W tym poście pokazujemy, jak stworzyć automatyczne rozwiązanie odpowiedzi e-mail za pomocą Amazon Comprehend.
Organizacje poświęcają wiele zasobów, wysiłku i pieniędzy na prowadzenie działań związanych z obsługą klienta, aby odpowiadać na pytania klientów i dostarczać rozwiązania. Twoi klienci mogą zadawać pytania za pośrednictwem różnych kanałów, takich jak poczta e-mail, czat lub telefon, a wdrożenie siły roboczej w celu udzielenia odpowiedzi na te zapytania może być zasobożerne, czasochłonne, a nawet bezproduktywne, jeśli odpowiedzi na te pytania są powtarzalne.
Podczas pandemii COVID-19 wiele organizacji nie mogło odpowiednio wspierać swoich klientów z powodu zamknięcia obsługi klienta i placówek agentów, a zapytania klientów narastały. Niektóre organizacje miały trudności z szybką odpowiedzią na zapytania, co może powodować słabą obsługę klienta. To z kolei może powodować niezadowolenie klientów i może w dłuższej perspektywie wpłynąć na reputację i przychody organizacji.
Chociaż Twoja organizacja może mieć zasoby danych do zapytań i odpowiedzi klientów, nadal możesz mieć trudności z wdrożeniem zautomatyzowanego procesu udzielania odpowiedzi klientom. Wyzwania mogą obejmować nieustrukturyzowane dane, różne języki oraz brak wiedzy w zakresie technologii sztucznej inteligencji (AI) i uczenia maszynowego (ML).
Możesz przezwyciężyć takie wyzwania, używając Amazon Comprehend do automatyzacji odpowiedzi e-mail na zapytania klientów. Dzięki naszemu rozwiązaniu możesz zidentyfikować intencje e-maili klientów, wyślij automatyczną odpowiedź, jeśli intencja pasuje do istniejącej bazy wiedzy. Jeśli intencja nie pasuje, wiadomość e-mail trafia do zespołu pomocy, aby uzyskać ręczną odpowiedź. Oto kilka typowych intencji klientów kontaktujących się z obsługą klienta:
- Status transakcji (np. status przelewu)
- Resetowanie hasła
- Kod promocyjny lub zniżka
- Godziny operacji
- Znajdź lokalizację agenta
- Zgłoś oszustwo
- Odblokować konto
- Zamknij konto
Amazon Comprehend może pomóc w przeprowadzeniu klasyfikacji i wykrywania jednostek w wiadomościach e-mail w dowolnym z powyższych celów. W tym rozwiązaniu pokazujemy, jak klasyfikować e-maile klientów dla pierwszych trzech intencji. Możesz również użyć Amazon Comprehend do wykrywania kluczowych informacji z wiadomości e-mail, dzięki czemu możesz zautomatyzować swoje procesy biznesowe. Na przykład możesz użyć Amazon Comprehend, aby zautomatyzować odpowiedź na żądanie klienta z określonymi informacjami związanymi z tym zapytaniem.
Omówienie rozwiązania
Aby zbudować przepływ odpowiedzi e-mail naszych klientów, korzystamy z następujących usług:
- Amazon Comprehend
- AWS Lambda
- Prosta usługa e-mail Amazon (Amazon SES)
- Usługa prostego powiadomienia Amazon (Amazonskie SNS)
- Amazon WorkMail
Poniższy diagram architektury przedstawia kompleksowe rozwiązanie:
Przepływ pracy rozwiązania obejmuje następujące kroki:
- Klient wysyła wiadomość e-mail na adres e-mail obsługi klienta utworzony w WorkMail.
- WorkMail wywołuje funkcję Lambda po otrzymaniu wiadomości e-mail.
- Funkcja wysyła zawartość wiadomości e-mail do punktu końcowego modelu klasyfikacji niestandardowej.
- Punkt końcowy klasyfikacji niestandardowej zwraca klasyfikowaną wartość i poziom ufności (ponad 80%, ale można to skonfigurować w razie potrzeby).
