Dorong efisiensi dengan praktik terbaik CI/CD di Amazon Lex

Katakanlah Anda telah mengidentifikasi kasus penggunaan di organisasi Anda yang ingin Anda tangani melalui chatbot. Anda membiasakan diri dengan AmazonLex, membuat prototipe, dan melakukan beberapa interaksi percobaan dengan bot. Anda menyukai keseluruhan pengalaman dan sekarang ingin menerapkan bot di lingkungan produksi Anda, tetapi tidak yakin tentang praktik terbaik untuk Amazon Lex. Dalam posting ini, kami meninjau praktik terbaik untuk mengembangkan dan menerapkan bot Amazon Lex, memungkinkan Anda untuk merampingkan siklus hidup bot ujung ke ujung dan mengoptimalkan operasi Anda.

Kami telah membahas fase perencanaan, desain, dan konfigurasi sebelumnya posting blog. Sebaiknya tinjau postingan ini untuk membantu Anda membangun percakapan yang menarik dengan bot Anda sebelum melanjutkan. Setelah Anda awalnya mengonfigurasi bot, Anda harus mengujinya secara internal dan mengulangi definisi bot. Anda sekarang siap untuk menerapkannya di lingkungan produksi Anda (seperti pusat panggilan), tempat bot akan memproses percakapan langsung. Setelah berproduksi, Anda harus memantaunya secara terus-menerus untuk memastikannya memenuhi tujuan bisnis yang Anda inginkan. Siklus ini berulang saat Anda menambahkan kasus penggunaan dan penyempurnaan baru.

Mari kita tinjau praktik terbaik untuk pengembangan, pengujian, penerapan, dan pemantauan bot.

Pengembangan

Pertimbangkan praktik terbaik berikut saat mengembangkan bot Anda:

• Kelola skema bot melalui kode – Konsol Amazon Lex menyediakan antarmuka yang mudah digunakan saat Anda mendesain dan mengonfigurasi bot, tetapi bergantung pada tindakan manual untuk mereplikasi pengaturan. Sebaiknya ubah skema bot menjadi kode setelah menyelesaikan desain untuk menyederhanakan langkah ini. Kamu dapat memakai Lebah or Formasi AWS Cloud (Lihat Membuat sumber daya Amazon Lex V2 dengan AWS CloudFormation) untuk mengelola bot secara terprogram.
• Skema bot pos pemeriksaan dengan versi bot – Checkpointing adalah pendekatan umum yang sering digunakan untuk mengembalikan aplikasi ke status stabil yang terakhir diketahui. Amazon Lex menawarkan fungsionalitas ini melalui versi bot. Sebaiknya gunakan versi baru di setiap pencapaian dalam proses pengembangan Anda. Ini memungkinkan Anda untuk membuat perubahan tambahan pada definisi bot Anda, dengan cara mudah untuk mengembalikannya jika tidak berfungsi seperti yang diharapkan.
• Identifikasi persyaratan penanganan data dan konfigurasikan kontrol yang sesuai – Amazon Lex mengikuti AWS model tanggung jawab bersama, yang mencakup pedoman perlindungan data untuk mematuhi peraturan industri dan standar privasi data perusahaan Anda sendiri. Selain itu, Amazon Lex mematuhi program kepatuhan seperti SOC, PCI, dan FedRAMP. Amazon Lex menyediakan kemampuan untuk mengaburkan slot yang dianggap sensitif. Anda harus mengidentifikasi persyaratan privasi data Anda dan mengonfigurasi kontrol yang sesuai di bot Anda.

pengujian

Setelah Anda memiliki definisi bot, Anda harus menguji bot untuk memastikan bot berfungsi sebagaimana dimaksud dan dikonfigurasi dengan benar. Misalnya, itu harus memiliki izin untuk memicu layanan lain, seperti AWS Lambda fungsi. Selain itu, Anda juga harus menguji bot untuk mengonfirmasi bahwa bot dapat menafsirkan berbagai jenis permintaan pengguna. Pertimbangkan praktik terbaik berikut untuk pengujian:

