείκτης θα ήταν «το 90% των συνομιλιών θα πρέπει να παίζουν λιγότερα από δύο νέα μηνύματα στον χρήστη», έναντι ενός υποκειμενικού δείκτη όπως «η πλειονότητα των συνομιλιών δεν θα πρέπει να ζητά από τους χρήστες να επαναλάβουν τη συνεισφορά τους».
• Αξιολογήστε την εμπειρία χρήστη στην πορεία – Σε ορισμένες περιπτώσεις, φαινομενικά μικρές αλλαγές μπορεί να έχουν μεγάλο αντίκτυπο στην εμπειρία του χρήστη. Για παράδειγμα, εξετάστε μια κατάσταση όπου εισάγετε κατά λάθος ένα τυπογραφικό λάθος στην τυπική έκφραση που χρησιμοποιείται για έναν τύπο υποδοχής αναγνωριστικού λογαριασμού, το οποίο οδηγεί στο bot να ζητά εκ νέου από τον χρήστη να παράσχει ξανά στοιχεία. Θα πρέπει να αξιολογήσετε την εμπειρία χρήστη και να επενδύσετε σε μια αυτοματοποιημένη δοκιμή για τη δημιουργία βασικών μετρήσεων. Μπορείτε να ανατρέξετε σε Αξιολόγηση μιας υπηρεσίας αυτόματης αναγνώρισης ομιλίας και Δοκιμή ακρίβειας και παλινδρόμησης με το Amazon Connect και το Amazon Lex για παραδείγματα για τον τρόπο δοκιμής και δημιουργίας βασικών μετρήσεων.

Ανάπτυξη

Μόλις είστε ικανοποιημένοι με την απόδοση του bot, θα θελήσετε να αναπτύξετε το bot για να ξεκινήσετε να εξυπηρετείτε την κυκλοφορία παραγωγής σας. Καθώς επαναλαμβάνετε το bot κατά τη διάρκεια του κύκλου ζωής του, επαναλαμβάνετε τις αναπτύξεις, καθιστώντας το μια συνεχή διαδικασία, επομένως είναι σημαντικό να έχετε μια βελτιωμένη, αυτοματοποιημένη ανάπτυξη για να μειώσετε την πιθανότητα σφαλμάτων. Εξετάστε τις ακόλουθες βέλτιστες πρακτικές για την ανάπτυξη:

• Χρησιμοποιήστε ένα περιβάλλον πολλών λογαριασμών – Θα πρέπει να ακολουθείτε τη συνιστώμενη AWS ρύθμιση περιβάλλοντος πολλών λογαριασμών στον οργανισμό σας και χρησιμοποιήστε ξεχωριστούς λογαριασμούς AWS για το στάδιο ανάπτυξης και το στάδιο παραγωγής σας. Εάν έχετε παρουσία σε πολλές περιοχές, τότε θα πρέπει επίσης να χρησιμοποιήσετε έναν ξεχωριστό λογαριασμό AWS ανά Περιοχή για την παραγωγή. Η χρήση χωριστών λογαριασμών AWS ανά στάδιο σάς προσφέρει ασφάλεια, πρόσβαση και όρια χρέωσης για τους πόρους σας AWS.
• Αυτοματοποιήστε την προώθηση ενός bot από την ανάπτυξη έως την παραγωγή – Κατά την αναπαραγωγή της ρύθμισης bot στο στάδιο ανάπτυξής σας στο στάδιο παραγωγής σας, θα πρέπει να χρησιμοποιείτε αυτοματοποιημένες λύσεις και να ελαχιστοποιείτε τα σημεία χειροκίνητης επαφής. Θα πρέπει να χρησιμοποιήσετε πρότυπα CloudFormation για να δημιουργήσετε τα bot σας. Εναλλακτικά, μπορείτε να χρησιμοποιήσετε API εξαγωγής και εισαγωγής Amazon Lex να παρέχει ένα αυτοματοποιημένο μέσο αντιγραφής ενός σχήματος bot σε όλους τους λογαριασμούς.
• Αναπτύξτε τις αλλαγές με σταδιακό τρόπο – Θα πρέπει να αναπτύξετε αλλαγές στο περιβάλλον παραγωγής σας με σταδιακό τρόπο, έτσι ώστε οι αλλαγές να απελευθερώνονται σε ένα υποσύνολο της επισκεψιμότητας παραγωγής σας προτού γνωστοποιηθούν σε όλους τους χρήστες. Μια τέτοια προσέγγιση σας δίνει την ευκαιρία να περιορίσετε την ακτίνα έκρηξης σε περίπτωση που υπάρχουν προβλήματα με την αλλαγή. Ένας τρόπος με τον οποίο μπορείτε να το πετύχετε αυτό είναι να έχετε μια προσέγγιση ανάπτυξης δύο φάσεων: δημιουργείτε δύο ψευδώνυμα για ένα bot (για παράδειγμα, prod-05 και prod-95). Πρώτα συσχετίζετε τη νέα έκδοση bot με ένα ψευδώνυμο (prod-05 σε αυτό το παράδειγμα). Αφού επιβεβαιώσετε ότι οι βασικές μετρήσεις πληρούν τα κριτήρια επιτυχίας, συσχετίζετε το δεύτερο ψευδώνυμο (prod-95) με τη νέα έκδοση bot.

Λάβετε υπόψη ότι πρέπει να ελέγχετε την κατανομή της επισκεψιμότητας στην εφαρμογή-πελάτη που χρησιμοποιείται για την ενσωμάτωση με τα bots του Amazon Lex. Για παράδειγμα, εάν χρησιμοποιείτε Amazon Connect για να ενσωματωθείτε με τα ρομπότ σας, μπορείτε να χρησιμοποιήσετε α Κατανομή κατά ποσοστό μπλοκ επαφών σε συνδυασμό με δύο ή περισσότερα Λάβετε πληροφορίες πελατών μπλοκ.

