कैसे मेथोडियस अन्ना बन गया: वॉयस मैसेज क्लासिफायर के विकास और लॉन्च करने का अनुभव। भाग २

लक्ष्य और उद्देश्य

आपको याद दिला दूं कि पहले लेख में हमें एक गुणवत्ता वाला एक मॉडल मिला था जो हमें संतुष्ट करता है और इस निष्कर्ष पर पहुंचा कि यह तंत्रिका नेटवर्क बनाने के लायक नहीं है, गलत डेटा से कोई बड़ा लाभ नहीं होगा। समय और ऊर्जा बर्बाद करने से बचने के लिए, "सरल" मॉडल पर त्रुटियों का विश्लेषण करना पर्याप्त है।

इस लेख में, हम एक उत्पादक में एक कामकाजी मॉडल की व्युत्पत्ति के बारे में बात करेंगे।

पहला क्लासिफायर टेस्ट। मेथडियस से अन्ना तक

इसलिए, त्रुटियों का विश्लेषण करने के बाद, उन्हें एक स्वीकार्य गुणवत्ता मिली और मॉडल को उत्पादक में लाने का फैसला किया। हमने कॉल के दौरान मॉडल को एक वेब सेवा के रूप में तैनात किया, टेलीफोनी सेवा कॉल को जोड़ा। और अगर इससे पहले हम मिलीलीटर-कार्यों (मार्कअप, असंतुलन) की विशिष्ट कठिनाइयों से जूझते थे, तो उनसे निपटने के तरीकों को जाना जाता है, फिर मज़ा शुरू हुआ।

लंबे समय तक सोचने के बिना, हमने मेथोडियस रोबोट के साथ शुरुआत करने का फैसला किया, जो ग्राहकों को एक रोबोट आवाज के साथ मिलेंगे।


पहले परीक्षण के दिन ने दिखाया कि लोग रोबोट से खुश नहीं हैं।

19% ग्राहकों ने हंगामा किया, 58% ने कुछ नहीं कहा और मेथोडियस का जवाब नहीं दिया। किसी कारण से, इन आंकड़ों के बाद, हमने सोचा कि सेवा शुरू करने से पहले, हमें यह सोचना होगा कि रोबोट क्या पूछेगा, किस आवाज में, चाहे वह एक रोबोट या "ऑपरेटर" होगा, दूसरे शब्दों में, हमें मॉडल को वास्तविक दुनिया में एकीकृत करने के बारे में सोचना था। उपयोगकर्ताओं। यह सबसे मुश्किल निकला।

एकता। सूची की जाँच करें

हमने वास्तविक दुनिया के साथ सिस्टम को एकीकृत करने के लिए एक चेकलिस्ट संकलित की है। इसलिए, किसी उत्पाद में इस तरह की सेवा शुरू करने से पहले, आपको इसके बारे में सोचने की जरूरत है:

• संवाद का उद्देश्य
• बॉट वाक्यांश
• बॉट से पाठ / भाषण की मात्रा
• ग्राहक प्रतिकृति की पहचान करें
• सहभागिता परिदृश्य

अगला, मैं प्रत्येक बिंदु की व्याख्या करता हूं।

पहला महत्वपूर्ण बिंदु यह समझना है कि हम रोबोट को लागू करके क्या प्राप्त करना चाहते हैं। हमने तुरंत उत्तर दिया: "तकनीकी सहायता के लिए एक औपचारिक अनुरोध।" लेकिन यह कैसे पूछा जाए ताकि उपयोगकर्ता समझ सके कि वे उससे क्या चाहते हैं एक अलग कहानी है। हमने हर वाक्यांश को तूफानी किया, अगर केवल बॉट का जवाब देने वाले लोगों की संख्या में वृद्धि हुई। मुख्य निष्कर्ष हम रोबोट के वाक्यांशों के बारे में आए:

