في هذا المنشور ، نوضح كيفية إنشاء حل تلقائي للرد على البريد الإلكتروني باستخدام فهم الأمازون.

تنفق المؤسسات الكثير من الموارد والجهود والمال على إدارة عمليات رعاية العملاء للإجابة على أسئلة العملاء وتقديم الحلول. قد يطرح عملاؤك أسئلة عبر قنوات مختلفة ، مثل البريد الإلكتروني أو الدردشة أو الهاتف ، وقد يكون نشر قوة عاملة للإجابة على هذه الاستفسارات أمرًا كثيفًا للموارد ومستهلكًا للوقت وحتى غير مثمر إذا كانت الإجابات على هذه الأسئلة متكررة.

خلال جائحة COVID-19 ، لم تتمكن العديد من المنظمات من دعم عملائها بشكل كافٍ بسبب إغلاق مرافق خدمة العملاء والوكلاء ، وتراكمت استفسارات العملاء. كافحت بعض المنظمات للرد على الاستفسارات على الفور ، مما قد يتسبب في تجربة سيئة للعملاء. يمكن أن يؤدي هذا بدوره إلى استياء العملاء ، ويمكن أن يؤثر على سمعة المؤسسة وإيراداتها على المدى الطويل.

على الرغم من أن مؤسستك قد تمتلك أصول البيانات لاستفسارات العملاء وإجاباتهم ، فقد لا تزال تواجه صعوبة في تنفيذ عملية تلقائية للرد على عملائك. قد تشمل التحديات البيانات غير المهيكلة ، واللغات المختلفة ، ونقص الخبرة في تقنيات الذكاء الاصطناعي (AI) والتعلم الآلي (ML).

يمكنك التغلب على هذه التحديات باستخدام Amazon Comprehend لأتمتة ردود البريد الإلكتروني على استفسارات العملاء. من خلال الحل الذي نقدمه ، يمكنك تحديد الغرض من رسائل البريد الإلكتروني للعملاء وإرسال رد آلي إذا كانت النية تتطابق مع قاعدة معارفك الحالية. إذا لم يكن هناك تطابق في النية ، ينتقل البريد الإلكتروني إلى فريق الدعم للحصول على رد يدوي. فيما يلي بعض مقاصد العملاء الشائعة عند الاتصال بخدمة العملاء:

• حالة المعاملة (على سبيل المثال ، حالة تحويل الأموال)
• إعادة تعيين كلمة المرور
• الرمز الترويجي أو الخصم
• ساعات العملية
• ابحث عن موقع وكيل
• الإبلاغ عن الاحتيال
• فتح الحساب
• حساب مغلق

يمكن أن تساعدك Amazon Comprehend في إجراء التصنيف والكشف عن الكيانات على رسائل البريد الإلكتروني لأي من النوايا المذكورة أعلاه. بالنسبة لهذا الحل ، نعرض كيفية تصنيف رسائل البريد الإلكتروني للعملاء للأهداف الثلاثة الأولى. يمكنك أيضًا استخدام Amazon Comprehend لاكتشاف المعلومات الأساسية من رسائل البريد الإلكتروني ، حتى تتمكن من أتمتة عمليات عملك. على سبيل المثال ، يمكنك استخدام Amazon Comprehend لأتمتة الرد على طلب العميل بمعلومات محددة تتعلق بهذا الاستعلام.

