Améliorez l'efficacité avec les meilleures pratiques CI/CD sur Amazon Lex

Disons que vous avez identifié un cas d'utilisation dans votre organisation que vous aimeriez traiter via un chatbot. Vous vous êtes familiarisé avec Amazon Lex, construit un prototype et effectué quelques essais d'interaction avec le bot. Vous avez aimé l'expérience globale et souhaitez maintenant déployer le bot dans votre environnement de production, mais vous n'êtes pas sûr des meilleures pratiques pour Amazon Lex. Dans cet article, nous passons en revue les meilleures pratiques pour développer et déployer des bots Amazon Lex, vous permettant de rationaliser le cycle de vie des bots de bout en bout et d'optimiser vos opérations.

Nous avons couvert les phases de planification, de conception et de configuration dans les versions précédentes. ARTICLES DE BLOGUE. Nous vous suggérons de consulter ces messages pour vous aider à établir des conversations engageantes avec votre bot avant de continuer. Après avoir initialement configuré le bot, vous devez le tester en interne et itérer sur la définition du bot. Vous êtes maintenant prêt à le déployer dans votre environnement de production (comme un centre d'appels), où le bot traitera les conversations en direct. Une fois en production, vous devez le surveiller en permanence pour vous assurer qu'il répond aux objectifs commerciaux souhaités. Ce cycle se répète à mesure que vous ajoutez de nouveaux cas d'utilisation et améliorations.

Passons en revue les meilleures pratiques de développement, de test, de déploiement et de surveillance des bots.

Développement

Tenez compte des bonnes pratiques suivantes lors du développement de votre bot :

• Gérer le schéma du bot via le code – La console Amazon Lex fournit une interface facile à utiliser lorsque vous concevez et configurez le bot, mais s'appuie sur des actions manuelles pour répliquer la configuration. Nous vous recommandons de convertir le schéma du bot en code après avoir terminé la conception pour simplifier cette étape. Vous pouvez utiliser Apis or AWS CloudFormation (voir Création de ressources Amazon Lex V2 avec AWS CloudFormation) pour gérer le bot par programmation.
• Schéma de bot Checkpoint avec gestion des versions de bot – Le point de contrôle est une approche courante souvent utilisée pour ramener une application à un dernier état stable connu. Amazon Lex offre cette fonctionnalité via gestion des versions de bot. Nous vous recommandons d'utiliser une nouvelle version à chaque étape de votre processus de développement. Cela vous permet d'apporter des modifications incrémentielles à la définition de votre bot, avec un moyen simple de les annuler au cas où elles ne fonctionneraient pas comme prévu.
• Identifier les exigences de traitement des données et configurer les contrôles appropriés – Amazon Lex suit l'AWS modèle de responsabilité partagée, qui comprend des directives pour la protection des données afin de se conformer aux réglementations du secteur et aux normes de confidentialité des données de votre entreprise. De plus, Amazon Lex adhère à programmes de conformité tels que SOC, PCI et FedRAMP. Amazon Lex offre la possibilité d'obscurcir les emplacements considérés comme sensibles. Vous devez identifier vos exigences en matière de confidentialité des données et configurer les contrôles appropriés dans votre bot.

Essais

Une fois que vous avez une définition de bot, vous devez tester le bot pour vous assurer qu'il fonctionne comme prévu et qu'il est correctement configuré. Par exemple, il doit être autorisé à déclencher d'autres services, tels que AWS Lambda les fonctions. En outre, vous devez également tester le bot pour confirmer qu'il est capable d'interpréter différents types de demandes d'utilisateurs. Tenez compte des meilleures pratiques suivantes pour les tests :

• Identifier les données de test – Vous devez collecter des données de test pertinentes pour tester les performances du bot. Les données de test doivent inclure une représentation complète des conversations attendues des utilisateurs avec le bot, en particulier pour les cas d'utilisation IVR où le bot devra comprendre les entrées vocales. Les données de test doivent couvrir différents styles de parole et accents. Ces données de test peuvent fournir une validation de l'expérience pour votre clientèle cible.
• Identifier les métriques d'expérience utilisateur – Définir l'expérience conversationnelle peut être difficile. Vous devez anticiper et planifier toutes les différentes façons dont les utilisateurs pourraient interagir avec le bot. Comment guider l'appelant sans paraître trop normatif ? Comment récupérez-vous si l'appelant fournit des informations incorrectes ou incomplètes ? Pour gérer le dialogue à travers de nombreux scénarios différents, vous devez définir un objectif clair qui couvre différents styles de parole, conditions acoustiques et modalités, et identifier des mesures objectives que vous pouvez suivre. Par exemple, un indicateur objectif serait « 90 % des conversations devraient avoir moins de deux nouvelles invites jouées à l'utilisateur », par rapport à un indicateur subjectif tel que « la majorité des conversations ne devraient pas demander aux utilisateurs de répéter leur entrée ».
• Évaluer l'expérience utilisateur en cours de route – Dans certains cas, des changements apparemment mineurs peuvent avoir un impact important sur l'expérience utilisateur. Par exemple, considérez une situation où vous introduisez par inadvertance une faute de frappe dans l'expression régulière utilisée pour un type d'emplacement d'ID de compte, ce qui conduit le bot à demander à nouveau à l'utilisateur de fournir une nouvelle entrée. Vous devez évaluer l'expérience utilisateur et investir dans des tests automatisés pour générer des mesures clés. Vous pouvez vous référer à Évaluation d'un service de reconnaissance vocale automatique ainsi que Tester la précision et la régression avec Amazon Connect et Amazon Lex pour des exemples de test et de génération de métriques clés.

