Tässä viestissä näytämme kuinka luoda automaattinen sähköpostivastausratkaisu käyttämällä Amazonin käsitys.
Organisaatiot käyttävät paljon resursseja, vaivaa ja rahaa asiakaspalvelutoimintojensa hoitamiseen vastatakseen asiakkaiden kysymyksiin ja tarjotakseen ratkaisuja. Asiakkaasi voivat esittää kysymyksiä eri kanavien, kuten sähköpostin, chatin tai puhelimen, kautta, ja työvoiman käyttäminen vastaamaan näihin kyselyihin voi olla resurssivaltaista, aikaa vievää ja jopa tehotonta, jos vastaukset näihin kysymyksiin ovat toistuvia.
COVID-19-pandemian aikana monet organisaatiot eivät voineet tukea riittävästi asiakkaitaan asiakaspalvelu- ja agenttitilojen sulkemisen vuoksi, ja asiakkaiden kyselyt kasautuivat. Joillakin organisaatioilla oli vaikeuksia vastata kyselyihin nopeasti, mikä voi aiheuttaa huonon asiakaskokemuksen. Tämä puolestaan voi johtaa asiakkaiden tyytymättömyyteen ja vaikuttaa organisaation maineeseen ja tuloihin pitkällä aikavälillä.
Vaikka organisaatiollasi saattaa olla tietoresurssit asiakkaiden kyselyihin ja vastauksiin, saatat silti vaikeuksia ottaa käyttöön automatisoitu prosessi vastataksesi asiakkaillesi. Haasteita voivat olla jäsentämätön data, erilaiset kielet ja asiantuntemuksen puute tekoäly- (AI) ja koneoppimistekniikoissa (ML).
Voit voittaa tällaiset haasteet käyttämällä Amazon Comprehendia automatisoimaan sähköpostivastaukset asiakkaiden kyselyihin. Ratkaisumme avulla voit tunnistaa asiakkaiden sähköpostien tarkoituksen lähettää automaattinen vastaus, jos tarkoitus vastaa olemassa olevaa tietopohjaasi. Jos tarkoitus ei täsmää, sähköposti menee tukitiimille manuaalista vastausta varten. Seuraavassa on joitain yleisiä asiakkaiden aikomuksia ottaa yhteyttä asiakaspalveluun:
- Tapahtuman tila (esimerkiksi rahansiirron tila)
- Salasanan
- Tarjouskoodi tai alennus
- Aukioloaika
- Etsi agentin sijainti
- Ilmoita petoksesta
- Avaa tili
- Sulje tili
Amazon Comprehend voi auttaa sinua luokittelussa ja entiteetin tunnistamisessa sähköposteissa millä tahansa edellä mainitulla tarkoituksella. Tässä ratkaisussa näytämme, kuinka asiakassähköpostit luokitellaan kolmen ensimmäisen tarkoituksen mukaan. Voit myös käyttää Amazon Comprehendia tunnistamaan tärkeimmät tiedot sähköposteista, jotta voit automatisoida liiketoimintaprosessejasi. Voit esimerkiksi käyttää Amazon Comprehendia automatisoidaksesi vastauksen asiakkaan pyyntöön, jossa on kyseiseen kyselyyn liittyviä erityisiä tietoja.
Ratkaisun yleiskatsaus
Asiakassähköpostivastauskulkumme rakentamiseen käytämme seuraavia palveluita:
- Amazonin käsitys
- AWS Lambda
- Amazonin yksinkertainen sähköpostipalvelu (Amazon SES)
- Amazonin yksinkertainen ilmoituspalvelu (Amazon SNS)
- Amazon WorkMail
Seuraava arkkitehtuurikaavio korostaa päästä päähän -ratkaisua:
Ratkaisun työnkulku sisältää seuraavat vaiheet:
- Asiakas lähettää sähköpostin WorkMailissa luotuun asiakastuen sähköpostiin.
- WorkMail kutsuu Lambda-toiminnon vastaanottaessaan sähköpostin.
- Funktio lähettää sähköpostin sisällön mukautettuun luokitusmallin päätepisteeseen.
- Mukautetun luokituksen päätepiste palauttaa luokitellun arvon ja luotettavuustason (yli 80 %, mutta voit määrittää tämän tarpeen mukaan).