- Jeśli wartość klasyfikacji to
MONEYTRANSFER
, funkcja Lambda wywołuje punkt końcowy wykrywania jednostki, aby znaleźć identyfikator przekazu pieniężnego. - W przypadku zwrócenia identyfikatora przelewu funkcja zwraca losowo status przelewu (w scenariuszu rzeczywistym można wywołać bazę danych przez API, aby pobrać aktualny status przelewu).
- Na podstawie zwróconej wartości sklasyfikowanej wybierany jest predefiniowany szablon wiadomości e-mail w Amazon SES, a do klienta wysyłana jest wiadomość zwrotna.
- Jeśli poziom ufności jest niższy niż 80%, sklasyfikowana wartość nie jest zwracana lub funkcja wykrywania podmiotu nie znajduje identyfikatora przelewu, wiadomość e-mail klienta jest przekazywana do tematu SNS. Możesz zasubskrybować Amazon SNS, aby przesłać wiadomość do swojego systemu biletowego.
Wymagania wstępne
Patrz: README.md Plik w GitHub repo aby upewnić się, że spełniasz wymagania wstępne dotyczące wdrożenia tego rozwiązania.
Wdróż rozwiązanie
Wdrożenie rozwiązania składa się z następujących kroków wysokiego poziomu:
- Kompletne konfiguracje ręczne za pomocą Konsola zarządzania AWS.
- Uruchom skrypty w Amazon Sage Maker instancja notatnika przy użyciu dostarczonego pliku notatnika.
- Wdróż rozwiązanie za pomocą Zestaw programistyczny AWS Cloud (CDK AWS).
Aby uzyskać pełne instrukcje, zapoznaj się z README.md Plik w GitHub repo.
Przetestuj rozwiązanie
Aby przetestować rozwiązanie, wyślij wiadomość e-mail ze swojego osobistego adresu e-mail na adres e-mail pomocy utworzony w ramach wdrożenia AWS CDK (w tym poście używamy support@mydomain.com). W naszych przykładowych danych do niestandardowego szkolenia klasyfikacji wykorzystujemy następujące trzy intencje:
- TRANSFER PIENIĘDZY – Klient chce poznać status przelewu
- ZEROWANIE HASŁA – Klient ma login, konto zablokowane lub prośbę o hasło
- KOD PROMOCYJNY – Klient chce wiedzieć o zniżce lub kodzie promocyjnym dostępnym na przelew
Poniższy zrzut ekranu przedstawia przykładowy adres e-mail klienta:
Jeśli wiadomość e-mail klienta nie jest sklasyfikowana lub poziom zaufania jest niższy niż 80%, treść wiadomości e-mail jest przekazywana do tematu SNS. Każdy, kto zasubskrybuje temat, otrzyma treść wiadomości e-mail jako wiadomość. Zasubskrybowaliśmy ten temat SNS za pomocą e-maila, który przekazaliśmy z human_workflow_email
parametr podczas wdrażania.
Sprzątać
Aby uniknąć ponoszenia bieżących kosztów, po zakończeniu usuń zasoby utworzone w ramach tego rozwiązania.
Wnioski
W tym poście dowiedziałeś się, jak skonfigurować automatyczny system odpowiedzi e-mail przy użyciu klasyfikacji klientów Amazon Comprehend i wykrywania podmiotów oraz innych usług AWS. To rozwiązanie może zapewnić następujące korzyści:
- Poprawiony czas odpowiedzi na e-mail
- Zwiększona satysfakcja klienta
- Oszczędność czasu i zasobów
- Umiejętność skupienia się na kluczowych kwestiach klienta
Możesz również rozszerzyć to rozwiązanie na inne obszary swojej firmy i inne branże.
W obecnej architekturze wiadomości e-mail, które są sklasyfikowane z niskim wynikiem zaufania, są kierowane do ludzkiej pętli w celu ręcznej weryfikacji i odpowiedzi. Możesz wykorzystać dane wejściowe z procesu ręcznego przeglądu, aby jeszcze bardziej ulepszyć model Amazon Comprehend i zwiększyć współczynnik automatycznej klasyfikacji. Amazon AI Augmented (Amazon A2I) zapewnia wbudowane przepływy pracy weryfikacyjne dla typowych przypadków użycia ML, takich jak rozpoznawanie jednostek w dokumentach oparte na NLP. Pozwala to łatwo przeglądać prognozy z Amazon Comprehend.