Déploiement

Une fois que vous êtes satisfait des performances du bot, vous souhaiterez le déployer pour commencer à servir votre trafic de production. Au fur et à mesure que vous itérez le bot au cours de son cycle de vie, vous répétez les déploiements, ce qui en fait un processus continu. Il est donc essentiel d'avoir un déploiement rationalisé et automatisé pour réduire les risques d'erreurs. Tenez compte des meilleures pratiques suivantes pour le déploiement :

• Utiliser un environnement multi-comptes – Vous devez suivre les recommandations d'AWS configuration de l'environnement multi-comptes dans votre organisation et utilisez des comptes AWS distincts pour votre phase de développement et votre phase de production. Si vous avez une présence dans plusieurs régions, vous devez également utiliser un compte AWS distinct par région pour la production. L'utilisation de comptes AWS distincts par étape vous offre des limites de sécurité, d'accès et de facturation pour vos ressources AWS.
• Automatisez la promotion d'un bot du développement à la production – Lors de la réplication de la configuration du bot de votre phase de développement à votre phase de production, vous devez utiliser des solutions automatisées et minimiser les points de contact manuels. Vous devez utiliser les modèles CloudFormation pour créer vos bots. Alternativement, vous pouvez utiliser API d'exportation et d'importation Amazon Lex pour fournir un moyen automatisé de copier un schéma de bot sur plusieurs comptes.
• Déployer les changements de manière progressive – Vous devez déployer les modifications dans votre environnement de production de manière progressive, afin que les modifications soient publiées dans un sous-ensemble de votre trafic de production avant d'être diffusées à tous les utilisateurs. Une telle approche vous donne la possibilité de limiter le rayon de souffle en cas de problème avec le changement. Une façon d'y parvenir est d'avoir une approche de déploiement en deux phases : vous créez deux alias pour un bot (par exemple, prod-05 et prod-95). Vous associez d'abord la nouvelle version du bot à un alias (prod-05 dans cet exemple). Après avoir validé que les métriques clés répondent aux critères de réussite, vous associez le deuxième alias (prod-95) à la nouvelle version du bot.

Notez que vous devez contrôler la distribution du trafic sur l'application cliente utilisée pour l'intégration avec les bots Amazon Lex. Par exemple, si vous utilisez Connexion Amazon pour s'intégrer à vos bots, vous pouvez utiliser un Répartir en pourcentage bloc de contact en conjonction avec deux ou plusieurs Obtenez les commentaires des clients Blocs.

Il est important de noter qu'Amazon Lex fournit un alias de test prêt à l'emploi. L'alias de test est destiné à être utilisé pour des tests manuels ad hoc via la console Amazon Lex uniquement, et n'est pas destiné à gérer des charges à l'échelle de la production. Nous vous recommandons d'utiliser un alias dédié pour votre trafic de production.

Le Monitoring

La surveillance est importante pour maintenir la fiabilité, la disponibilité et une expérience utilisateur efficace. Vous devez analyser les métriques de votre bot et utiliser les apprentissages comme mécanisme de rétroaction pour améliorer le schéma du bot ainsi que vos pratiques de développement, de test et de déploiement. Amazon Lex prend en charge plusieurs mécanismes pour surveiller les robots. Tenez compte des meilleures pratiques suivantes pour surveiller vos bots Lex :

• Surveiller en permanence et itérer – Amazon Lex s'intègre avec Amazon Cloud Watch pour fournir des métriques en temps quasi réel qui peuvent vous fournir des informations clés sur les interactions de vos utilisateurs avec le bot. Ces informations peuvent vous aider à mieux comprendre l'expérience de l'utilisateur final. Pour en savoir plus sur les différents types de métriques émises par Amazon Lex, consultez Surveillance d'Amazon Lex V2 avec Amazon CloudWatch. Nous vous recommandons de définir des seuils pour déclencher des alarmes. De même, Amazon Lex vous donne une visibilité sur les énoncés d'entrée bruts à partir des interactions de vos utilisateurs avec le bot. Tu devrais utiliser statistiques d'énonciation or journaux de conversations pour obtenir des informations permettant d'identifier les modèles de communication et d'apporter les modifications appropriées à votre bot si nécessaire. Pour savoir comment créer un tableau de bord analytique personnalisé pour vos bots, consultez Surveillez les métriques opérationnelles de votre chatbot Amazon Lex.

Les meilleures pratiques abordées dans cet article se concentrent principalement sur les cas d'utilisation spécifiques à Amazon Lex. En plus de cela, vous devez consulter et respecter les meilleures pratiques lors de la gestion de votre infrastructure cloud dans AWS. Assurez-vous que votre infrastructure cloud est sécurisée et accessible uniquement aux utilisateurs autorisés. Vous devez également examiner et adopter les Meilleures pratiques de sécurité AWS au sein de votre organisation. Enfin, vous devez examiner de manière proactive les Quotas AWS pour les services AWS individuels (y compris les quotas Amazon Lex) et demander les modifications appropriées si nécessaire.

Conclusion

Vous pouvez utiliser Amazon Lex pour permettre des conversations sophistiquées en langage naturel et améliorer l'efficacité du service client. Dans cet article, nous avons passé en revue les meilleures pratiques pour les phases de développement, de test, de déploiement et de surveillance du cycle de vie d'un bot. Grâce à ces directives, vous pouvez améliorer l'expérience de l'utilisateur final et obtenir un meilleur engagement client. Commencez à créer votre expérience conversationnelle Amazon Lex dès aujourd'hui !

À propos de l’auteur

Swapandeep Singh est ingénieur au sein de l'équipe Amazon Lex. Il travaille à rendre les interactions avec les bots plus fluides et plus humaines. En dehors du travail, il aime voyager et découvrir différentes cultures.