- Jos luokitusarvo on
MONEYTRANSFER
, Lambda-funktio kutsuu entiteetin tunnistuksen päätepistettä löytääkseen rahansiirtotunnuksen. - Jos rahansiirtotunnus palautetaan, toiminto palauttaa rahansiirron tilan satunnaisesti (todellisessa tilanteessa voit kutsua tietokannan API:n kautta hakemaan todellisen siirron tilan).
- Palautetun luokitellun arvon perusteella valitaan ennalta määritetty sähköpostimalli Amazon SES:ssä ja asiakkaalle lähetetään vastaussähköposti.
- Jos luottamustaso on alle 80 %, luokiteltua arvoa ei palauteta tai entiteetin tunnistus ei löydä rahansiirtotunnusta, asiakkaan sähköposti siirretään SNS-aiheeseen. Voit tilata Amazon SNS:n lähettääksesi viestin lippujärjestelmääsi.
Edellytykset
Viittaavat README.md Tiedosto GitHub repo varmistaaksesi, että täytät tämän ratkaisun käyttöönoton edellytykset.
Ota ratkaisu käyttöön
Ratkaisun käyttöönotto koostuu seuraavista korkean tason vaiheista:
- Suorita manuaaliset määritykset loppuun käyttämällä AWS-hallintakonsoli.
- Suorita skriptit an Amazon Sage Maker muistikirjan esiintymä käyttämällä toimitettua muistikirjatiedostoa.
- Ota ratkaisu käyttöön käyttämällä AWS Cloud Development Kit (AWS CDK).
Katso täydelliset ohjeet osoitteesta README.md Tiedosto GitHub repo.
Testaa ratkaisu
Voit testata ratkaisua lähettämällä sähköpostin henkilökohtaisesta sähköpostistasi tukisähköpostiosoitteeseen, joka on luotu osana AWS CDK -käyttöönottoa (tässä viestissä käytämme osoitetta support@mydomain.com). Käytämme seuraavia kolmea tarkoitusta esimerkkitiedoissamme mukautetun luokittelukoulutuksen suorittamiseen:
- RAHANSIIRTO – Asiakas haluaa tietää rahansiirron tilan
- PASSRESET – Asiakkaalla on kirjautuminen, tili lukittu tai salasanapyyntö
- TARJOUSKOODI – Asiakas haluaa tietää rahansiirtoon saatavilla olevasta alennuksesta tai tarjouskoodista
Seuraava kuvakaappaus näyttää esimerkkiasiakkaan sähköpostin:
Jos asiakassähköpostia ei ole luokiteltu tai luottamustasot ovat alle 80%, sähköpostin sisältö välitetään SNS-aiheeseen. Aiheen tilaaja saa sähköpostin sisällön viestinä. Tilasimme tämän SNS-aiheen sähköpostilla, jonka välitimme human_workflow_email
parametri käyttöönoton aikana.
Puhdistaa
Voit välttää jatkuvia kuluja poistamalla tämän ratkaisun osana luomasi resurssit, kun olet valmis.
Yhteenveto
Tässä viestissä opit konfiguroimaan automaattisen sähköpostivastausjärjestelmän Amazon Comprehend -asiakasluokituksen ja entiteettien tunnistuksen sekä muiden AWS-palvelujen avulla. Tämä ratkaisu voi tarjota seuraavat edut:
- Parempi sähköpostin vastausaika
- Parempi asiakastyytyväisyys
- Säästää aikaa ja resursseja
- Kyky keskittyä keskeisiin asiakaskysymyksiin
Voit myös laajentaa tätä ratkaisua muille liiketoiminta-alueille ja muille toimialoille.
Nykyisessä arkkitehtuurissa alhaisella luotettavuuspisteellä luokitellut sähköpostit reititetään ihmissilmukalle manuaalista tarkistusta ja vastausta varten. Voit käyttää manuaalisen tarkistusprosessin syötteitä parantaaksesi Amazon Comprehend -mallia entisestään ja lisätäksesi automaattista luokitteluastetta. Amazonin laajennettu AI (Amazon A2I) tarjoaa sisäänrakennettuja ihmisen tarkistustyönkulkuja yleisiin ML-käyttötapauksiin, kuten NLP-pohjaiseen kokonaisuuden tunnistukseen asiakirjoissa. Tämän avulla voit helposti tarkastella Amazon Comprehendin ennusteita.
