En esta publicación, demostramos cómo crear una solución de respuesta de correo electrónico automatizada utilizando Amazon Comprehend.
Las organizaciones gastan muchos recursos, esfuerzos y dinero en la ejecución de sus operaciones de atención al cliente para responder a las preguntas de los clientes y brindar soluciones. Sus clientes pueden hacer preguntas a través de varios canales, como correo electrónico, chat o teléfono, y desplegar una fuerza laboral para responder esas consultas puede requerir muchos recursos, consumir mucho tiempo e incluso ser improductivo si las respuestas a esas preguntas son repetitivas.
Durante la pandemia de COVID-19, muchas organizaciones no pudieron apoyar adecuadamente a sus clientes debido al cierre de las instalaciones de atención al cliente y de los agentes, y las consultas de los clientes se acumularon. Algunas organizaciones tuvieron problemas para responder a las consultas con prontitud, lo que puede causar una mala experiencia del cliente. Esto, a su vez, puede resultar en la insatisfacción del cliente y puede afectar la reputación y los ingresos de una organización a largo plazo.
Si bien su organización puede tener los activos de datos para las consultas y respuestas de los clientes, aún puede tener dificultades para implementar un proceso automatizado para responder a sus clientes. Los desafíos pueden incluir datos no estructurados, diferentes idiomas y falta de experiencia en tecnologías de inteligencia artificial (IA) y aprendizaje automático (ML).
Puede superar tales desafíos utilizando Amazon Comprehend para automatizar las respuestas por correo electrónico a las consultas de los clientes. Con nuestra solución, puede identificar la intención de los correos electrónicos de los clientes y enviar una respuesta automática si la intención coincide con su base de conocimiento existente. Si la intención no coincide, el correo electrónico se dirige al equipo de soporte para una respuesta manual. Las siguientes son algunas intenciones comunes de los clientes cuando se comunican con el servicio de atención al cliente:
- Estado de la transacción (por ejemplo, estado de una transferencia de dinero)
- De restablecimiento de contraseña
- Código de promoción o descuento
- Horas de operación
- Encuentre una ubicación de agente
- Informar fraude
- Desbloquear cuenta
- Cerrar cuenta
Amazon Comprehend puede ayudarlo a clasificar y detectar entidades en correos electrónicos para cualquiera de los propósitos anteriores. Para esta solución, mostramos cómo clasificar los correos electrónicos de los clientes para las tres primeras intenciones. También puede usar Amazon Comprehend para detectar información clave de los correos electrónicos, de modo que pueda automatizar sus procesos comerciales. Por ejemplo, puede utilizar Amazon Comprehend para automatizar la respuesta a la solicitud de un cliente con información específica relacionada con esa consulta.
Resumen de la solución
Para construir nuestro flujo de respuesta de correo electrónico del cliente, utilizamos los siguientes servicios:
- Amazon Comprehend
- AWS Lambda
- Servicio de correo electrónico simple de Amazon (SES de Amazon)
- Servicio de notificación simple de Amazon (red social de Amazon)
- Correo de trabajo de Amazon
El siguiente diagrama de arquitectura destaca la solución de extremo a extremo:
El flujo de trabajo de la solución incluye los siguientes pasos:
- Un cliente envía un correo electrónico al correo electrónico de atención al cliente creado en WorkMail.
- WorkMail invoca una función Lambda al recibir el correo electrónico.
- La función envía el contenido del correo electrónico a un extremo del modelo de clasificación personalizado.
- El extremo de clasificación personalizado regresa con un valor clasificado y un nivel de confianza (más del 80 %, pero puede configurarlo según sea necesario).
- Si el valor de clasificación es
MONEYTRANSFER
, la función de Lambda llama al extremo de detección de entidades para encontrar el ID de la transferencia de dinero. - Si se devuelve el ID de la transferencia de dinero, la función devuelve el estado de la transferencia de dinero de forma aleatoria (en un escenario real, puede llamar a la base de datos a través de la API para obtener el estado real de la transferencia).
- En función del valor clasificado devuelto, se elige una plantilla de correo electrónico predefinida en Amazon SES y se envía un correo electrónico de respuesta al cliente.
- Si el nivel de confianza es inferior al 80 %, no se devuelve un valor clasificado o la detección de entidades no encuentra el ID de la transferencia de dinero, el correo electrónico del cliente se envía a un tema de SNS. Puede suscribirse a Amazon SNS para enviar el mensaje a su sistema de emisión de boletos.
Requisitos previos
Para obtener más detalles sobre cómo diseñar y realizar los esfuerzos de seguimiento y evaluación, refierase a README.md presentar en el Repositorio GitHub para asegurarse de cumplir con los requisitos previos para implementar esta solución.
Implementar la solución
La implementación de la solución consta de los siguientes pasos de alto nivel:
- Configuraciones manuales completas usando el Consola de administración de AWS.
- Ejecutar scripts en un Amazon SageMaker instancia de cuaderno utilizando el archivo de cuaderno proporcionado.
- Implemente la solución utilizando el Kit de desarrollo en la nube de AWS (CDK de AWS).
Para obtener instrucciones completas, consulte el README.md presentar en el Repositorio GitHub.