• Identifikasi data uji – Anda harus mengumpulkan data pengujian yang relevan untuk menguji kinerja bot. Data pengujian harus mencakup representasi komprehensif dari percakapan pengguna yang diharapkan dengan bot, terutama untuk kasus penggunaan IVR di mana bot perlu memahami input suara. Data pengujian harus mencakup gaya dan aksen bicara yang berbeda. Data pengujian tersebut dapat memberikan validasi pengalaman untuk basis pelanggan target Anda.
• Identifikasi metrik pengalaman pengguna – Mendefinisikan pengalaman percakapan bisa jadi sulit. Anda harus mengantisipasi dan merencanakan semua cara berbeda yang mungkin dilakukan pengguna dengan bot. Bagaimana Anda memandu penelepon tanpa terdengar terlalu menentukan? Bagaimana Anda memulihkan jika penelepon memberikan informasi yang salah atau tidak lengkap? Untuk mengelola dialog melalui banyak skenario yang berbeda, Anda harus menetapkan tujuan yang jelas yang mencakup gaya bicara, kondisi akustik, dan modalitas yang berbeda, dan mengidentifikasi metrik objektif yang dapat Anda lacak. Misalnya, indikator objektif adalah "90% percakapan harus memiliki kurang dari dua permintaan ulang yang diputar ke pengguna," versus indikator subjektif seperti "mayoritas percakapan tidak boleh meminta pengguna untuk mengulangi masukan mereka."
• Evaluasi pengalaman pengguna di sepanjang jalan – Dalam beberapa kasus, perubahan yang tampaknya kecil dapat berdampak besar pada pengalaman pengguna. Misalnya, pertimbangkan situasi di mana Anda secara tidak sengaja memasukkan kesalahan ketik dalam ekspresi reguler yang digunakan untuk jenis slot ID akun, yang menyebabkan bot meminta kembali pengguna untuk memberikan masukan lagi. Anda harus mengevaluasi pengalaman pengguna, dan berinvestasi dalam pengujian otomatis untuk menghasilkan metrik utama. Anda dapat merujuk ke Mengevaluasi layanan pengenalan ucapan otomatis dan Menguji akurasi dan regresi dengan Amazon Connect dan Amazon Lex untuk contoh cara menguji dan menghasilkan metrik utama.

Penyebaran

Setelah Anda puas dengan kinerja bot, Anda ingin menerapkan bot untuk mulai melayani lalu lintas produksi Anda. Saat Anda mengulangi bot selama siklus hidupnya, Anda mengulangi penerapan, menjadikannya proses yang berkelanjutan, jadi sangat penting untuk memiliki penerapan yang efisien dan otomatis untuk mengurangi kemungkinan kesalahan. Pertimbangkan praktik terbaik berikut untuk penerapan:

• Gunakan lingkungan multi-akun – Anda harus mengikuti AWS yang direkomendasikan pengaturan lingkungan multi-akun di organisasi Anda dan gunakan akun AWS terpisah untuk tahap pengembangan dan tahap produksi Anda. Jika Anda memiliki kehadiran multi-Wilayah, maka Anda juga harus menggunakan akun AWS terpisah per Wilayah untuk produksi. Menggunakan akun AWS terpisah per tahap menawarkan keamanan, akses, dan batas penagihan untuk sumber daya AWS Anda.
• Otomatiskan promosi bot dari pengembangan hingga produksi – Saat mereplikasi pengaturan bot dalam tahap pengembangan ke tahap produksi, Anda harus menggunakan solusi otomatis dan meminimalkan titik sentuh manual. Anda harus menggunakan template CloudFormation untuk membuat bot Anda. Atau, Anda dapat menggunakan API ekspor dan impor Amazon Lex untuk menyediakan sarana otomatis untuk menyalin skema bot di seluruh akun.
• Luncurkan perubahan secara bertahap – Anda harus menerapkan perubahan ke lingkungan produksi Anda secara bertahap, sehingga perubahan dirilis ke subset lalu lintas produksi Anda sebelum dirilis ke semua pengguna. Pendekatan semacam itu memberi Anda kesempatan untuk membatasi radius ledakan jika ada masalah dengan perubahan tersebut. Salah satu cara Anda dapat mencapai ini adalah dengan memiliki pendekatan penerapan dua fase: Anda membuat dua alias untuk bot (misalnya, prod-05 dan prod-95). Pertama-tama Anda mengasosiasikan versi bot baru dengan satu alias (prod-05 dalam contoh ini). Setelah Anda memvalidasi metrik kunci yang memenuhi kriteria keberhasilan, Anda mengaitkan alias kedua (prod-95) dengan versi bot baru.

