Engage Digital | Einführung in die KI-Engine
-
Agentenkonfiguration
-
Teams
-
Rollen und Berechtigungen
-
Anwesenheitsstatus
-
Agentenkapazität
-
Kanäle
-
Gemeinschaften
-
Messaging-Variablen
-
Messaging-Benachrichtigungsvorlagen
-
Nachrichten
-
Kategorien
-
Kanalgruppen
-
Routing-Strategien
-
Regeln
-
KI-Engine
-
Benutzerdefinierte Felder und Identitäts-Tags
-
Antwortassistent
-
E-Mail-Vorlagen
-
Kontoeinstellungen
-
Sicherheitseinstellungen
-
Geschäftszeiten
-
Benachrichtigungen
-
Überwachungsprotokoll
-
Erweiterungen
Die KI-Engine ist ein automatischer und selbstlernender Algorithmus zum Kategorisieren oder Ignorieren von Nachrichten. Die KI-Engine lernt, wie Agenten Nachrichten manuell kategorisieren oder ignorieren, und verwendet dieses Wissen, um die Aktion vorherzusagen, die ein Agent für eingehende Inhalte ausführen würde, um den Agenten die Mühe zu ersparen, dies selbst zu tun. Die KI-Engine bietet Ihnen die Möglichkeit, die Präzision der Engine zu steuern und nur dann aktiv zu werden, wenn sie sicher genug ist.
Die KI-Engine verwendet zwei Arten von Algorithmen:
- KI-Routing: Bestimmt die Kategorie einer Nachricht.
- KI-Filterung: Bestimmt, ob eine Nachricht ignoriert werden soll.
KI-Routing
KI-Routing bestimmt die Kategorie, zu der ein Nachrichtenthread gehört. Wenn ein neuer Thread im System erstellt wird, wählt das KI-Routing die wahrscheinlichste Kategorie aus, die basierend auf dem von der Funktion erstellten Modell mit dem Inhalt verknüpft zu sein scheint. Wenn Sie Routing-Interaktionen basierend auf Ihren Fähigkeiten konfiguriert haben, können Sie diesen neuen Inhalt in Echtzeit an einen Agenten verteilen, der sie verarbeiten kann, wodurch unnötiges manuelles Versenden reduziert wird. Dies spart Zeit und Geld.
Beachten Sie die folgenden Verwendungsrichtlinien für KI-Routing:
- KI-Routing funktioniert am besten, wenn es nur wenige Kategorien mit ähnlichem Volumen gibt.
- KI-Routing ist nicht genau, wenn das Volumen der einzelnen Kategorie zu unterschiedlich ist. In diesem Fall wird fügt die Engine Nachrichten hauptsächlich der größten Kategorie zu (aufgrund von Wahrscheinlichkeitsregeln).
- Das KI-Routing analysiert nur die erste Nachricht jedes Threads. Aus diesem Grund ist die Funktion nicht zur Analyse von Markennachrichten in sozialen Netzwerken vorgesehen.
- Das KI-Routing analysiert nur den Nachrichtentext, die zugehörigen Metadaten (z. B. den Forumraum) und die Quellinformationen, um das Modell zu erstellen.
Beachten Sie auch, dass die Regel-Engine keine Veränderungen an KI-Modellen bewirkt. Die KI-Engine baut ihr Modell nur auf Inhalten auf, die manuell kategorisiert wurden, oder wenn ein Berater auf eine Nachricht antwortet, nachdem er sie neu kategorisiert oder nicht neu kategorisiert hat. Es ist daher wichtig, falsche Kategorisierungen zu korrigieren.
Gebäudemodelle
KI-Routing erstellt Modelle, um Inhalte kategorisieren zu können. Diese Modelle enthalten Wörter oder Wortkombinationen zusammen mit Wahrscheinlichkeiten, dass diese Nachrichten zu dieser oder jener Kategorie gehören.
Diese Wahrscheinlichkeiten werden basierend auf einem Gerüst aus X-Inhalten berechnet, die manuell von Agenten kategorisiert (daher korrekt kategorisiert oder validiert), neu kategorisiert oder ignoriert (mit oder ohne Neukategorisierung) wurden. Es ist dann wichtig, die KI-Engine zu korrigieren, wenn eine Kategorisierung nicht korrekt ist, damit sie aus ihren Fehlern lernen kann. KI-Routing lernt zu 90 % aus dem Gerüst. Die verbleibenden 10 % ergeben sich aus dem Training. Da alle Nachrichten bereits eine validierte Kategorie haben, kann KI-Routing feststellen, ob es richtig oder falsch lag.
