Intelligente Antwort

Intelligente Antwort verfolgt eine Unterhaltung zwischen einem menschlichen Kundenservicemitarbeiter und einem Endnutzer und zeigt dem menschlichen Kundenservicemitarbeiter Antwortvorschläge an. Die Antwortvorschläge werden durch ein benutzerdefiniertes Modell berechnet, das mit Ihren eigenen Unterhaltungsdaten trainiert wurde.

In diesem Dokument wird beschrieben, wie Sie mit der API „Intelligente Antwort“ implementieren und Vorschläge von diesem Feature erhalten. Alternativ können Sie die Option nutzen, die Agent Assist Console zu verwenden, um während der Entwicklung Ihre Daten hochzuladen, ein Modell zu trainieren und Ihre Ergebnisse vom Feature „Intelligente Antwort“ zu testen. Wenn Sie vom Feature „Intelligente Antwort“ Vorschläge während der Laufzeit erhalten möchten, müssen Sie die API direkt aufrufen. Weitere Informationen zum Trainieren eines Modells und zum Testen dessen Leistung mithilfe der Agent Assist Console finden Sie in der Anleitung zu „Intelligente Antwort“.

Agent Assist bietet auch öffentlich verfügbare Unterhaltungsdaten sowie ein vortrainiertes Modell und eine Zulassungsliste. Mit diesen Ressourcen können Sie sich ansehen, wie „Intelligente Antwort“ funktioniert, oder Ihre Integration testen, bevor Sie Ihre eigenen Daten hochladen. Weitere Informationen finden Sie in der Dokumentation zum Format der Unterhaltungsdaten.

Hinweis

Führen Sie die folgenden Schritte aus, bevor Sie mit dieser Anleitung beginnen:

  1. Erstellen Sie ein Unterhaltungs-Dataset mit Ihren eigenen Transkriptdaten.
  2. Trainieren Sie ein Modell für „Intelligente Antwort“ mit Ihren Unterhaltungs-Datasets.

Personenidentifizierbare Informationen und Daten von Kindern

Wenn Sie Daten an diese API senden, versucht die API, alle personenidentifizierbaren Informationen (PII) zu entfernen. Wenn Sie sicherstellen möchten, dass das Modell keine PII enthält, sollten Sie Ihre Daten bereinigen bevor Sie sie an die API senden. Ersetzen Sie die entfernten Wörter durch Platzhalter wie `REDACTED_NUMBER` oder `REDACTED_NAME`, anstatt sie einfach zu entfernen.

Wenn Ihre Daten Informationen enthalten, die von Kindern erhoben wurden, sollten Sie die Daten der Kinder entfernen, bevor Sie sie an die API senden.

Modell trainieren und bereitstellen

Die Modelle für „Intelligente Antwort“ von Agent Assist werden mit Unterhaltungs-Datasets trainiert. Ein Unterhaltungs-Dataset enthält Ihre eigenen hochgeladenen Transkriptdaten. In diesem Abschnitt wird beschrieben, wie Sie ein Unterhaltungs-Dataset erstellen, Ihre Unterhaltungsdaten hochladen und ein Modell trainieren und bereitstellen. Sie können diese Aktionen auch über die Agent Assist Console ausführen, wenn Sie die API nicht direkt aufrufen möchten.

Unterhaltungs-Dataset erstellen

Bevor Sie Unterhaltungstranskripte hochladen können, müssen Sie zuerst ein Unterhaltungs-Dataset erstellen, in dem sie gespeichert werden. Rufen Sie die create Methode für die ConversationDataset Ressource auf, um ein Unterhaltungs-Dataset zu erstellen.

Die Antwort enthält eine Unterhaltungs-Dataset-ID.