Gdy otrzymamy więcej danych dla każdego zamiaru, przeszkolimy i wdrożymy niestandardowy model klasyfikacji oraz odpowiednio zaktualizujemy przepływ odpowiedzi na e-mail w GitHub repo.
O autorze
Godwina Sahayaraja Vincenta jest architektem rozwiązań dla przedsiębiorstw w AWS, pasjonuje się uczeniem maszynowym i zapewnia klientom wskazówki dotyczące projektowania, wdrażania i zarządzania ich obciążeniami i architekturami AWS. W wolnym czasie uwielbia grać w krykieta z przyjaciółmi i tenisa z trójką dzieci.
Shamika Ariyawanę jest specjalistą ds. rozwiązań AI/ML w globalnym zespole ds. opieki zdrowotnej i nauk przyrodniczych w Amazon Web Services. Współpracuje z klientami, aby przyspieszyć ich podróż ML dzięki połączeniu ofert AWS ML i swojej wiedzy o domenie ML. Pochodzi z Denver w stanie Kolorado. W wolnym czasie lubi off-roadowe przygody w górach Kolorado i startuje w zawodach uczenia maszynowego.
- Coinsmart. Najlepsza w Europie giełda bitcoinów i kryptowalut.
- Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. DARMOWY DOSTĘP.
- CryptoJastrząb. Radar Altcoin. Bezpłatna wersja próbna.
- Źródło: https://aws.amazon.com/blogs/machine-learning/automate-email-responses-using-amazon-comprehend-custom-classification-and-entity-detection/
- "
- 100
- O nas
- Konto
- AI
- Amazonka
- Amazon Web Services
- api
- architektura
- sztuczny
- sztuczna inteligencja
- Sztuczna inteligencja (AI)
- Aktywa
- zwiększona
- zautomatyzowane
- dostępny
- AWS
- Korzyści
- granica
- budować
- wbudowany
- biznes
- wezwanie
- który
- Etui
- Spowodować
- wyzwania
- kanały
- klasyfikacja
- Chmura
- kod
- Kolorado
- połączenie
- wspólny
- pewność siebie
- zawartość
- Koszty:
- COVID-19
- Pandemia COVID-19
- krykiet
- Aktualny
- doświadczenie klienta
- Obsługa klienta
- Klientów
- dane
- Baza danych
- Denver
- rozwijać
- wdrażanie
- Wdrożenie
- Wnętrze
- Wykrywanie
- oprogramowania
- różne
- Zniżka
- dokumenty
- Nie
- domena
- z łatwością
- Punkt końcowy
- Enterprise
- przykład
- Rozszerzać
- doświadczenie
- ekspertyza
- i terminów, a
- pływ
- Skupiać
- następujący
- pełny
- funkcjonować
- Globalne
- opieki zdrowotnej
- pomoc
- W jaki sposób
- How To
- HTTPS
- zidentyfikować
- Rezultat
- wdrożenia
- podnieść
- zawierać
- Zwiększać
- przemysłowa
- Informacja
- Inteligencja
- zamiar
- Klawisz
- dzieci
- wiedza
- Języki
- dowiedziałem
- nauka
- poziom
- Life Sciences
- zamknięty
- długo
- maszyna
- uczenie maszynowe
- i konserwacjami
- podręcznik
- Mecz
- ML
- model
- pieniądze
- notatnik
- powiadomienie
- Oferty
- operacje
- organizacja
- organizacji
- Inne
- pandemiczny
- Hasło
- osobisty
- Grać
- biedny
- Przewidywania
- wygląda tak
- procesów
- zapewniać
- zapewnia
- Zasób
- Zasoby
- odpowiedź
- powraca
- dochód
- przeglądu
- bieganie
- NAUKI
- Usługi
- zamknięcie
- Prosty
- So
- Rozwiązania
- wydać
- Rynek
- subskrybuj
- wsparcie
- system
- zespół
- Technologies
- test
- czas
- czasochłonne
- Trening
- Aktualizacja
- posługiwać się
- wartość
- Weryfikacja
- sieć
- usługi internetowe
- KIM
- Siła robocza
- działa