Kami memahami masukan ucapan lebih baik jika kami memiliki beberapa latar belakang tentang topik percakapan. Pertimbangkan agen layanan pelanggan di grosir suku cadang mobil yang membantu dengan pesanan. Jika agen mengetahui bahwa pelanggan sedang mencari ban, mereka kemungkinan besar akan mengenali tanggapan (misalnya, โMichelinโ) di telepon. Agen sering kali mengambil petunjuk atau petunjuk tersebut berdasarkan pengetahuan domain mereka dan akses ke dasbor intelijen bisnis. AmazonLex sekarang mendukung kemampuan petunjuk untuk meningkatkan pengenalan frasa yang relevan dalam percakapan. Anda dapat memberikan frasa secara terprogram sebagai petunjuk selama interaksi langsung untuk memengaruhi transkripsi masukan lisan. Pengenalan yang lebih baik mendorong percakapan yang efisien, mengurangi waktu penanganan agen, dan pada akhirnya meningkatkan kepuasan pelanggan.
Dalam posting ini, kami meninjau kemampuan petunjuk runtime dan menggunakannya untuk menerapkan verifikasi penelepon berdasarkan nama gadis ibu mereka.
Ikhtisar kemampuan petunjuk runtime
Anda dapat memberikan daftar frasa atau kata untuk membantu bot Anda dengan transkripsi masukan ucapan. Anda dapat menggunakan petunjuk ini dengan jenis slot bawaan seperti nama depan dan belakang, nama jalan, kota, negara bagian, dan negara. Anda juga dapat mengonfigurasi ini untuk jenis slot khusus Anda.
Anda dapat menggunakan kemampuan untuk menuliskan nama yang mungkin sulit untuk diucapkan atau dipahami. Misalnya, dalam contoh percakapan berikut, kami menggunakannya untuk menuliskan nama "Loreck."
Percakapan 1
IVR: Selamat datang di bank ACME. apa yang bisa saya bantu hari ini?
Penelepon: Saya ingin memeriksa saldo akun saya.
IVR: Tentu. Akun mana yang harus saya tarik?
Penelepon: Memeriksa
IVR: Berapa nomor rekeningnya?
Penelepon: 1111 2222 3333 4444
IVR: Untuk keperluan verifikasi, siapa nama gadis ibumu?
Penelepon: Loreck
IVR: Terima kasih. Saldo di rekening giro Anda adalah 123 dolar.
Kata-kata yang diberikan sebagai petunjuk lebih disukai daripada kata-kata serupa lainnya. Misalnya, dalam contoh percakapan kedua, petunjuk waktu proses (โSmytheโ) dipilih di atas transkripsi yang lebih umum (โSmithโ).
Percakapan 2
IVR: Selamat datang di bank ACME. apa yang bisa saya bantu hari ini?
Penelepon: Saya ingin memeriksa saldo akun saya.
IVR: Tentu. Akun mana yang harus saya tarik?
Penelepon: Memeriksa
IVR: Berapa nomor rekeningnya?
Penelepon: 5555 6666 7777 8888
IVR: Untuk keperluan verifikasi, siapa nama gadis ibumu?
Penelepon: Smythe
IVR: Terima kasih. Saldo di rekening giro Anda adalah 456 dolar.
Jika nama tidak cocok dengan petunjuk waktu proses, Anda dapat gagal verifikasi dan merutekan panggilan ke agen.
Percakapan 3
IVR: Selamat datang di bank ACME. apa yang bisa saya bantu hari ini?
Penelepon: Saya ingin memeriksa saldo akun saya.
IVR: Tentu. Akun mana yang harus saya tarik?
Penelepon: Tabungan
IVR: Berapa nomor rekeningnya?
Penelepon: 5555 6666 7777 8888
IVR: Untuk keperluan verifikasi, siapa nama gadis ibumu?
pemanggil: Jane
IVR: Ada masalah dengan akun Anda. Untuk dukungan, Anda akan diteruskan ke agen.