Unterhaltungstranskripte in Ihr Unterhaltungs-Dataset importieren

Laden Sie Ihre Chatunterhaltungsdaten in Ihr Unterhaltungs-Dataset hoch, damit sie von Agent Assist verarbeitet werden können. Achten Sie darauf, dass ein Transkript jeder Unterhaltung im JSON Format vorliegt und in einem Cloud Storage-Bucket gespeichert ist. Ein Unterhaltungs-Dataset muss mindestens 30.000 Unterhaltungen enthalten, andernfalls schlägt das Modelltraining fehl. Als allgemeine Regel gilt: Je mehr Unterhaltungen, desto besser ist die Modellqualität. Wir empfehlen, Unterhaltungen aus einem Zeitraum von mindestens drei Monaten hochzuladen, damit möglichst viele Anwendungsfälle abgedeckt sind. Die maximale Anzahl an Nachrichten in einem Unterhaltungs-Dataset beträgt 1.000.000.

Rufen Sie die Methode importConversationData für die ConversationDataset Ressource auf, um Ihre Unterhaltungen zu importieren.

Pflichtfelder:

  • Die zuvor erstellte Unterhaltungs-Dataset-ID.
  • Der Pfad inputConfig führt zu Ihren Unterhaltungstranskriptdaten in einem Cloud Storage-Bucket.

Die Antwort ist ein Vorgang mit langer Ausführungszeit, bei dem Sie prüfen können, ob er abgeschlossen wurde.

Unterhaltungsmodell erstellen

Rufen Sie die create Methode für die ConversationModel Ressource auf, um ein Unterhaltungsmodell zu erstellen. Mit dieser Aktion wird auch die Zulassungsliste des Modells erstellt. Zulassungsliste.

Pflichtfelder:

  • Geben Sie unter datasets ein einzelnes Dataset mit der zuvor erstellten Unterhaltungs-Dataset-ID an.
  • Setzen Sie smartReplyModelMetadata auf ein leeres Objekt oder füllen Sie das Feld aus, um die Standardeinstellung zu überschreiben.

Die Antwort ist ein Vorgang mit langer Ausführungszeit, bei dem Sie prüfen können, ob er abgeschlossen wurde. Nach Abschluss des Vorgangs sind die Modell-ID und die Zulassungslisten-ID in den Metadaten für den Vorgang enthalten.

  • Modell-ID: name
  • Zulassungslisten-ID: smart_reply_model_metadata.associated_allowlist_info.document

Unterhaltungsmodell bereitstellen

Rufen Sie die deploy Methode für die ConversationModel Ressource auf, um das Unterhaltungsmodell bereitzustellen.

Pflichtfeld:

  • Verwenden Sie conversationModels und geben Sie die zuvor erstellte Unterhaltungsmodell-ID ein.

Zulassungsliste verwalten

Jedes Modell hat eine zugehörige Zulassungsliste, die automatisch erstellt wird, wenn Sie ein Unterhaltungsmodell erstellen. Die Zulassungsliste enthält alle Antworten, die aus Ihren Unterhaltungs-Datasets generiert wurden und einem menschlichen Kundenservicemitarbeiter während der Laufzeit angezeigt werden können. In diesem Abschnitt wird beschrieben, wie Sie Zulassungslisten erstellen und verwalten. Sie können diese Aktionen auch über die Agent Assist Console ausführen, wenn Sie die API nicht direkt aufrufen möchten.

Inhalte der Zulassungsliste in eine CSV-Datei exportieren

Beim Erstellen eines Modells wird automatisch eine Zulassungsliste erstellt, die mit dem neuen Modell verknüpft ist. Die Zulassungsliste ist eine Dokumentressource mit einer eindeutigen ID. Die ID wird in smart_reply_model_metadata.associated_allowlist_info.document zurückgegeben, wenn ein Modell erstellt wird. Wenn Sie Nachrichten auf der Zulassungsliste überprüfen und ändern möchten, müssen Sie sie in einen Cloud Storage-Bucket exportieren.

