В этом посте мы покажем, как создать решение для автоматического ответа на электронную почту, используя Amazon Comprehend.
Организации тратят много ресурсов, усилий и денег на управление операциями по обслуживанию клиентов, чтобы отвечать на вопросы клиентов и предлагать решения. Ваши клиенты могут задавать вопросы по различным каналам, таким как электронная почта, чат или телефон, и развертывание рабочей силы для ответа на эти запросы может потребовать значительных ресурсов, времени и даже непродуктивно, если ответы на эти вопросы повторяются.
Во время пандемии COVID-19 многие организации не могли должным образом поддерживать своих клиентов из-за закрытия центров обслуживания клиентов и агентов, а запросы клиентов накапливались. Некоторым организациям было сложно быстро отвечать на запросы, что могло ухудшить качество обслуживания клиентов. Это, в свою очередь, может привести к неудовлетворенности клиентов и повлиять на репутацию и доходы организации в долгосрочной перспективе.
Хотя у вашей организации могут быть активы данных для запросов и ответов клиентов, вам все еще может быть сложно внедрить автоматизированный процесс ответа клиентам. Проблемы могут включать неструктурированные данные, разные языки и отсутствие опыта в технологиях искусственного интеллекта (ИИ) и машинного обучения (МО).
Вы можете решить эти проблемы, используя Amazon Comprehend для автоматизации ответов по электронной почте на запросы клиентов. С помощью нашего решения вы можете определить намерение электронных писем клиентов отправить автоматический ответ, если намерение соответствует вашей существующей базе знаний. Если намерение не совпадает, электронное письмо отправляется в службу поддержки для ручного ответа. Ниже приведены некоторые распространенные намерения клиентов при обращении в службу поддержки:
- Статус транзакции (например, статус денежного перевода)
- Сброс пароля
- Промокод или скидка
- Часы работы
- Найти местоположение агента
- Сообщить о мошенничестве
- Разблокировать аккаунт
- Закрыть аккаунт
Amazon Comprehend может помочь вам выполнить классификацию и обнаружение сущностей в электронных письмах для любого из перечисленных выше намерений. Для этого решения мы покажем, как классифицировать электронные письма клиентов по первым трем намерениям. Вы также можете использовать Amazon Comprehend для обнаружения ключевой информации из электронных писем, чтобы автоматизировать свои бизнес-процессы. Например, вы можете использовать Amazon Comprehend для автоматизации ответа на запрос клиента с конкретной информацией, связанной с этим запросом.
Обзор решения
Чтобы построить поток ответов на электронные письма наших клиентов, мы используем следующие сервисы:
- Amazon Comprehend
- AWS Lambda
- Простой почтовый сервис Amazon (Амазон СЭС)
- Amazon Простая служба уведомлений (Амазон соцсети)
- Amazon WorkMail
На следующей диаграмме архитектуры показано комплексное решение:
Рабочий процесс решения включает следующие шаги:
- Клиент отправляет электронное письмо на адрес электронной почты службы поддержки, созданный в WorkMail.
- WorkMail вызывает функцию Lambda при получении электронного письма.
- Функция отправляет содержимое электронной почты в конечную точку настраиваемой модели классификации.
- Пользовательская конечная точка классификации возвращает классифицированное значение и уровень достоверности (более 80 %, но вы можете настроить это по мере необходимости).
- Если значение классификации
MONEYTRANSFER
, функция Lambda вызывает конечную точку обнаружения объекта, чтобы найти идентификатор денежного перевода. - Если возвращается идентификатор денежного перевода, функция случайным образом возвращает статус денежного перевода (в реальном сценарии вы можете вызвать базу данных через API, чтобы получить фактический статус перевода).
- На основе возвращенного классифицированного значения выбирается предопределенный шаблон электронной почты в Amazon SES, и клиенту отправляется ответное электронное письмо.
- Если уровень достоверности меньше 80 %, классифицированное значение не возвращается или при обнаружении сущности не удается найти идентификатор денежного перевода, электронное письмо клиента помещается в тему SNS. Вы можете подписаться на Amazon SNS, чтобы отправить сообщение в свою систему продажи билетов.
Предпосылки
См. README.md подать в Репо GitHub чтобы убедиться, что вы соответствуете предварительным требованиям для развертывания этого решения.
Разверните решение
Развертывание решения состоит из следующих высокоуровневых шагов:
- Выполните ручную настройку с помощью Консоль управления AWS.
- Запускать скрипты в Создатель мудреца Амазонки экземпляр ноутбука, используя предоставленный файл блокнота.
- Разверните решение с помощью Комплект для разработки облачных сервисов AWS (АВС ЦДК).
Полные инструкции см. README.md подать в Репо GitHub.
Проверить решение
Чтобы протестировать решение, отправьте электронное письмо со своего личного адреса электронной почты на адрес электронной почты службы поддержки, созданный в рамках развертывания AWS CDK (для этого сообщения мы используем адрес support@mydomain.com). Мы используем следующие три намерения в наших примерах данных для пользовательского обучения классификации:
- ПЕРЕВОД ДЕНЕГ – Клиент хочет знать статус денежного перевода
- СБРОС ПАРОЛЯ – У клиента есть логин, учетная запись заблокирована или запрос пароля
- ПРОМОКОД – Клиент хочет знать о скидке или промокоде, доступном для денежного перевода
На следующем снимке экрана показан образец электронной почты клиента:
Если электронная почта клиента не классифицирована или уровень достоверности ниже 80%, содержимое электронной почты пересылается в тему SNS. Тот, кто подписан на тему, получает содержимое электронной почты в виде сообщения. Мы подписались на эту тему SNS с помощью электронного письма, которое мы передали с human_workflow_email
параметр во время развертывания.