Kun saamme enemmän tietoja jokaisesta tarkoituksesta, koulutamme uudelleen ja otamme mukautetun luokitusmallin käyttöön ja päivitämme sähköpostivastausvirran vastaavasti GitHub repo.
kirjailijasta
Godwin Sahayaraj Vincent on AWS:n Enterprise Solutions -arkkitehti, joka on intohimoinen koneoppimiseen ja joka opastaa asiakkaita suunnittelemaan, ottamaan käyttöön ja hallitsemaan AWS-työkuormia ja -arkkitehtuureja. Vapaa-ajallaan hän pelaa mielellään krikettiä ystäviensä kanssa ja tennistä kolmen lapsensa kanssa.
Shamika Ariyawansa on AI/ML Specialist Solutions -arkkitehti maailmanlaajuisessa terveydenhuollon ja biotieteiden tiimissä Amazon Web Services -palvelussa. Hän työskentelee asiakkaiden kanssa edistääkseen heidän ML-matkaansa yhdistämällä AWS ML -tarjouksensa ja ML-verkkoaluetietonsa. Hänen kotipaikkansa on Denver, Colorado. Vapaa-ajallaan hän nauttii maastoseikkailuista Coloradon vuoristossa ja kilpailemisesta koneoppimiskilpailuissa.
- Coinsmart. Euroopan paras Bitcoin- ja kryptopörssi.
- Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. VAPAA PÄÄSY.
- CryptoHawk. Altcoinin tutka. Ilmainen kokeilu.
- Lähde: https://aws.amazon.com/blogs/machine-learning/automate-email-responses-using-amazon-comprehend-custom-classification-and-entity-detection/
- "
- 100
- Meistä
- Tili
- AI
- Amazon
- Amazon Web Services
- api
- arkkitehtuuri
- keinotekoinen
- tekoäly
- Tekoäly (AI)
- Varat
- täydennetty
- Automatisoitu
- saatavissa
- AWS
- Hyödyt
- reunus
- rakentaa
- sisäänrakennettu
- liiketoiminta
- soittaa
- joka
- tapauksissa
- Aiheuttaa
- haasteet
- kanavat
- luokittelu
- pilvi
- koodi
- Colorado
- yhdistelmä
- Yhteinen
- luottamus
- pitoisuus
- kustannukset
- Covid-19
- COVID-19 -pandemia
- kriketti
- Nykyinen
- asiakaskokemus
- Asiakaspalvelu
- Asiakkaat
- tiedot
- tietokanta
- Denver
- sijoittaa
- levityspinnalta
- käyttöönotto
- Malli
- Detection
- Kehitys
- eri
- Alennus
- asiakirjat
- ei
- verkkotunnuksen
- helposti
- päätepiste
- yritys
- esimerkki
- Laajentaa
- experience
- asiantuntemus
- Etunimi
- virtaus
- Keskittää
- jälkeen
- koko
- toiminto
- Global
- terveydenhuollon
- auttaa
- Miten
- Miten
- HTTPS
- tunnistaa
- Vaikutus
- toteuttaa
- parantaa
- sisältää
- Kasvaa
- teollisuuden
- tiedot
- Älykkyys
- tahallisuus
- avain
- Lasten
- tuntemus
- kielet
- oppinut
- oppiminen
- Taso
- Life Sciences
- lukittu
- Pitkät
- kone
- koneoppiminen
- johto
- manuaalinen
- ottelu
- ML
- malli
- raha
- muistikirja
- ilmoituksen
- tarjoukset
- Operations
- organisaatio
- organisaatioiden
- Muut
- pandeeminen
- Salasana
- henkilöstö
- Pelaa
- kehno
- Ennusteet
- prosessi
- Prosessit
- toimittaa
- tarjoaa
- resurssi
- Esittelymateriaalit
- vastaus
- Tuotto
- tulot
- arviot
- juoksu
- tieteet
- Palvelut
- sulkeminen
- Yksinkertainen
- So
- Ratkaisumme
- viettää
- Tila
- merkitä
- tuki
- järjestelmä
- joukkue-
- Technologies
- testi
- aika
- aikaavievä
- koulutus
- Päivitykset
- käyttää
- arvo
- Vahvistus
- verkko
- verkkopalvelut
- KUKA
- työvoima
- toimii