Prueba la solución
Para probar la solución, envíe un correo electrónico desde su correo electrónico personal al correo electrónico de soporte creado como parte de la implementación de AWS CDK (para esta publicación, usamos support@mydomain.com). Usamos las siguientes tres intenciones en nuestros datos de muestra para el entrenamiento de clasificación personalizado:
- TRANSFERENCIA DE DINERO – El cliente quiere saber el estado de una transferencia de dinero
- PASSRESET – El cliente tiene un inicio de sesión, cuenta bloqueada o solicitud de contraseña
- CÓDIGO PROMOCIONAL – El cliente quiere saber acerca de un código de descuento o promoción disponible para una transferencia de dinero
La siguiente captura de pantalla muestra un ejemplo de correo electrónico del cliente:
Si el correo electrónico del cliente no está clasificado o los niveles de confianza están por debajo del 80 %, el contenido del correo electrónico se reenvía a un tema de SNS. Quien está suscrito al tema recibe el contenido del correo electrónico como un mensaje. Nos suscribimos a este tema SNS con el correo electrónico que pasamos con el human_workflow_email
parámetro durante la implementación.
Limpiar
Para evitar incurrir en costos continuos, elimine los recursos que creó como parte de esta solución cuando haya terminado.
Conclusión
En esta publicación, aprendió a configurar un sistema de respuesta de correo electrónico automatizado utilizando la clasificación de clientes y la detección de entidades de Amazon Comprehend y otros servicios de AWS. Esta solución puede proporcionar los siguientes beneficios:
- Tiempo de respuesta de correo electrónico mejorado
- Satisfacción del cliente mejorada
- Ahorro de costes en tiempo y recursos
- Capacidad para centrarse en los problemas clave del cliente.
También puede expandir esta solución a otras áreas de su negocio y a otras industrias.
Con la arquitectura actual, los correos electrónicos clasificados con un puntaje de confianza bajo se enrutan a un bucle humano para su verificación y respuesta manual. Puede utilizar las entradas del proceso de revisión manual para mejorar aún más el modelo de Amazon Comprehend y aumentar la tasa de clasificación automatizada. IA aumentada de Amazon (Amazon A2I) proporciona flujos de trabajo de revisión humanos integrados para casos de uso comunes de ML, como el reconocimiento de entidades basado en NLP en documentos. Esto le permite revisar fácilmente las predicciones de Amazon Comprehend.
A medida que obtengamos más datos para cada intento, volveremos a entrenar e implementar el modelo de clasificación personalizado y actualizaremos el flujo de respuesta de correo electrónico en consecuencia en el Repositorio GitHub.
Sobre la autora
Godwin Sahayaraj Vicente es un arquitecto de soluciones empresariales en AWS apasionado por el aprendizaje automático y brinda orientación a los clientes para diseñar, implementar y administrar sus cargas de trabajo y arquitecturas de AWS. En su tiempo libre, le encanta jugar al cricket con sus amigos y al tenis con sus tres hijos.
Shamika Ariyawansa es Arquitecto de Soluciones Especializado en AI/ML en el equipo Global de Salud y Ciencias de la Vida en Amazon Web Services. Trabaja con los clientes para avanzar en su viaje de ML con una combinación de ofertas de ML de AWS y su conocimiento del dominio de ML. Tiene su sede en Denver, Colorado. En su tiempo libre, disfruta de aventuras todoterreno en las montañas de Colorado y participa en competencias de aprendizaje automático.
- Coinsmart. El mejor intercambio de Bitcoin y criptografía de Europa.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. ACCESO LIBRE.
- CriptoHawk. Radar de altcoins. Prueba gratis.
- Fuente: https://aws.amazon.com/blogs/machine-learning/automate-email-responses-using-amazon-comprehend-custom-classification-and-entity-detection/
- "
- 100
- Sobre
- Mi Cuenta
- AI
- Amazon
- Amazon Web Services
- abejas
- arquitectura
- artificial
- inteligencia artificial
- Inteligencia Artificial (AI)
- Activos
- aumentado
- Confirmación de Viaje
- Hoy Disponibles
- AWS
- beneficios
- frontera
- build
- incorporado
- llamar al
- servicios sociales
- cases
- Causar
- retos
- canales
- clasificación
- Soluciones
- código
- Colorado
- combinación
- Algunos
- confianza
- contenido
- Precio
- COVID-19
- la pandemia de COVID-19
- cricket
- Current
- experiencia del cliente
- Atención al cliente
- Clientes
- datos
- Base de datos
- Denver
- desplegar
- Desplegando
- despliegue
- Diseño
- Detección
- Desarrollo
- una experiencia diferente
- El descuento
- documentos
- No
- dominio
- pasan fácilmente
- Punto final
- Empresa
- ejemplo
- Expandir
- experience
- Experiencia
- Nombre
- de tus señales
- Focus
- siguiendo
- ser completados
- función
- Buscar
- la salud
- ayuda
- Cómo
- Como Hacer
- HTTPS
- Identifique
- Impacto
- implementar
- mejorar
- incluir
- aumente
- industrias
- información
- Intelligence
- intención
- Clave
- Niños
- especialistas
- Idiomas
- aprendido
- aprendizaje
- Nivel
- Ciencias de la vida
- cerrado
- Largo
- máquina
- máquina de aprendizaje
- Management
- manual
- Match
- ML
- modelo
- dinero
- cuaderno
- .
- Lista de ofrendas
- Operaciones
- organización
- para las fiestas.
- Otro
- pandemia
- Contraseña
- con
- Jugar
- pobre
- Predicciones
- en costes
- proporcionar
- proporciona un
- Recurso
- Recursos
- respuesta
- devoluciones
- ingresos
- una estrategia SEO para aparecer en las búsquedas de Google.
- correr
- CIENCIAS
- Servicios
- cierre
- sencillos
- So
- Soluciones
- pasar
- Estado
- Suscríbase
- SOPORTE
- te
- equipo
- Tecnologías
- test
- equipo
- prolongado
- Formación
- Actualizar
- utilizan el
- propuesta de
- Verificación
- web
- servicios web
- QUIENES
- Empleados
- funciona