在这篇文章中,我们演示了如何使用 亚马逊领悟.
组织花费大量资源、精力和金钱来运行其客户服务运营,以回答客户问题并提供解决方案。 您的客户可能会通过各种渠道(例如电子邮件、聊天或电话)提出问题,如果这些问题的答案是重复的,那么部署劳动力来回答这些问题可能会占用大量资源、耗费时间,甚至会导致效率低下。
在 COVID-19 大流行期间,由于客户服务和代理设施的关闭,许多组织无法为客户提供充分的支持,并且客户查询不断增加。 一些组织难以及时回复查询,这可能会导致糟糕的客户体验。 这反过来又会导致客户不满意,并会长期影响组织的声誉和收入。
尽管您的组织可能拥有用于客户查询和回答的数据资产,但您可能仍难以实施自动化流程来回复客户。 挑战可能包括非结构化数据、不同的语言以及缺乏人工智能 (AI) 和机器学习 (ML) 技术方面的专业知识。
您可以通过使用 Amazon Comprehend 自动回复客户查询的电子邮件来克服这些挑战。 使用我们的解决方案,您可以识别客户电子邮件的意图,如果该意图与您现有的知识库相匹配,则发送自动回复。 如果意图不匹配,则电子邮件将发送给支持团队以进行手动响应。 以下是联系客户服务时的一些常见客户意图:
- 交易状态(例如,汇款状态)
- 重设密码
- 促销代码或折扣
- 营业时间
- 查找代理位置
- 举报欺诈
- 解锁帐户
- 关闭账户
Amazon Comprehend 可以帮助您针对上述任何意图对电子邮件执行分类和实体检测。 对于此解决方案,我们展示了如何针对前三个意图对客户电子邮件进行分类。 您还可以使用 Amazon Comprehend 检测电子邮件中的关键信息,从而实现业务流程自动化。 例如,您可以使用 Amazon Comprehend 使用与该查询相关的特定信息自动回复客户请求。
解决方案概述
为了构建我们的客户电子邮件响应流程,我们使用以下服务:
- 亚马逊领悟
- AWS Lambda
- 亚马逊简单电子邮件服务 (亚马逊 SES)
- 亚马逊简单通知服务 (亚马逊社交网络)
- 亚马逊工作邮件
以下架构图突出显示了端到端解决方案:
解决方案工作流程包括以下步骤:
- 客户向 WorkMail 中创建的客户支持电子邮件发送电子邮件。
- WorkMail 在收到电子邮件后调用 Lambda 函数。
- 该函数将电子邮件内容发送到自定义分类模型端点。
- 自定义分类端点返回分类值和置信度(超过 80%,但您可以根据需要进行配置)。
- 如果分类值为
MONEYTRANSFER
,Lambda 函数调用实体检测端点来查找汇款 ID。 - 如果返回转账ID,则函数随机返回转账状态(实际场景中,可以通过API调用数据库获取实际转账状态)。
- 根据返回的分类值,选择 Amazon SES 中的预定义电子邮件模板,并向客户发送回复电子邮件。
- 如果置信度低于 80%,未返回分类值,或者实体检测未找到汇款 ID,则将客户电子邮件推送到 SNS 主题。 您可以订阅 Amazon SNS 以将消息推送到您的票务系统。
先决条件
参考 README.md 文件中 GitHub回购 以确保您满足部署此解决方案的先决条件。
部署解决方案
解决方案部署包括以下高级步骤:
- 使用 AWS管理控制台.
- 运行脚本 亚马逊SageMaker 使用提供的笔记本文件的笔记本实例。
- 使用 AWS云开发套件 (AWS CDK)。
有关完整说明,请参阅 README.md 文件中 GitHub回购.