KI-Routing verwendet maximal 30.000 Inhalte, um sein Modell zu erstellen. Das KI-Modell wird jede Nacht neu berechnet, indem die Aktionen des vorherigen Tages hinzugefügt werden (wenn der Modellstatus Modell synchronisieren enthält ). Infolgedessen lernt und ändert die KI-Engine ihr Modell im Laufe der Zeit kontinuierlich und passt sich an sich ändernde Geschäftskontexte an (neue Angebote oder neue Kategorien).
Lernmodus
In der ersten Phase müssen die Funktionen KI-Routing oder -Filterung im Lernmodus gestartet werden (Status: Modell synchronisieren, keine automatische Kategorisierung), damit sie aus den Aktionen der Agenten lernen können, um ihre Modelle zu erstellen. Während dieser Zeit müssen Agenten so viele Threads wie möglich manuell kategorisieren, damit die KI-Engine ihr Modell erstellen kann.
KI-Filterung
Die KI-Filterung bestimmt, ob Inhalte automatisch ignoriert werden sollen. Die KI-Filterung ist hauptsächlich für Markenbeiträge in sozialen Medien hilfreich. Auf sozialen Kanälen mit erheblichem Nachrichtenaufkommen wird verhindert, dass Ihre Agenten zu viel Zeit mit dem Lesen von Inhalten verbringen, auf die Sie im Allgemeinen nicht antworten müssen (z. B. Community-Support, Dankesnachrichten und Gespräche zwischen Benutzern). Stattdessen können sich die Agenten auf Inhalte konzentrieren, die eine Antwort erfordern.
Im Gegensatz zum KI-Routing basiert die KI-Filterung auf sämtlichen nicht von Agenten gesendeten Nachrichten, die nicht die ersten Nachrichten des Threads sind. Mit der KI-Filterung können Sie auch nur in Großbuchstaben verfasste Nachrichten, sehr kurze Nachrichten, Dankesnachrichten, nur aus Emojis bestehende Nachrichten usw. ignorieren.
Minimale Präzision
Für die KI-Filterung muss die von Ihnen angegebene Mindestgenauigkeit so hoch wie möglich sein. Wir empfehlen, keinen Wert unter 97 % anzusetzen. Für das KI-Routing ist eine falsche Kategorisierung kein allzu großes Problem, da die Nachricht weiterhin im Posteingang eines Agenten eintrifft. Wenn eine Nachricht jedoch fälschlicherweise ignoriert wird, wird die Nachricht keinem Agenten angezeigt, und Sie haben keine Möglichkeit, die ignorierte Nachricht wiederherzustellen.
Die Leistung der KI-Engine hängt vom Gleichgewicht zwischen Abdeckung (Anzahl
der Kategorisierungen) und Genauigkeit (Anteil der korrekten Kategorisierungen innerhalb dieses Inhaltsvolumens) ab. Wenn Sie eine niedrige minimale Genauigkeit wählen, kategorisiert die KI-Engine eine größere Menge an Inhalten auf Kosten der Genauigkeit (die globale Genauigkeit ist aufgrund der größeren Anzahl von Vorhersagefehlern geringer).
Wenn Sie dagegen eine hohe Mindestgenauigkeit wählen, werden weniger Inhalte kategorisiert, aber die KI-Engine macht auch weniger Fehler (die globale Genauigkeit ist aufgrund der geringeren Anzahl von Vorhersagefehlern höher).
Iteration auf Modellergebnisse
Sobald Ihr Modell das Lernen durch Analysieren des Inhalts von mindestens zehn Nachrichten abgeschlossen hat, werden die Ergebnisdateien auf der Konfigurationsseite der KI-Engine generiert. Diese Dateien enthalten eine allgemeine Präzisionsabdeckung, eine Präzisionsabdeckung nach Klassen und detaillierte Modellschulungsstatistiken. Nachdem Sie diese Ergebnisse überprüft haben, können Sie die Modellparameter anpassen oder Schlüsselwörter hinzufügen, um weitere Iterationen und Verbesserungen am Modell durchzuführen.
© 1999–2022 RingCentral, Inc. Alle Rechte vorbehalten.