• बॉट वाक्यांशों में निष्क्रिय आवाज़ नहीं होनी चाहिए
• बॉट के वाक्यांश छोटे होने चाहिए
• प्रत्येक वाक्यांश के अंत में, यह स्पष्ट होना चाहिए कि उपयोगकर्ता को क्या करना चाहिए। आपको बॉट के साथ संचार के प्रत्येक चरण में मार्गदर्शक प्रश्नों का उपयोग करने की आवश्यकता है। हमारे अनुभव में, मैं कह सकता हूँ कि "मैं आपको सुन रहा हूँ" और "आपका प्रश्न क्या है?" वाक्यांशों के बीच का अंतर वहाँ है!
• बॉट के साथ संचार में अंतिम वाक्यांश महत्वपूर्ण है, ताकि ग्राहक समझता है कि उसे आगे क्या उम्मीद करनी चाहिए। हमारे मामले में, संचार के अंत में, रोबोट ने स्पष्ट रूप से कहा: "मैं इस मुद्दे पर आपके कॉल को एक विशेषज्ञ को स्थानांतरित करूंगा", इसलिए ग्राहक ने रोबोट के साथ संवाद करने के मूल्य को समझा।

अगला, हमने रोबोट की आवाज के साथ प्रयोग करने का फैसला किया, इसलिए हमें एक लड़की मिली, मारिया।


मारिया के साथ परीक्षा परिणाम ने हमें आशा दी।

पहले से ही अधिक लोगों ने रोबोट का जवाब दिया, 58% के बजाय 27% मूक लोग थे, लेकिन फिर भी वे अपनी संख्या कम करना चाहते थे। हमने परीक्षण रन से उदाहरणों को सुना और दिलचस्प मामलों का खुलासा किया जब लोगों के पास खत्म करने का समय नहीं था या उनके पास बात शुरू करने का समय भी नहीं था। उपरोक्त उदाहरण वह जगह है जहां मैरी ने ग्राहक को बाधित किया, जवाब के अंत की प्रतीक्षा नहीं की।

ऐसे लोग थे जो चुपचाप जानबूझकर कर रहे हैं, वे जानते हैं कि यह एक रोबोट है और ऑपरेटर की प्रतीक्षा कर रहा है। हमने उनके साथ अलग से काम किया। और ऐसे लोग हैं जो जवाब में रखी गई छोटी राशि के कारण जवाब नहीं दे सके। हमने समझा कि ग्राहक के प्रति वफादारी कम होने के कारण यह बाधित होना था।

हमने क्लाइंट की प्रतिक्रिया को रिकॉर्ड करने की अवधि चुनने पर प्रयोगों का संचालन करने का निर्णय लिया। इष्टतम रिकॉर्डिंग अवधि का चयन करना आवश्यक था ताकि जितना संभव हो सके उतने वाक्यांश सूचनात्मक हो गए, अर्थात, उनमें एक सार्थक पाठ शामिल था जिसे वर्गीकृत किया जा सकता था। तालिका ग्राहक की प्रतिक्रिया दर्ज करने के विभिन्न अवधियों के लिए सूचनात्मक वाक्यांशों का प्रतिशत दिखाती है।

प्रयोगों से पता चला है कि अनुरोध बनाने के लिए 10 सेकंड पर्याप्त हैं।

लेकिन समय के साथ सीमित करना ग्राहक की प्रतिक्रिया को रिकॉर्ड करने का सिर्फ एक तरीका है, अन्य हैं। स्पीकर की सूचना से मौन का पता लगाना या क्यू के अंत का निर्धारण करना अधिक प्रभावी तरीके हैं। भाषण क्षीणन का पता लगाने के लिए दुनिया में पहले से ही लागू किया गया है, डेवलपर्स को मार्गदर्शन द्वारा निर्देशित किया जाता है। लेकिन एक विशिष्ट प्रतिक्रिया रिकॉर्डिंग समय के साथ कई प्रयोगों के बाद, हमने एस्टरिस्का का उपयोग करके चुप्पी का पता लगाने का फैसला किया, यह पहले से ही अच्छे परिणाम प्राप्त करने के लिए पर्याप्त था।