Rufen Sie die export Methode für die Document Ressource auf, um das Dokument in eine CSV Datei in einem Cloud Storage-Bucket zu exportieren. Das Feld smart_messaging_partial_update ist optional, wirkt sich aber darauf aus, wie Sie diese Zulassungsliste in Zukunft aktualisieren können. Wenn es auf true gesetzt ist, enthält die exportierte CSV-Datei eine Spalte mit einer eindeutigen ID für jede Nachricht. Mit der Nachrichten-ID können Sie nur bestimmte Nachrichten anstelle des gesamten Dokuments aktualisieren. Wenn smart_messaging_partial_update auf false gesetzt oder nicht festgelegt ist, wird die zusätzliche Spalte nicht in der Datei angezeigt und alle Aktualisierungen der Zulassungsliste erfordern eine Aktualisierung des gesamten Dokuments.

Pflichtfeld:

  • Der Pfad gcsDestination führt zu Ihrem Cloud Storage-Bucket.

Die Antwort ist ein Vorgang mit langer Ausführungszeit, bei dem Sie prüfen können, ob er abgeschlossen wurde. Anschließend wird die in der Anfrage angegebene CSV-Datei mit Antwortkandidaten gefüllt.

Zulassungsliste überprüfen

Die generierte Zulassungsliste enthält Antworten, die von „Intelligente Antwort“ anhand Ihrer Unterhaltungsdaten automatisch generiert wurden. Sie können diese Antworten jetzt nach Bedarf überprüfen und aktualisieren. Laden Sie die CSV-Datei aus Ihrem Cloud Storage-Bucket herunter, bearbeiten Sie sie nach Bedarf und laden Sie die Datei wieder in den Cloud Storage-Bucket hoch. Nur Antworten auf der Zulassungsliste können menschlichen Kundenservicemitarbeitern angezeigt werden.

Wenn Sie Antworten bearbeiten, empfehlen wir, nur Rechtschreib- und Grammatikfehler zu korrigieren und die Bedeutung der Nachricht nicht zu ändern. Je mehr der bearbeitete Text von der Bedeutung im Modell abweicht, desto geringer ist die Wahrscheinlichkeit, dass diese Nachricht angezeigt wird.

Bei Bedarf können Sie auch neue Nachrichten erstellen. Ähnlich wie bearbeitete Nachrichten werden erstellte Nachrichten mit geringerer Wahrscheinlichkeit während der Laufzeit eingeblendet.

Zulassungsliste aktualisieren

Nachdem Sie die CSV-Datei aktualisiert haben, können Sie sie verwenden, um die Ressource Document zu aktualisieren. Sie können die gesamte Zulassungsliste oder nur bestimmte Nachrichten aktualisieren. Wenn Sie nur bestimmte Nachrichten aktualisieren möchten, müssen Sie auf smart_messaging_partial_update gesetzt haben, als Sie die Zulassungsliste exportiert haben.true Wenn Sie dies bereits getan haben, verwenden Sie die automatisch generierte Spalte in der exportierten CSV-Datei, um die zu aktualisierenden Nachrichten anzugeben.

Rufen Sie die Methode reload für die Document Ressource auf, um die Zulassungsliste zu aktualisieren. Wenn Sie nur bestimmte Nachrichten aktualisieren möchten, setzen Sie smart_messaging_partial_update in der ReloadDocumentRequest auf true. Wenn Sie die gesamte Zulassungsliste aktualisieren möchten, lassen Sie smart_messaging_partial_update nicht festgelegt oder setzen Sie sie auf false.

Pflichtfelder:

Beispielanfrage:

{
  "name":"projects/project-id/knowledgeBases/knowledge-base-id/documents/allowlist-id",
  "gcsSource" {
      "uri": "gs://revised_smart_reply_allowlist_path"
   }
}

