In dit bericht laten we zien hoe u een geautomatiseerde oplossing voor e-mailreacties kunt maken met: Amazon begrijpt het.
Organisaties besteden veel middelen, moeite en geld aan het runnen van hun klantenservice om vragen van klanten te beantwoorden en oplossingen te bieden. Uw klanten kunnen vragen stellen via verschillende kanalen, zoals e-mail, chat of telefoon, en het inzetten van personeel om die vragen te beantwoorden kan arbeidsintensief, tijdrovend en zelfs onproductief zijn als de antwoorden op die vragen repetitief zijn.
Tijdens de COVID-19-pandemie konden veel organisaties hun klanten niet adequaat ondersteunen vanwege de sluiting van de klantenservice en agentschappen, en de vragen van klanten stapelden zich op. Sommige organisaties hadden moeite om snel op vragen te reageren, wat een slechte klantervaring kan veroorzaken. Dit kan op zijn beurt leiden tot ontevredenheid bij de klant en op de lange termijn van invloed zijn op de reputatie en omzet van een organisatie.
Hoewel uw organisatie mogelijk over de gegevensactiva beschikt voor vragen en antwoorden van klanten, kunt u nog steeds moeite hebben om een โโgeautomatiseerd proces te implementeren om uw klanten te antwoorden. Uitdagingen kunnen zijn ongestructureerde gegevens, verschillende talen en een gebrek aan expertise op het gebied van kunstmatige intelligentie (AI) en machine learning (ML)-technologieรซn.
U kunt dergelijke uitdagingen overwinnen door Amazon Comprehend te gebruiken om e-mailreacties op vragen van klanten te automatiseren. Met onze oplossing kunt u de bedoeling van e-mails van klanten identificeren en een geautomatiseerd antwoord sturen als de bedoeling overeenkomt met uw bestaande kennisbank. Als de intentie niet overeenkomt, gaat de e-mail naar het ondersteuningsteam voor een handmatige reactie. Hieronder volgen enkele veelvoorkomende bedoelingen van klanten wanneer ze contact opnemen met de klantenservice:
- Transactiestatus (bijvoorbeeld status van een overboeking)
- Password reset
- Promotiecode of korting
- Werkuren
- Vind een agentlocatie
- Fraude melden
- Account ontgrendelen
- Account sluiten
Amazon Comprehend kan u helpen classificatie en entiteitsdetectie uit te voeren op e-mails voor elk van de bovenstaande intenties. Voor deze oplossing laten we zien hoe u e-mails van klanten classificeert voor de eerste drie intenties. U kunt Amazon Comprehend ook gebruiken om belangrijke informatie uit e-mails te detecteren, zodat u uw bedrijfsprocessen kunt automatiseren. U kunt bijvoorbeeld Amazon Comprehend gebruiken om het antwoord op een klantverzoek te automatiseren met specifieke informatie over die vraag.
Overzicht oplossingen
Om onze reactiestroom voor e-mails van klanten op te bouwen, gebruiken we de volgende services:
- Amazon begrijpt het
- AWS Lambda
- Amazon eenvoudige e-mailservice (Amazone SES)
- Amazon eenvoudige meldingsservice (Amazone SNS)
- Amazon WorkMail
Het volgende architectuurdiagram belicht de end-to-end-oplossing:
De workflow van de oplossing omvat de volgende stappen:
- Een klant stuurt een e-mail naar het e-mailadres voor klantenondersteuning dat is aangemaakt in WorkMail.
- WorkMail roept een Lambda-functie op bij ontvangst van de e-mail.
- De functie verzendt de e-mailinhoud naar een aangepast classificatiemodeleindpunt.
- Het aangepaste classificatie-eindpunt keert terug met een geclassificeerde waarde en betrouwbaarheidsniveau (meer dan 80%, maar u kunt dit naar behoefte configureren).