Perhatikan bahwa Anda perlu mengontrol distribusi lalu lintas pada aplikasi klien yang digunakan untuk berintegrasi dengan bot Amazon Lex. Misalnya, jika Anda menggunakan Sambungan Amazon untuk berintegrasi dengan bot Anda, Anda dapat menggunakan a Distribusikan berdasarkan persentase blok kontak dalam hubungannya dengan dua atau lebih Dapatkan masukan pelanggan blok.

Penting untuk dicatat bahwa Amazon Lex menyediakan alias uji coba di luar kotak. Alias ​​​​pengujian dimaksudkan untuk digunakan untuk pengujian manual ad hoc melalui konsol Amazon Lex saja, dan tidak dimaksudkan untuk menangani beban skala produksi. Sebaiknya gunakan alias khusus untuk lalu lintas produksi Anda.

Pemantauan

Pemantauan penting untuk menjaga keandalan, ketersediaan, dan pengalaman pengguna akhir yang efektif. Anda harus menganalisis metrik bot Anda dan menggunakan pembelajaran sebagai mekanisme umpan balik untuk meningkatkan skema bot serta praktik pengembangan, pengujian, dan penerapan Anda. Amazon Lex mendukung banyak mekanisme untuk memantau bot. Pertimbangkan praktik terbaik berikut untuk memantau bot Lex Anda:

• Pantau terus-menerus dan ulangi – Amazon Lex terintegrasi dengan amazoncloudwatch untuk memberikan metrik yang mendekati waktu nyata yang dapat memberi Anda wawasan utama tentang interaksi pengguna Anda dengan bot. Wawasan ini dapat membantu Anda mendapatkan perspektif tentang pengalaman pengguna akhir. Untuk mempelajari lebih lanjut tentang berbagai jenis metrik yang dipancarkan Amazon Lex, lihat Memantau Amazon Lex V2 dengan Amazon CloudWatch. Sebaiknya siapkan ambang batas untuk memicu alarm. Demikian pula, Amazon Lex memberi Anda visibilitas ke dalam ucapan masukan mentah dari interaksi pengguna Anda dengan bot. Kamu harus menggunakan statistik ucapan or log percakapan untuk mendapatkan wawasan guna mengidentifikasi pola komunikasi dan membuat perubahan yang sesuai pada bot Anda jika diperlukan. Untuk mempelajari cara membuat dasbor analitik yang dipersonalisasi untuk bot Anda, lihat Pantau metrik operasional untuk chatbot Amazon Lex Anda.

Praktik terbaik yang dibahas dalam posting ini berfokus terutama pada kasus penggunaan khusus Amazon Lex. Selain itu, Anda harus meninjau dan mematuhi praktik terbaik saat mengelola infrastruktur cloud Anda di AWS. Pastikan infrastruktur cloud Anda aman dan hanya dapat diakses oleh pengguna yang berwenang. Anda juga harus meninjau dan mengadopsi yang sesuai Praktik terbaik keamanan AWS dalam organisasi Anda. Terakhir, Anda harus secara proaktif meninjau Kuota AWS untuk layanan AWS individual (termasuk kuota Amazon Lex) dan meminta perubahan yang sesuai jika perlu.

Kesimpulan

Anda dapat menggunakan Amazon Lex untuk mengaktifkan percakapan bahasa alami yang canggih dan mendorong efisiensi layanan pelanggan. Dalam postingan ini, kami meninjau praktik terbaik untuk fase pengembangan, pengujian, penerapan, dan pemantauan siklus hidup bot. Dengan panduan ini, Anda dapat meningkatkan pengalaman pengguna akhir dan mencapai keterlibatan pelanggan yang lebih baik. Mulailah membangun pengalaman percakapan Amazon Lex Anda hari ini!

tentang Penulis

Swapandeep Singh adalah seorang insinyur dengan tim Amazon Lex. Dia bekerja untuk membuat interaksi dengan bot lebih lancar dan lebih mirip manusia. Di luar pekerjaan, dia suka bepergian dan belajar tentang budaya yang berbeda.