Убирать
Чтобы избежать текущих расходов, удалите ресурсы, которые вы создали как часть этого решения, когда закончите.
Заключение
В этом посте вы узнали, как настроить систему автоматического ответа по электронной почте с помощью классификации клиентов и обнаружения сущностей Amazon Comprehend, а также других сервисов AWS. Это решение может обеспечить следующие преимущества:
- Улучшено время ответа электронной почты
- Повышение удовлетворенности клиентов
- Экономия времени и ресурсов
- Умение концентрироваться на ключевых проблемах клиента
Вы также можете расширить это решение для других областей вашего бизнеса и других отраслей.
В текущей архитектуре электронные письма с низкой оценкой достоверности направляются в ручную петлю для ручной проверки и ответа. Вы можете использовать входные данные из процесса ручной проверки для дальнейшего улучшения модели Amazon Comprehend и повышения скорости автоматической классификации. Amazon увеличил AI (Amazon A2I) предоставляет встроенные рабочие процессы проверки человеком для распространенных случаев использования ML, таких как распознавание объектов в документах на основе NLP. Это позволяет легко просматривать прогнозы от Amazon Comprehend.
По мере того, как мы будем получать больше данных для каждого намерения, мы переобучим и развернем пользовательскую модель классификации и соответствующим образом обновим поток ответов по электронной почте в Репо GitHub.
Об авторе
Годвин Сахаярадж Винсент — архитектор корпоративных решений в AWS, увлеченный машинным обучением и предоставляющий клиентам рекомендации по проектированию, развертыванию и управлению рабочими нагрузками и архитектурами AWS. В свободное время он любит играть в крикет со своими друзьями и в теннис со своими тремя детьми.
Шамика Арияванса является архитектором решений специалиста по искусственному интеллекту и машинному обучению в глобальной команде здравоохранения и медико-биологических наук в Amazon Web Services. Он работает с клиентами, чтобы продвигать их на пути к машинному обучению, сочетая предложения AWS ML и свои знания в области машинного обучения. Он базируется в Денвере, штат Колорадо. В свободное время он любит приключения на бездорожье в горах Колорадо и участвует в соревнованиях по машинному обучению.
- Коинсмарт. Лучшая в Европе биржа биткойнов и криптовалют.
- Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. БЕСПЛАТНЫЙ ДОСТУП.
- КриптоХок. Альткоин Радар. Бесплатная пробная версия.
- Источник: https://aws.amazon.com/blogs/machine-learning/automate-email-responses-using-amazon-comprehend-custom-classification-and-entity-detection/
- "
- 100
- О нас
- Учетная запись
- AI
- Amazon
- Amazon Web Services
- API
- архитектура
- искусственный
- искусственный интеллект
- Искусственный интеллект (AI)
- Активы
- дополненная
- Автоматизированный
- доступен
- AWS
- Преимущества
- граница
- строить
- встроенный
- бизнес
- призывают
- заботится
- случаев
- Вызывать
- проблемы
- каналы
- классификация
- облако
- код
- Колорадо
- сочетание
- Общий
- доверие
- содержание
- Расходы
- Covid-19.
- COVID-19 пандемия
- крикет
- Текущий
- опыт работы с клиентами
- служба поддержки
- Клиенты
- данным
- База данных
- Денвер
- развертывание
- развертывание
- развертывание
- Проект
- обнаружение
- Разработка
- различный
- скидка
- Документация
- не
- домен
- легко
- Конечная точка
- Предприятие
- пример
- Расширьте
- опыт
- опыта
- First
- поток
- Фокус
- после
- полный
- функция
- Глобальный
- здравоохранение
- помощь
- Как
- How To
- HTTPS
- определения
- Влияние
- осуществлять
- улучшать
- включают
- Увеличение
- промышленности
- информация
- Интеллекта
- намерение
- Основные
- Дети
- знания
- Языки
- узнали
- изучение
- уровень
- Медико-биологическая промышленность
- запертый
- Длинное
- машина
- обучение с помощью машины
- управление
- руководство
- Совпадение
- ML
- модель
- деньги
- ноутбук
- уведомление
- Предложения
- Операционный отдел
- организация
- организации
- Другие контрактные услуги
- пандемия
- Пароль
- личного
- Играть
- состояния потока
- Predictions
- процесс
- Процессы
- обеспечивать
- приводит
- ресурс
- Полезные ресурсы
- ответ
- Возвращает
- доходы
- обзоре
- Бег
- НАУКА
- Услуги
- выключение
- просто
- So
- Решения
- тратить
- Статус:
- подписаться
- поддержка
- система
- команда
- технологии
- тестXNUMX
- время
- кропотливый
- Обучение
- Обновление ПО
- использование
- ценностное
- проверка
- Web
- веб-сервисы
- КТО
- Трудовые ресурсы
- работает