- Als de classificatiewaarde is
MONEYTRANSFER
, roept de Lambda-functie het entiteitsdetectie-eindpunt aan om de geldoverdracht-ID te vinden. - Als de geldoverdracht-ID wordt geretourneerd, retourneert de functie de geldoverdrachtstatus willekeurig (in het echte scenario kunt u de database via API aanroepen om de werkelijke overdrachtsstatus op te halen).
- Op basis van de geretourneerde geclassificeerde waarde wordt een vooraf gedefinieerd e-mailsjabloon in Amazon SES gekozen en wordt een antwoord-e-mail naar de klant gestuurd.
- Als het betrouwbaarheidsniveau lager is dan 80%, er geen geclassificeerde waarde wordt geretourneerd of entiteitsdetectie de geldoverdracht-ID niet vindt, wordt de e-mail van de klant naar een SNS-onderwerp gepusht. U kunt zich abonneren op Amazon SNS om het bericht naar uw ticketsysteem te pushen.
Voorwaarden
Verwijs naar de README.md bestand in de GitHub repo om ervoor te zorgen dat u voldoet aan de vereisten om deze oplossing te implementeren.
Implementeer de oplossing
De implementatie van de oplossing bestaat uit de volgende stappen op hoog niveau:
- Voltooi handmatige configuraties met behulp van de AWS-beheerconsole.
- Scripts uitvoeren in een Amazon Sage Maker notebook-instantie met behulp van het meegeleverde notebookbestand.
- Implementeer de oplossing met behulp van de AWS Cloud-ontwikkelingskit (AWS-CDK).
Raadpleeg voor volledige instructies de README.md bestand in de GitHub repo.
Test de oplossing
Om de oplossing te testen, stuurt u een e-mail vanuit uw persoonlijke e-mailadres naar het ondersteunings-e-mailadres dat is gemaakt als onderdeel van de AWS CDK-implementatie (voor dit bericht gebruiken we support@mydomain.com). We gebruiken de volgende drie intenties in onze voorbeeldgegevens voor aangepaste classificatietraining:
- OVERSCHRIJVING โ De klant wil de status van een overboeking weten
- PASSRESET โ De klant heeft een login, account vergrendeld of wachtwoord aangevraagd
- PROMOTIECODE โ De klant wil weten of er een kortings- of promotiecode beschikbaar is voor een overboeking
De volgende schermafbeelding toont een voorbeeld van een e-mail van een klant:
Als de e-mail van de klant niet is geclassificeerd of het betrouwbaarheidsniveau lager is dan 80%, wordt de inhoud van de e-mail doorgestuurd naar een SNS-onderwerp. Degene die is geabonneerd op het onderwerp ontvangt de e-mailinhoud als een bericht. We hebben ons geabonneerd op dit SNS-onderwerp met de e-mail die we hebben doorgegeven met de human_workflow_email
parameter tijdens de implementatie.
Opruimen
Om lopende kosten te voorkomen, verwijdert u de resources die u als onderdeel van deze oplossing hebt gemaakt wanneer u klaar bent.
Conclusie
In dit bericht heb je geleerd hoe je een geautomatiseerd e-mailresponssysteem configureert met behulp van Amazon Comprehend-klantclassificatie en entiteitsdetectie en andere AWS-services. Deze oplossing kan de volgende voordelen bieden:
- Verbeterde responstijd voor e-mail
- Verbeterde klanttevredenheid
- Kostenbesparing met betrekking tot tijd en middelen
- Mogelijkheid om zich te concentreren op belangrijke klantkwesties
U kunt deze oplossing ook uitbreiden naar andere gebieden in uw bedrijf en naar andere bedrijfstakken.
Met de huidige architectuur worden de e-mails met een lage betrouwbaarheidsscore doorgestuurd naar een menselijke lus voor handmatige verificatie en reactie. U kunt de invoer van het handmatige beoordelingsproces gebruiken om het Amazon Comprehend-model verder te verbeteren en het geautomatiseerde classificatiepercentage te verhogen. Amazon Augmented AI (Amazon A2I) biedt ingebouwde workflows voor menselijke beoordeling voor veelvoorkomende ML-gebruiksscenario's, zoals op NLP gebaseerde entiteitsherkenning in documenten. Hiermee kunt u eenvoudig voorspellingen van Amazon Comprehend bekijken.
