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. Sie haben auch die Möglichkeit, 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. Anhand dieser Ressourcen können Sie sich ansehen, wie Smart Reply funktioniert, oder Ihre Integration testen, bevor Sie Ihre eigenen Daten hochladen. Weitere Informationen finden Sie in der Dokumentation zum Format von Konversationsdaten.

Hinweise

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

  1. Erstellen Sie ein Unterhaltungs-Dataset mit Ihren eigenen Transkriptdaten.
  2. Modell für "Intelligente Antwort" mithilfe von Unterhaltungs-Datasets trainieren

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 müssen, dass das Modell keine personenbezogenen Daten enthält, sollten Sie Ihre Daten bereinigen, bevor Sie sie an die API senden. Ersetzen Sie die geschwärzten 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

Agent Assist-Modelle für intelligente Antworten 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 mit dem Hochladen von Unterhaltungstranskripten beginnen können, müssen Sie zuerst ein Unterhaltung-Dataset erstellen, in dem sie gespeichert werden. Rufen Sie die Methode create für die Ressource ConversationDataset auf, um ein Unterhaltung-Dataset zu erstellen.

Die Antwort enthält eine ID für das Unterhaltungs-Dataset.

Unterhaltungstranskripte in Ihr Unterhaltungs-Dataset importieren

Laden Sie Ihre Chat-Unterhaltungsdaten in Ihr Unterhaltung-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 Ressource ConversationDataset auf, um Ihre Unterhaltungen zu importieren.

Pflichtfelder:

  • Die ID des Unterhaltungsdatasets, das Sie zuvor erstellt haben.
  • Der Pfad inputConfig führt zu Ihren Daten zum Unterhaltungstranskript 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 Methode create für die Ressource ConversationModel auf, um ein Unterhaltungsmodell zu erstellen. Bei dieser Aktion wird auch die Zulassungsliste des Modells erstellt.

Pflichtfelder:

  • Geben Sie in datasets ein einzelnes Dataset mit der zuvor erstellten ID des Unterhaltungs-Datasets 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. Anschließend sind die Modell-ID und die Zulassungslisten-ID in den Metadaten für den Vorgang enthalten.

  • Modell-ID: name
  • ID der Zulassungsliste: smart_reply_model_metadata.associated_allowlist_info.document

Unterhaltungsmodell bereitstellen

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

Pflichtfeld:

  • conversationModels verwenden: Geben Sie die ID des Konversationsmodells ein, das Sie zuvor erstellt haben.

Zulassungsliste verwalten

Jedes Modell hat eine zugehörige Zulassungsliste, die automatisch erstellt wird, wenn Sie ein Konversationsmodell erstellen. Die Zulassungsliste enthält alle Antworten, die aus Ihren Konversationsdatasets generiert wurden und die einem menschlichen Kundenservicemitarbeiter zur 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 dem neuen Modell zugeordnet 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 Änderungen daran vornehmen möchten, müssen Sie die Liste in einen Cloud Storage-Bucket exportieren.

Rufen Sie die Methode export für die Ressource Document 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 true festgelegt 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 Datei CSV, die Sie in der Anfrage angegeben haben, mit Antwortvorschlägen gefüllt.

Zulassungsliste prüfen

Die generierte Zulassungsliste enthält Antworten, die von Smart Reply anhand Ihrer Unterhaltungsdaten automatisch generiert wurden. Sie können diese Antworten jetzt überprüfen und bei Bedarf aktualisieren. Laden Sie die Datei CSV 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 Kundenservicemitarbeitern angezeigt werden.

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

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

Zulassungsliste aktualisieren

Nachdem Sie die Datei CSV 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 smart_messaging_partial_update beim Exportieren der Zulassungsliste auf true festgelegt haben. Wenn Sie das bereits getan haben, verwenden Sie die automatisch generierte Spalte in der exportierten CSV-Datei, um die zu aktualisierenden Mitteilungen anzugeben.

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

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 das Modell bereitgestellt und eine Zulassungsliste dafür erstellt haben. Sie müssen auch ein Test-Dataset bereitstellen. Die vom trainierten Modell für „Intelligente Antwort“ und der zugehörigen Zulassungsliste generierten Antworten werden mit den tatsächlichen Kundenservicemitarbeiter-Nachrichten im Test-Dataset verglichen. Der Testdatensatz sollte aus realen Unterhaltungsdaten bestehen, darf aber keine Daten aus dem Unterhaltungsdatensatz enthalten, mit dem Sie das Modell trainiert haben. Wenn Sie beispielsweise Unterhaltungsdaten für einen Monat haben, können Sie Daten aus drei Wochen verwenden, um ein Unterhaltung-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. In der Regel sind die Bewertungsstatistiken jedoch zuverlässiger, wenn das Test-Dataset mehr Unterhaltungen enthält. Das Format des Test-Datasets entspricht dem Format des Unterhaltungs-Datasets.

Wenn Sie eine neue Modellbewertung erstellen möchten, rufen Sie die Methode CreateConversationModelEvaluation 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, das zum Testen der Leistung des Modells verwendet wird.
  • allowlist_document: Die Zulassungsliste, die dem zu testenden Smart Reply-Modell zugeordnet ist.

Eine ConversationModelEvaluation-Ressource wird zurückgegeben, wenn der Vorgang mit langer Ausführungszeit abgeschlossen ist. Es sind zwei Messwerte enthalten:

  • allowlist_coverage: Der Prozentsatz der Agent-Nachrichten im Test-Dataset, die auf der Zulassungsliste stehen.
  • recall: Der Prozentsatz der Agentennachrichten im Test-Dataset, die auf der Zulassungsliste stehen und in den drei besten Vorschlägen des Smart Reply-Modells enthalten sind.

Unterhaltungsprofil konfigurieren

Mit einem Unterhaltungsprofil wird eine Reihe von Parametern konfiguriert, 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

Zum Erstellen eines Unterhaltungsprofils rufen Sie die Methode create für die Ressource ConversationProfile auf. Geben Sie die ID Ihrer Wissensdatenbank, Dokument-ID, Projekt-ID und Modell-ID an.

Hier 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 Wert SuggestionFeatureConfig.enable_inline_suggestion 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.

Hier finden Sie eine Anleitung zum Konfigurieren eines Unterhaltungsprofils, zum Verarbeiten von Unterhaltungen zur Laufzeit, zum Testen Ihrer Ergebnisse und zum Senden von Feedback an Agent Assist.