Είναι σημαντικό να σημειωθεί ότι το Amazon Lex παρέχει ένα δοκιμαστικό ψευδώνυμο εκτός συσκευασίας. Το δοκιμαστικό ψευδώνυμο προορίζεται να χρησιμοποιηθεί για ad hoc χειροκίνητες δοκιμές μόνο μέσω της κονσόλας Amazon Lex και δεν προορίζεται για τη διαχείριση φορτίων κλίμακας παραγωγής. Συνιστούμε να χρησιμοποιήσετε ένα αποκλειστικό ψευδώνυμο για την επισκεψιμότητα της παραγωγής σας.

παρακολούθηση

Η παρακολούθηση είναι σημαντική για τη διατήρηση της αξιοπιστίας, της διαθεσιμότητας και της αποτελεσματικής εμπειρίας του τελικού χρήστη. Θα πρέπει να αναλύσετε τις μετρήσεις του ρομπότ σας και να χρησιμοποιήσετε τα μαθήματα ως μηχανισμό ανάδρασης για να βελτιώσετε το σχήμα του ρομπότ καθώς και τις πρακτικές ανάπτυξης, δοκιμών και ανάπτυξης. Το Amazon Lex υποστηρίζει πολλούς μηχανισμούς για να ρομπότ παρακολούθησης. Εξετάστε τις ακόλουθες βέλτιστες πρακτικές για την παρακολούθηση των ρομπότ Lex:

• Παρακολούθηση συνεχώς και επανάληψη – Το Amazon Lex ενσωματώνεται με amazoncloudwatch για την παροχή μετρήσεων σχεδόν σε πραγματικό χρόνο που μπορούν να σας παρέχουν βασικές πληροφορίες σχετικά με τις αλληλεπιδράσεις των χρηστών σας με το bot. Αυτές οι πληροφορίες μπορούν να σας βοηθήσουν να αποκτήσετε προοπτική για την εμπειρία του τελικού χρήστη. Για να μάθετε περισσότερα σχετικά με τους διαφορετικούς τύπους μετρήσεων που εκπέμπει το Amazon Lex, βλ Παρακολούθηση του Amazon Lex V2 με το Amazon CloudWatch. Συνιστούμε τη ρύθμιση ορίων για την ενεργοποίηση συναγερμών. Ομοίως, το Amazon Lex σάς δίνει ορατότητα στις πρωτογενείς δηλώσεις εισόδου από τις αλληλεπιδράσεις των χρηστών σας με το bot. Θα πρέπει να χρησιμοποιήσετε στατιστικές ομιλίας or αρχεία καταγραφής συνομιλιών για να αποκτήσετε γνώσεις για να προσδιορίσετε τα πρότυπα επικοινωνίας και να κάνετε τις κατάλληλες αλλαγές στο bot σας, όπως απαιτείται. Για να μάθετε πώς να δημιουργείτε έναν εξατομικευμένο πίνακα ελέγχου αναλυτικών στοιχείων για τα bot σας, ανατρέξτε στο Παρακολουθήστε τις λειτουργικές μετρήσεις για το chatbot Amazon Lex.

Οι βέλτιστες πρακτικές που συζητούνται σε αυτήν την ανάρτηση επικεντρώνονται κυρίως σε περιπτώσεις χρήσης ειδικών για το Amazon Lex. Εκτός από αυτά, θα πρέπει να ελέγχετε και να τηρείτε τις βέλτιστες πρακτικές κατά τη διαχείριση της υποδομής cloud στο AWS. Βεβαιωθείτε ότι η υποδομή σας στο cloud είναι ασφαλής και προσβάσιμη μόνο από εξουσιοδοτημένους χρήστες. Θα πρέπει επίσης να αναθεωρήσετε και να υιοθετήσετε το κατάλληλο Βέλτιστες πρακτικές ασφάλειας AWS εντός του οργανισμού σας. Τέλος, θα πρέπει να ελέγξετε προληπτικά το ποσοστώσεις AWS για μεμονωμένες υπηρεσίες AWS (συμπεριλαμβανομένων των ποσοστώσεων Amazon Lex) και ζητήστε τις κατάλληλες αλλαγές εάν είναι απαραίτητο.

Συμπέρασμα

Μπορείτε να χρησιμοποιήσετε το Amazon Lex για να ενεργοποιήσετε εξελιγμένες συνομιλίες σε φυσική γλώσσα και να βελτιώσετε την αποτελεσματικότητα της εξυπηρέτησης πελατών. Σε αυτήν την ανάρτηση, εξετάσαμε τις βέλτιστες πρακτικές για τις φάσεις ανάπτυξης, δοκιμών, ανάπτυξης και παρακολούθησης ενός κύκλου ζωής bot. Με αυτές τις οδηγίες, μπορείτε να βελτιώσετε την εμπειρία του τελικού χρήστη και να επιτύχετε καλύτερη δέσμευση πελατών. Ξεκινήστε να δημιουργείτε την εμπειρία συνομιλίας σας στο Amazon Lex σήμερα!

Σχετικά με το Συγγραφέας

Swapandeep Singh είναι μηχανικός στην ομάδα της Amazon Lex. Εργάζεται για να κάνει τις αλληλεπιδράσεις με τα bots πιο ομαλές και πιο ανθρώπινες. Εκτός δουλειάς, του αρέσει να ταξιδεύει και να μαθαίνει για διαφορετικούς πολιτισμούς.