Naarmate we meer gegevens krijgen voor elke intentie, zullen we het aangepaste classificatiemodel opnieuw trainen en implementeren en de e-mailreactiestroom dienovereenkomstig bijwerken in de GitHub repo.
Over de auteur
Godwin Sahayaraj Vincent is een Enterprise Solutions Architect bij AWS met een passie voor Machine Learning en het bieden van begeleiding aan klanten bij het ontwerpen, implementeren en beheren van hun AWS-workloads en architecturen. In zijn vrije tijd speelt hij graag cricket met zijn vrienden en tennis met zijn drie kinderen.
Shamika Ariyawansa is een AI/ML Specialist Solutions Architect in het Global Healthcare and Life Sciences-team van Amazon Web Services. Hij werkt samen met klanten om hun ML-reis vooruit te helpen met een combinatie van AWS ML-aanbiedingen en zijn ML-domeinkennis. Hij is gevestigd in Denver, Colorado. In zijn vrije tijd geniet hij van offroad-avonturen in de bergen van Colorado en doet hij mee aan machine learning-wedstrijden.
- Coinsmart. Europa's beste Bitcoin- en crypto-uitwisseling.
- Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. GRATIS TOEGANG.
- CryptoHawk. Altcoin-radar. Gratis proefversie.
- Bron: https://aws.amazon.com/blogs/machine-learning/automate-email-responses-using-amazon-comprehend-custom-classification-and-entity-detection/
- "
- 100
- Over
- Account
- AI
- Amazone
- Amazon Web Services
- api
- architectuur
- kunstmatig
- kunstmatige intelligentie
- Kunstmatige intelligentie (AI)
- Activa
- aangevuld
- geautomatiseerde
- Beschikbaar
- AWS
- betekent
- grens
- bouw
- ingebouwd
- bedrijfsdeskundigen
- Bellen
- verzorging
- gevallen
- Veroorzaken
- uitdagingen
- kanalen
- classificatie
- Cloud
- code
- Colorado
- combinatie van
- Gemeen
- vertrouwen
- content
- Kosten
- Covid-19
- COVID-19 pandemie
- krekel
- Actueel
- klantervaring
- Klantenservice
- Klanten
- gegevens
- Database
- Denver
- implementeren
- het inzetten
- inzet
- Design
- Opsporing
- Ontwikkeling
- anders
- Korting
- documenten
- Nee
- domein
- gemakkelijk
- Endpoint
- Enterprise
- voorbeeld
- Uitvouwen
- ervaring
- expertise
- Voornaam*
- stroom
- Focus
- volgend
- vol
- functie
- Globaal
- gezondheidszorg
- hulp
- Hoe
- How To
- HTTPS
- identificeren
- Impact
- uitvoeren
- verbeteren
- omvatten
- Laat uw omzet
- industrieรซn
- informatie
- Intelligentie
- aandachtig
- sleutel
- kinderen
- kennis
- Talen
- geleerd
- leren
- Niveau
- Bio
- opgesloten
- lang
- machine
- machine learning
- management
- handboek
- Match
- ML
- model
- geld
- notitieboekje
- notificatie
- aanbod
- Operations
- organisatie
- organisaties
- Overige
- pandemisch
- Wachtwoord
- persoonlijk
- Spelen
- arm
- Voorspellingen
- processen
- zorgen voor
- biedt
- hulpbron
- Resources
- antwoord
- Retourneren
- inkomsten
- beoordelen
- lopend
- WETENSCHAPPEN
- Diensten
- stillegging
- Eenvoudig
- So
- Oplossingen
- besteden
- Status
- abonneren
- ondersteuning
- system
- team
- Technologies
- proef
- niet de tijd of
- tijdrovend
- Trainingen
- bijwerken
- .
- waarde
- Verificatie
- web
- webservices
- WIE
- Workforce
- Bedrijven