V tej objavi prikazujemo, kako ustvariti rešitev za samodejni odgovor na e-pošto z uporabo Amazonsko razumevanje.
Organizacije porabijo veliko sredstev, truda in denarja za vodenje svojih operacij skrbi za stranke, da bi odgovorile na vprašanja strank in zagotovile rešitve. Vaše stranke lahko postavljajo vprašanja prek različnih kanalov, kot so e-pošta, klepet ali telefon, in napotitev delovne sile, ki bo odgovorila na ta vprašanja, je lahko intenzivna, zamudna in celo neproduktivna, če se odgovori na ta vprašanja ponavljajo.
Med pandemijo COVID-19 številne organizacije niso mogle ustrezno podpreti svojih strank zaradi zaprtja oskrbe s strankami in agentov, zato so se vprašanja strank kopičila. Nekatere organizacije so imele težave s hitrim odgovorom na poizvedbe, kar lahko povzroči slabo uporabniško izkušnjo. To pa lahko povzroči nezadovoljstvo strank in lahko dolgoročno vpliva na ugled in prihodke organizacije.
Čeprav ima vaša organizacija morda podatkovna sredstva za poizvedbe in odgovore strank, se lahko še vedno trudite implementirati samodejni postopek za odgovarjanje svojim strankam. Izzivi lahko vključujejo nestrukturirane podatke, različne jezike in pomanjkanje strokovnega znanja o tehnologijah umetne inteligence (AI) in strojnega učenja (ML).
Takšne izzive lahko premagate z uporabo Amazon Comprehend za avtomatizacijo e-poštnih odgovorov na vprašanja strank. Z našo rešitvijo lahko prepoznate namen e-poštnih sporočil strank, ki pošljejo samodejni odgovor, če se namen ujema z vašo obstoječo bazo znanja. Če se namen ne ujema, gre e-poštno sporočilo skupini za podporo za ročni odgovor. Sledi nekaj pogostih namenov strank, ko se obrnejo na službo za pomoč strankam:
- Status transakcije (na primer status denarnega nakazila)
- Resetiranje gesla
- Promocijska koda ali popust
- Obratovalnih ur
- Poiščite lokacijo agenta
- Prijavite goljufijo
- Odkleni račun
- Zapri račun
Amazon Comprehend vam lahko pomaga pri razvrščanju in zaznavanju entitet v e-poštnih sporočilih za katerega koli od zgornjih namenov. Za to rešitev pokažemo, kako razvrstiti e-pošto strank glede na prve tri namene. Amazon Comprehend lahko uporabite tudi za odkrivanje ključnih informacij iz e-poštnih sporočil, tako da lahko avtomatizirate svoje poslovne procese. Amazon Comprehend lahko na primer uporabite za avtomatizacijo odgovora na zahtevo stranke s posebnimi informacijami, povezanimi s to poizvedbo.
Pregled rešitev
Za vzpostavitev toka odgovorov po e-pošti naših strank uporabljamo naslednje storitve:
- Amazonsko razumevanje
- AWS Lambda
- Enostavna e -poštna storitev Amazon (Amazon SES)
- Amazon Simple notification Service (Amazon SNS)
- Amazon WorkMail
Naslednji diagram arhitekture poudarja rešitev od konca do konca:
Potek dela rešitve vključuje naslednje korake:
- Stranka pošlje e-poštno sporočilo na e-poštni naslov podpore strankam, ustvarjen v programu WorkMail.
- WorkMail po prejemu e-pošte prikliče funkcijo Lambda.
- Funkcija pošlje vsebino e-pošte na končno točko modela klasifikacije po meri.
- Končna točka klasifikacije po meri se vrne z razvrščeno vrednostjo in stopnjo zaupanja (nad 80 %, vendar lahko to konfigurirate po potrebi).