Ikhtisar solusi
Mari kita tinjau arsitektur keseluruhan untuk solusi (lihat diagram berikut):
- Kami menggunakan bot Amazon Lex yang terintegrasi dengan Sambungan Amazon aliran kontak untuk menyampaikan pengalaman percakapan.
- Kami menggunakan kait kode dialog di bot Amazon Lex untuk memanggil AWS Lambda fungsi yang memberikan petunjuk waktu proses pada pergantian percakapan sebelumnya.
- Untuk keperluan posting ini, data nama gadis ibu yang digunakan untuk otentikasi disimpan dalam Amazon DynamoDB tabel.
- Setelah pemanggil diautentikasi, kontrol diteruskan ke bot untuk melakukan transaksi (misalnya, cek saldo)
Selain fungsi Lambda, Anda juga dapat mengirim petunjuk waktu proses ke Amazon Lex V2 menggunakan PutSession
, RecognizeText
, RecognizeUtterance
, atau StartConversation
operasi. Petunjuk runtime dapat diatur kapan saja dalam percakapan dan dipertahankan di setiap belokan hingga dihapus.
Terapkan contoh bot Amazon Lex
Untuk membuat bot sampel dan mengonfigurasi petunjuk frasa runtime, lakukan langkah-langkah berikut. Ini menciptakan bot Amazon Lex yang disebut BankingBot
, dan satu jenis slot (accountNumber
).
- Download Bot Amazon Lex.
- Di konsol Amazon Lex, pilih tindakan, impor.
- Pilih file
BankingBot.zip
yang Anda unduh, dan pilih impor. - Pilih bot
BankingBot
di konsol Amazon Lex. - Pilih bahasa Inggris (GB).
- Pilih Membangun.
- Unduh yang mendukung Kode lambda.
- Di konsol Lambda, buat fungsi baru dan pilih Penulis dari awal.
- Untuk Nama fungsi, Masuk
BankingBotEnglish
. - Untuk Runtime, pilih Python 3.8.
- Pilih Buat fungsi.
- Dalam majalah Kode sumber bagian, buka
lambda_function.py
dan hapus kode yang ada. - Unduh kode fungsi dan buka di editor teks.
- Salin kode dan masukkan ke dalam kolom kode fungsi yang kosong.
- Pilih menyebarkan.
- Di konsol Amazon Lex, pilih bot
BankingBot
. - Pilih Penyebaran lalu alias, lalu pilih alias
TestBotAlias
. - pada alias halaman, pilih Bahasa Dan pilihlah Inggris (GB).
- Untuk sumber, pilih bot
BankingBotEnglish
. - Untuk Versi Lambda atau alias, Masuk
$LATEST
. - Di konsol DynamoDB, pilih Buat tabel.
- Berikan nama sebagai
customerDatabase
. - Berikan kunci partisi sebagai
accountNumber
. - Tambahkan item dengan
accountNumber: โ1111222233334444โ
danmothersMaidenName โLoreckโ
. - Tambahkan item dengan
accountNumber: โ5555666677778888โ
danmothersMaidenName โSmytheโ
. - Pastikan fungsi Lambda memiliki Izin untuk membaca dari tabel DynamoDB
customerDatabase
. - Di konsol Amazon Connect, pilih Arus kontak.
- Di bagian Amazon Lex, pilih bot Amazon Lex Anda dan sediakan untuk digunakan dalam alur kontak Amazon Connect.
- Download aliran kontak untuk berintegrasi dengan bot Amazon Lex.
- Pilih aliran kontak untuk memuatnya ke dalam aplikasi.
- Pastikan bot yang tepat dikonfigurasi di blok "Dapatkan Masukan Pelanggan".
- Pilih antrean di blok โSetel antrean kerjaโ.
- Tambahkan nomor telepon ke alur kontak.
- Uji aliran IVR dengan menelepon ke nomor telepon.
Uji solusinya
Anda sekarang dapat menelepon ke nomor telepon Amazon Connect dan berinteraksi dengan bot.
