Definer agentemner
Å definere de beste emnene for agent krever en forståelse av spørsmålene brukerne kan stille eller oppgavene de prøver å utføre, og hva slags informasjon og automatisering du trenger å gi.
En detaljhandel agent kan for eksempel starte med å be brukeren om å velge mellom fire ting de vil gjøre: finne en butikk, legge inn en bestilling, sjekke statusen for en bestilling eller returnere et kjøpt produkt. Svaret kan føre dem til ett av fire emner, hvert med sin egen emnekatalog.
Et første sett med kilder for denne informasjonen inkluderer følgende:
- Alle eksisterende vanlige spørsmål eller kunnskapsbaser (KB).
- Vanlige emnehenvendelser fra ansatte eller kunder i interne scenarioer eller kundeservicescenarioer. Hvis du bygger en kundeservice agent, bør du snakke med eksisterende servicerepresentanter for å finne ut hva de vanligste spørsmålene er og rekkefølgen de vanligvis blir stilt i.
Ulike typer emner
Agentbrukere har vanligvis et bestemt spørsmål eller problem de vil ha hjelp med, eller et problem de ønsker å løse («oppgaven» deres). Oppgavetypene som utføres av agent-brukere (og derfor typene agent-emner du må opprette) passer inn i tre kategorier:
Informasjon:: for eksempel "Hva er...?", "Når vil...?", "Hvorfor...?"
Oppgavefullføring: "Jeg vil...", "Hvordan gjør jeg...?"
Feilsøking: "Noe fungerer ikke...", "Jeg har en feilmelding..."
Du må kanskje også opprette agentemner for å håndtere tvetydige brukerspørsmål, for eksempel «Jeg trenger hjelp» eller «shopping». Disse emnene ber agentbrukeren om oppklaring, slik at de kan rutes til riktig emne.
Emneutformingsprosess
Identifisering av emnet
- Velg emner som agentbrukere ber om.
- Start med emner med stor innvirkning.
- Tenk på emner fra brukerens synspunkt. Husk at de kankje ikke har så mye kjennskap til et område som deg.
List opp alle scenarier
- List opp mulige scenarier.
- Kategoriser scenarioer: informasjon, oppgavefullføring og feilsøking.
- Hierarkiske emner: Hva er de første spørsmålene en bruker stiller?
Utforme et samtaletre på høyt nivå
- Tegn et samtaletre.
- Definer hierarkiet med spørsmål som stilles i hvert emne.
- Definer færrest mulig spørsmål for å forstå situasjonen og gi den riktige løsningen.
Valider og iterer på utformingen
- Les dialogen før du publiserer, for å finne ut om det er problemer med tonen eller ordene.
- Få analyse og les øktavskrifter for ytterligere optimalisering.
- Gjenta og finjuster agentemnene hele tiden ved å følge med på agentbrukernes samhandlinger med agenten etter hver redigeringsiterasjon.
Viktig!
- Ikke bare repliker hva nettstedet ditt eller appen din allerede kan gjøre - kundene dine er sannsynligvis kjent med nettstedet eller appen din og kan utføre vanlige oppgaver selv uten å måtte samhandle med en agent.
- Fokuser på å opprette emner for problemer eller scenarioer som genererer et stort antall chatter eller samtaler først. Arbeid med den lengre enden av andre, mindre kritiske problemer i løpet av en tidsperiode.
- Vær så grundig som mulig i utformingen, og ta hensyn til alle mulige scenarioer som brukerne kan be om eller trenger hjelp med.
Planlegge samhandlinger med én eller flere runder
For enkle samhandlinger kan du opprette samtaler med én runde med bare ett spørsmål og ett svar. Mer betydelige emner krever imidlertid en samtale med flere runder og flere samhandlinger mellom brukeren og agenten.
Hvis en bruker for eksempel spør en agent for detaljhandel om det finnes noen butikker i nærheten, kan agenten svare med et spørsmål for å begrense de mulige svarene. Disse svarene kan for eksempel være «Hvilken by bor du i?» eller «Hva er postnummeret ditt?». Brukerens svar avgjør det neste svaret fra agenten i samtalen.
Bruke opprinnelig generative KI-funksjoner
Når du utformer en agent, kan det hende at du ikke kan forutse alle typer spørsmål som agentbrukerne stiller. For å løse dette innlemmer Copilot Studio en kraftig KI-drevet funksjon som bruker de nyeste fremskrittene i NLU-modeller (natural language understanding).
Når du aktiverer alternativet Frem samtaler for agent og kobler agent til et offentlig tilgjengelig, Bing-indeksert nettsted, kan agent gi automatisk genererte, samtalevennlige svar på vanlig språk, uten at du trenger å opprette emner for alle eventualiteter eller "kantsaker".
Avlaste store volumer med spørsmål/svar-par med én runde
Copilot Studio begrenser en agent til 1000 emner.
Hvis du har et stort antall vanlige spørsmål eller kunnskapsbaser, kan du unngå å opprette ett emne for hvert spørsmål- og svarpar ved å avlaste dem utenfor Copilot Studio-emnene, samtidig som du kan tilby én enkelt brukeropplevelse i Copilot Studio ved hjelp av basisemnet.
Tips
- Svar på spørsmål i Azure Cognitive Service for Language gir skybasert NLP som lar deg opprette et naturlig samtalelag over dataene. Det brukes til å finne det mest aktuelle svaret for inndata fra den egendefinerte KB-en med informasjon.
- Lær hvordan du integrerer spørsmålssvar i Copilot Studio.