- Če je klasifikacijska vrednost
MONEYTRANSFER
, funkcija Lambda pokliče končno točko zaznavanja entitete, da poišče ID denarnega prenosa. - Če je vrnjen ID denarnega nakazila, funkcija naključno vrne status denarnega nakazila (v resničnem scenariju lahko bazo podatkov pokličete prek API-ja, da pridobite dejanski status nakazila).
- Na podlagi vrnjene razvrščene vrednosti se izbere vnaprej določena e-poštna predloga v Amazon SES in stranki se pošlje odgovor na e-pošto.
- Če je stopnja zaupanja nižja od 80 %, razvrščena vrednost ni vrnjena ali zaznavanje entitete ne najde ID-ja denarnega prenosa, je e-poštno sporočilo stranke potisnjeno v temo SNS. Lahko se naročite na Amazon SNS, da pošljete sporočilo v svoj sistem izdajanja vstopnic.
Predpogoji
Glejte PREBERITE.md datoteko v GitHub repo da zagotovite, da izpolnjujete predpogoje za uvedbo te rešitve.
Uvedite rešitev
Uvedba rešitve je sestavljena iz naslednjih korakov na visoki ravni:
- Dokončajte ročne konfiguracije z uporabo Konzola za upravljanje AWS.
- Zaženite skripte v Amazon SageMaker primerek zvezka z uporabo priložene datoteke z zvezkom.
- Razmestite rešitev z uporabo Komplet za razvoj oblaka AWS (AWS CDK).
Za popolna navodila glejte PREBERITE.md datoteko v GitHub repo.
Preizkusite raztopino
Če želite preizkusiti rešitev, pošljite e-poštno sporočilo iz svojega osebnega e-poštnega naslova na e-poštni naslov za podporo, ustvarjen kot del uvedbe AWS CDK (za to objavo uporabljamo support@mydomain.com). V naših vzorčnih podatkih za usposabljanje za klasifikacijo po meri uporabljamo naslednje tri namene:
- DENARNA TRANSAKCIJA – Stranka želi vedeti status denarnega nakazila
- PASSRES – Stranka ima zahtevo za prijavo, zaklenjen račun ali geslo
- PROMOCIJSKA KODA – Stranka želi vedeti o popustu ali promocijski kodi, ki je na voljo za denarno nakazilo
Naslednji posnetek zaslona prikazuje vzorec e-pošte stranke:
Če e-pošta stranke ni tajna ali so stopnje zaupanja pod 80 %, se vsebina e-pošte posreduje temi SNS. Kdor je naročen na temo, prejme vsebino elektronske pošte kot sporočilo. Na to temo SNS smo se naročili z e-pošto, ki smo jo posredovali z human_workflow_email
parameter med uvajanjem.
Čiščenje
Da se izognete nastajanju tekočih stroškov, izbrišite vire, ki ste jih ustvarili kot del te rešitve, ko končate.
zaključek
V tej objavi ste se naučili, kako konfigurirati avtomatiziran sistem odzivanja na e-pošto z uporabo klasifikacije strank Amazon Comprehend in zaznavanja entitet ter drugih storitev AWS. Ta rešitev lahko zagotovi naslednje prednosti:
- Izboljšan odzivni čas e-pošte
- Izboljšano zadovoljstvo strank
- Prihranek stroškov glede časa in virov
- Sposobnost osredotočanja na ključna vprašanja strank
To rešitev lahko razširite tudi na druga področja v vašem podjetju in v druge industrije.
S trenutno arhitekturo so e-poštna sporočila, ki so razvrščena z nizko stopnjo zaupanja, preusmerjena v človeško zanko za ročno preverjanje in odgovor. Vnose iz postopka ročnega pregleda lahko uporabite za nadaljnjo izboljšavo modela Amazon Comprehend in povečanje stopnje samodejnega razvrščanja. Amazon, razširjeni AI (Amazon A2I) zagotavlja vgrajene delovne tokove človeškega pregleda za običajne primere uporabe strojnega pisanja, kot je prepoznavanje subjektov v dokumentih, ki temelji na NLP. To vam omogoča preprost pregled napovedi Amazon Comprehend.