Kesimpulan
Petunjuk runtime memungkinkan Anda untuk memengaruhi transkripsi kata atau frasa secara dinamis dalam percakapan. Anda dapat menggunakan logika bisnis untuk mengidentifikasi petunjuk saat percakapan berkembang. Pengenalan yang lebih baik dari input pengguna memungkinkan Anda untuk memberikan pengalaman yang ditingkatkan. Anda dapat mengonfigurasi petunjuk waktu proses melalui Lex V2 SDK. Kemampuan tersebut tersedia di semua Wilayah AWS tempat Amazon Lex beroperasi dalam bahasa Inggris (Australia), Inggris (Inggris Raya), dan bahasa Inggris (AS).
Untuk mempelajari lebih lanjut, lihat petunjuk waktu proses.
Tentang Penulis
Kai Lorek adalah layanan profesional konsultan Amazon Connect. Dia bekerja merancang dan mengimplementasikan solusi pengalaman pelanggan yang terukur. Di waktu luangnya, ia dapat ditemukan bermain olahraga, snowboarding, atau hiking di pegunungan.
Anubhav Misra adalah Manajer Produk dengan AWS. Dia menghabiskan waktunya untuk memahami pelanggan dan merancang pengalaman produk untuk mengatasi tantangan bisnis mereka.
Sravan Bodapati adalah Manajer Sains Terapan di AWS Lex. Dia berfokus untuk membangun solusi Artificial Intelligence dan Machine Learning yang canggih untuk pelanggan AWS di ruang ASR dan NLP. Di waktu luangnya, ia menikmati hiking, belajar ekonomi, menonton acara TV dan menghabiskan waktu bersama keluarganya.
- "
- 100
- mengakses
- Akun
- tambahan
- alamat
- agen
- Semua
- Amazon
- Aplikasi
- arsitektur
- buatan
- kecerdasan buatan
- Kecerdasan Buatan dan Pembelajaran Mesin
- Australia
- dikonfirmasi
- Otentikasi
- mobil
- tersedia
- AWS
- latar belakang
- Bank
- Memblokir
- Bot
- Bangunan
- built-in
- bisnis
- intelijen bisnis
- panggilan
- pemanggil
- tantangan
- memeriksa
- Pilih
- Kota
- kode
- Umum
- Terhubung
- konsul
- konsultan
- kontak
- kontrol
- Percakapan
- percakapan
- negara
- membuat
- menciptakan
- adat
- pelanggan
- pengalaman pelanggan
- Kepuasan pelanggan
- Layanan Pelanggan
- pelanggan
- data
- merancang
- sulit
- Tidak
- dolar
- domain
- selama
- Ekonomi
- Tepi
- editor
- efisien
- Inggris
- Enter
- contoh
- ada
- pengalaman
- Pengalaman
- keluarga
- Pertama
- aliran
- berfokus
- berikut
- ditemukan
- fungsi
- Penanganan
- membantu
- membantu
- Seterpercayaapakah Olymp Trade? Kesimpulan
- HTTPS
- mengenali
- melaksanakan
- mengimplementasikan
- mempengaruhi
- memasukkan
- mengintegrasikan
- terpadu
- Intelijen
- interaksi
- isu
- IT
- kunci
- pengetahuan
- bahasa
- BELAJAR
- pengetahuan
- Mungkin
- Daftar
- memuat
- mencari
- mesin
- Mesin belajar
- manajer
- Cocok
- lebih
- nama
- jumlah
- Buka
- Operasi
- perintah
- Lainnya
- secara keseluruhan
- frase
- bermain
- Titik
- sebelumnya
- Produk
- profesional
- memberikan
- menyediakan
- tujuan
- mengenali
- relevan
- ulasan
- Rute
- kepuasan
- terukur
- Ilmu
- SDK
- terpilih
- layanan
- Layanan
- set
- mirip
- larutan
- Solusi
- beberapa
- Space
- Pengeluaran
- Olahraga
- Negara
- jalan
- mendukung
- pendukung
- Mendukung
- waktu
- ban
- hari ini
- Transaksi
- tv
- jenis
- Uk
- memahami
- pemahaman
- us
- menggunakan
- Verifikasi
- selamat datang
- Apa
- Apa itu
- kata
- kerja
- bekerja