测试解决方案
要测试该解决方案,请从您的个人电子邮件向作为 AWS CDK 部署的一部分创建的支持电子邮件发送一封电子邮件(对于本文,我们使用 support@mydomain.com)。 我们在样本数据中使用以下三个意图进行自定义分类训练:
- 汇款 – 客户想知道汇款的状态
- 密码重置 – 客户有登录、帐户锁定或密码请求
- 促销代码 – 客户想了解可用于汇款的折扣或促销代码
如果客户电子邮件未分类或置信度低于 80%,则将电子邮件内容转发到 SNS 主题。 订阅该主题的任何人都会收到电子邮件内容作为消息。 我们使用我们传递的电子邮件订阅了这个 SNS 主题 human_workflow_email
部署期间的参数。
清理
为避免产生持续成本,请在完成后删除您在此解决方案中创建的资源。
结论
在本文中,您了解了如何使用 Amazon Comprehend 客户分类和实体检测以及其他 AWS 服务配置自动电子邮件响应系统。 该解决方案可以提供以下好处:
- 改进的电子邮件响应时间
- 提高客户满意度
- 节省时间和资源方面的成本
- 能够专注于关键客户问题
您还可以将此解决方案扩展到您业务的其他领域和其他行业。
在当前架构下,以低置信度分类的电子邮件被路由到人工循环以进行手动验证和响应。 您可以使用来自人工审核流程的输入来进一步改进 Amazon Comprehend 模型并提高自动分类率。 亚马逊增强AI (Amazon A2I) 为常见的 ML 用例提供内置的人工审核工作流程,例如文档中基于 NLP 的实体识别。 这使您可以轻松查看来自 Amazon Comprehend 的预测。
随着我们为每个意图获得更多数据,我们将重新训练和部署自定义分类模型,并在 GitHub回购.
关于作者
戈德温·萨哈亚拉杰·文森特 是 AWS 的一名企业解决方案架构师,他对机器学习充满热情,并为客户提供设计、部署和管理 AWS 工作负载和架构的指导。 业余时间,他喜欢和朋友一起打板球,和三个孩子一起打网球。
沙米卡·阿里亚万萨 是 Amazon Web Services 全球医疗保健和生命科学团队的 AI/ML 专家解决方案架构师。 他与客户合作,结合 AWS ML 产品和他的 ML 领域知识来推进他们的 ML 之旅。 他居住在科罗拉多州丹佛市。 在业余时间,他喜欢在科罗拉多山区进行越野探险并参加机器学习比赛。
- "
- 100
- 关于我们
- 账号管理
- AI
- Amazon
- 亚马逊网络服务
- API
- 架构
- 人造的
- 人工智能
- 人工智能(AI)
- 办公室文员:
- 增强
- 自动化
- 可使用
- AWS
- 好处
- 边界
- 建立
- 内建的
- 商业
- 呼叫
- 关心
- 例
- 原因
- 挑战
- 通道
- 分类
- 云端技术
- 码
- 科罗拉多州
- 组合
- 相当常见
- 信心
- 内容
- 成本
- Covid-19
- COVID-19大流行
- 板球
- 电流
- 客户体验
- 客户支持
- 合作伙伴
- data
- 数据库
- 丹佛
- 部署
- 部署
- 部署
- 设计
- 检测
- 研发支持
- 不同
- 已优惠
- 文件
- 不会
- 域
- 容易
- 邮箱地址
- 端点
- 企业
- 例子
- 扩大
- 体验
- 专门知识
- 姓氏:
- 流
- 专注焦点
- 以下
- ,
- 功能
- 全球
- 医疗保健
- 帮助
- 创新中心
- How To
- HTTPS
- 鉴定
- 影响力故事
- 实施
- 改善
- 包括
- 增加
- 行业
- 信息
- 房源搜索
- 意图
- 键
- 孩子们
- 知识
- 语言
- 知道
- 学习
- Level
- 生命科学
- 锁定
- 长
- 机
- 机器学习
- 颠覆性技术
- 手册
- 匹配
- ML
- 模型
- 钱
- 笔记本
- 通知
- 供品
- 运营
- 组织
- 组织
- 其他名称
- 流感大流行
- 密码
- 个人
- 播放
- 贫困
- 预测
- 过程
- 过程
- 提供
- 提供
- 资源
- 资源
- 响应
- 回报
- 收入
- 检讨
- 运行
- 科学
- 特色服务
- 关闭
- 简易
- So
- 解决方案
- 花
- Status
- 订阅
- SUPPORT
- 系统
- 团队
- 技术
- test
- 次
- 耗时的
- 产品培训
- 更新
- 使用
- 折扣值
- 企业验证
- 卷筒纸
- Web服务
- WHO
- 劳动力
- 合作