Ko bomo pridobili več podatkov za vsak namen, bomo ponovno usposobili in uvedli model razvrščanja po meri ter ustrezno posodobili tok odgovora po e-pošti v GitHub repo.
O Author
Godwin Sahayaraj Vincent je arhitekt za podjetniške rešitve pri AWS, ki se navdušuje nad strojnim učenjem in zagotavlja smernice strankam za načrtovanje, uvajanje in upravljanje njihovih delovnih obremenitev in arhitektur AWS. V prostem času rad igra kriket s prijatelji in tenis s tremi otroki.
Shamika Ariyawansa je specialist za rešitve AI/ML v skupini Global Healthcare and Life Sciences pri Amazon Web Services. S strankami sodeluje pri pospeševanju njihove poti ML s kombinacijo ponudb AWS ML in svojega znanja o domeni ML. Živi v Denverju v Koloradu. V prostem času uživa v terenskih pustolovščinah v gorah Kolorada in tekmuje na tekmovanjih v strojnem učenju.
- Coinsmart. Najboljša evropska borza bitcoinov in kriptovalut.
- Platoblockchain. Web3 Metaverse Intelligence. Razširjeno znanje. PROST DOSTOP.
- CryptoHawk. Altcoin radar. Brezplačen preizkus.
- Vir: https://aws.amazon.com/blogs/machine-learning/automate-email-responses-using-amazon-comprehend-custom-classification-and-entity-detection/
- "
- 100
- O meni
- Račun
- AI
- Amazon
- Amazon Web Services
- API
- Arhitektura
- umetni
- Umetna inteligenca
- Umetna inteligenca (AI)
- Sredstva
- Povečana
- Avtomatizirano
- Na voljo
- AWS
- Prednosti
- meja
- izgradnjo
- vgrajeno
- poslovni
- klic
- ki
- primeri
- Vzrok
- izzivi
- kanali
- Razvrstitev
- Cloud
- Koda
- Colorado
- kombinacija
- Skupno
- zaupanje
- vsebina
- stroški
- Covid-19
- Pandemija COVID-19
- kriket
- Trenutna
- Izkušnje s strankami
- Pomoč strankam
- Stranke, ki so
- datum
- Baze podatkov
- Denver
- razporedi
- uvajanja
- uvajanje
- Oblikovanje
- Odkrivanje
- Razvoj
- drugačen
- Popust
- Dokumenti
- Ne
- domena
- enostavno
- E-naslov
- Končna točka
- Podjetje
- Primer
- Razširi
- izkušnje
- strokovno znanje
- prva
- Pretok
- Osredotočite
- po
- polno
- funkcija
- Globalno
- zdravstveno varstvo
- pomoč
- Kako
- Kako
- HTTPS
- identificirati
- vpliv
- izvajati
- izboljšanje
- vključujejo
- Povečajte
- industrij
- Podatki
- Intelligence
- namen
- Ključne
- otroci
- znanje
- jeziki
- naučili
- učenje
- Stopnja
- Life Sciences
- zaklenjeno
- Long
- stroj
- strojno učenje
- upravljanje
- Navodilo
- Stave
- ML
- Model
- Denar
- prenosnik
- Obvestilo
- Ponudbe
- operacije
- Organizacija
- organizacije
- Ostalo
- Pandemija
- Geslo
- Osebni
- Predvajaj
- slaba
- Napovedi
- Postopek
- Procesi
- zagotavljajo
- zagotavlja
- vir
- viri
- Odgovor
- vrne
- prihodki
- pregleda
- tek
- ZNANOSTI
- Storitve
- shutdown
- Enostavno
- So
- rešitve
- preživeti
- Status
- naročiti
- podpora
- sistem
- skupina
- Tehnologije
- Test
- čas
- zamudno
- usposabljanje
- Nadgradnja
- uporaba
- vrednost
- Preverjanje
- web
- spletne storitve
- WHO
- Delovna sila
- deluje