Leistung eines trainierten Modells bewerten

Sie können die Leistung eines Modells testen, nachdem Sie es bereitgestellt und eine Zulassungsliste dafür erstellt haben. Sie müssen auch ein Test-Dataset angeben. Die vom trainierten Modell für „Intelligente Antwort“ und der zugehörigen Zulassungsliste generierten Antworten werden mit den tatsächlichen Agent-Nachrichten im Test-Dataset verglichen. Das Test-Dataset sollte aus Unterhaltungsdaten aus der Praxis bestehen, darf aber keine Daten aus dem Unterhaltungs-Dataset enthalten, das Sie zum Trainieren des Modells verwendet haben. Wenn Sie beispielsweise Unterhaltungsdaten aus einem Monat haben, können Sie Unterhaltungsdaten aus drei Wochen verwenden, um ein Unterhaltungs-Dataset zu erstellen, und die Daten aus der verbleibenden Woche, um das Test-Dataset zu erstellen. Ein Test-Dataset sollte mindestens 1.000 Unterhaltungen enthalten. Im Allgemeinen sind die Bewertungsstatistiken jedoch zuverlässiger, wenn das Test-Dataset mehr Unterhaltungen enthält. Das Format des Test-Datasets ist dasselbe wie das Format des Unterhaltungs-Datasets.

Wenn Sie eine neue Modellbewertung erstellen möchten, rufen Sie die CreateConversationModelEvaluation Methode für eine ConversationModel Ressource auf. Diese Methode gibt einen Vorgang mit langer Ausführungszeit zurück. Sie können den Vorgang abfragen, um seinen Status zu prüfen. Dabei wird einer der folgenden Werte zurückgegeben: INITIALIZING, RUNNING, SUCCEEDED, CANCELLED, FAILED.

Pflichtfelder:

  • InputDataset: Das Test-Dataset, mit dem die Leistung des Modells getestet wird.
  • allowlist_document: Die Zulassungsliste, die mit dem zu testenden Modell für „Intelligente Antwort“ verknüpft ist.

Nach Abschluss des Vorgangs mit langer Ausführungszeit wird eine Ressource ConversationModelEvaluation zurückgegeben. Sie enthält zwei Statistiken:

  • allowlist_coverage: Der Prozentsatz der Agent-Nachrichten im Test-Dataset, die von der Zulassungsliste abgedeckt werden.
  • recall: Der Prozentsatz der Agent-Nachrichten im Test-Dataset, die in der Zulassungsliste enthalten sind und in den drei besten Vorschlägen erscheinen, die vom Modell für „Intelligente Antwort“ angezeigt werden.

Unterhaltungsprofil konfigurieren

Ein Unterhaltungsprofil konfiguriert eine Reihe von Parametern, die die Vorschläge steuern, die einem Kundenservicemitarbeiter während einer Unterhaltung gegeben werden. In den folgenden Schritten wird ein ConversationProfile mit einem HumanAgentAssistantConfig -Objekt erstellt. Sie können diese Aktionen auch über die Agent Assist Console ausführen, wenn Sie die API nicht direkt aufrufen möchten.

Unterhaltungsprofil erstellen

Rufen Sie die create Methode für die ConversationProfile Ressource auf, um ein Unterhaltungsprofil zu erstellen. Geben Sie Ihre Knowledge-Base-ID, Dokument-ID, Projekt-ID und Modell-ID an.

Hier ist ein JSON-Beispiel: 
{
  "displayName":"smart_reply_assist",
  "humanAgentAssistantConfig":{
    "humanAgentSuggestionConfig":{
      "featureConfigs":[
        {
          "suggestionFeature": { "type":"SMART_REPLY" },
          "queryConfig": {
            "documentQuerySource":{
              "documents": ["projects/PROJECT_ID/knowledgeBases/KNOWLEDGE_BASE_ID/documents/DOCUMENT_ID"]
              },
                "maxResults": 3
              },
            }
          },
          "conversationModelConfig":{
            "model": "projects/PROJECT_ID/conversationModels/MODEL_ID"
          }
        }
      ]
    }
  }
}

Wir empfehlen, den SuggestionFeatureConfig.enable_inline_suggestion Wert festzulegen. Wenn dieser Wert „true“ ist, führen spätere Aufrufe von AnalyzeContent zu Antworten mit einer Liste von Vorschlägen.

Die Antwort enthält Ihre neue Unterhaltungsprofil-ID.

Unter Generative intelligente Antwort finden Sie eine Anleitung zum Konfigurieren eines Unterhaltungsprofils, zum Verarbeiten von Unterhaltungen während der Laufzeit, zum Testen Ihrer Ergebnisse und zum Senden von Feedback an Agent Assist.