ऐसा लगता है कि सब कुछ पहले से ही ठीक है, रोबोट जितना आवश्यक हो, सुनता है, एक नई आवाज और नाम "अन्ना" प्राप्त किया। लेकिन इस तरह के सुधारों के साथ एक और परीक्षण ने परित्यक्त ट्यूबों की संख्या में महत्वपूर्ण कमी दिखाई। मूक लोगों की संख्या भी कम हो गई, लेकिन मैं बेहतर चाहता था।

दो बार सोचने के बिना, हमने क्लाइंट के साथ बॉट की बातचीत के लिए स्क्रिप्ट को संशोधित करने का फैसला किया। यदि क्लाइंट जवाब नहीं देता है (चुप) और हम तीन सेकंड के भीतर इसका पता लगाते हैं, तो अन्ना फिर से पूछेंगे। पहले इस्तेमाल की गई चुप्पी का पता लगाने के कारण, यह महसूस करना आसान हो गया। संवाद परिदृश्य की अंतिम रूपरेखा नीचे प्रस्तुत की गई है।



यह वार्तालाप को प्रोत्साहित करने और रोबोट के सवाल को दोहराने के लिए किया गया था जब उपयोगकर्ता ने अन्ना से पहला वाक्यांश नहीं सुना होगा।



नतीजतन, इस तरह के कार्यान्वयन उत्पादक में चले गए, 4% परित्यक्त पाइप और केवल 6% मूक लोगों के साथ। हम इसके बारे में 6 महीने के लिए चले गए, ऐसा लगता है कि मॉडल तैयार है, यह अच्छी तरह से वर्गीकृत करता है, लेकिन इसे लागू करना मुश्किल था।

पोस्ट के निष्कर्ष

तैयार मॉडल केवल एक चीज है जो किया जा सकता है, यह उत्पादक बन जाएगा जब आप अपने उपयोगकर्ताओं को समझते हैं कि वे कैसे और क्या कहते हैं, क्या वे रोबोट के साथ संवाद करने के लिए तैयार हैं।
उसके बाद ही, मॉडल को लागू करना मुश्किल नहीं होगा और व्यापार संकेतक ऊपर जाएंगे।

अन्ना का परिचय। परिणाम

कॉल वर्गीकरण में कॉल का समय कम हो गया है। यह 15 सेकंड से कम हो गया था, और यह प्रति दिन 350 संसाधित कॉल है। यह इस तथ्य के कारण कम हो गया था कि ऑपरेटरों ने तुरंत रोबोट से उनके पास आने वाले प्रश्न का उत्तर दिया, और क्लाइंट को सुनने की कोशिश करने में समय बर्बाद नहीं किया। लेकिन यह मुख्य बात नहीं है।

कॉल वर्गीकरण ने ऑपरेटरों को विशिष्ट विषयों पर कॉल प्राप्त करने की अनुमति दी। लेख के पहले भाग में लिखी गई समस्याओं के कारण क्या महत्वपूर्ण था: विभिन्न प्रकार के विषयों ने ऑपरेटरों को जल्दी से लाइन पर नहीं आने दिया, पहले सभी ग्राहक प्रश्नों के उत्तर सीखना आवश्यक था। सिस्टम की शुरुआत के बाद, ऑपरेटर प्रशिक्षण 3 महीने के बजाय 1 सप्ताह लेने लगा। ऑपरेटर, निश्चित रूप से अध्ययन करना जारी रखता है, लेकिन पहले से ही उस विषय पर कॉल प्राप्त कर सकता है जिसका उसने पहले सप्ताह में अध्ययन किया था।

मैं आपको अगले लेख में देखूंगा, जहां मैं वॉयस क्लासिफायर का उपयोग करने के एक और मामले के बारे में बात करूंगा, अर्थात्, कैसे अन्ना ने तकनीकी सहायता और बिक्री विभाग के बीच स्थानान्तरण की संख्या को कम किया।