حل نظرة عامة

لبناء تدفق استجابة البريد الإلكتروني للعملاء ، نستخدم الخدمات التالية:

• فهم الأمازون
• AWS لامدا
• خدمة البريد الإلكتروني البسيطة من أمازون (أمازون سيس)
• خدمة إعلام أمازون البسيطة (أمازون SNS)
• أمازون WorkMail

يبرز الرسم التخطيطي للهندسة المعمارية التالي الحل الشامل:

يتضمن سير عمل الحل الخطوات التالية:

1. يرسل العميل بريدًا إلكترونيًا إلى البريد الإلكتروني لدعم العملاء الذي تم إنشاؤه في WorkMail.
2. يستدعي WorkMail وظيفة Lambda عند تلقي البريد الإلكتروني.
3. ترسل الوظيفة محتوى البريد الإلكتروني إلى نقطة نهاية نموذج التصنيف المخصص.
4. ترجع نقطة نهاية التصنيف المخصص بقيمة مصنفة ومستوى ثقة (أكثر من 80٪ ، ولكن يمكنك تكوين ذلك حسب الحاجة).
5. إذا كانت قيمة التصنيف MONEYTRANSFER، تقوم وظيفة Lambda باستدعاء نقطة نهاية اكتشاف الكيان للعثور على معرّف تحويل الأموال.
6. إذا تم إرجاع معرف تحويل الأموال ، تقوم الوظيفة بإرجاع حالة تحويل الأموال بشكل عشوائي (في سيناريو العالم الحقيقي ، يمكنك استدعاء قاعدة البيانات عبر واجهة برمجة التطبيقات لجلب حالة التحويل الفعلية).
7. بناءً على القيمة المصنفة التي تم إرجاعها ، يتم اختيار قالب بريد إلكتروني محدد مسبقًا في Amazon SES ، ويتم إرسال بريد إلكتروني للرد إلى العميل.
8. إذا كان مستوى الثقة أقل من 80٪ ، أو لم يتم إرجاع قيمة مصنفة ، أو لم يعثر اكتشاف الكيان على معرّف تحويل الأموال ، فسيتم دفع البريد الإلكتروني للعميل إلى موضوع SNS. يمكنك الاشتراك في Amazon SNS لإرسال الرسالة إلى نظام التذاكر الخاص بك.

المتطلبات الأساسية المسبقة

الرجوع إلى README.md ملف في جيثب ريبو للتأكد من تلبية المتطلبات الأساسية لنشر هذا الحل.

انشر الحل

يتكون نشر الحل من الخطوات عالية المستوى التالية:

1. أكمل التكوينات اليدوية باستخدام ملف وحدة تحكم إدارة AWS.
2. قم بتشغيل البرامج النصية في ملف الأمازون SageMaker نسخة مفكرة باستخدام ملف دفتر الملاحظات المقدم.
3. انشر الحل باستخدام ملف مجموعة تطوير سحابة AWS (أوس سي دي كيه).

للحصول على التعليمات الكاملة ، يرجى الرجوع إلى README.md ملف في جيثب ريبو.

اختبر المحلول

لاختبار الحل ، أرسل بريدًا إلكترونيًا من بريدك الإلكتروني الشخصي إلى البريد الإلكتروني للدعم الذي تم إنشاؤه كجزء من نشر AWS CDK (لهذا المنشور ، نستخدم support@mydomain.com). نستخدم النوايا الثلاثة التالية في بيانات العينة لدينا للتدريب على التصنيف المخصص:

• حوالة مالية - يريد العميل معرفة حالة تحويل الأموال
• جواز السفر - لدى العميل طلب تسجيل دخول أو قفل حساب أو طلب كلمة مرور
• رمز ترويجي - يريد العميل معرفة الخصم أو الرمز الترويجي المتاح لتحويل الأموال

تُظهر لقطة الشاشة التالية نموذج بريد إلكتروني للعميل:

إذا لم يتم تصنيف البريد الإلكتروني الخاص بالعميل أو كانت مستويات الثقة أقل من 80٪ ، فسيتم إعادة توجيه محتوى البريد الإلكتروني إلى أحد مواضيع خدمات الشبكات الاجتماعية. أي شخص مشترك في الموضوع يتلقى محتوى البريد الإلكتروني كرسالة. اشتركنا في موضوع SNS هذا بالبريد الإلكتروني الذي مررناه بامتداد human_workflow_email المعلمة أثناء النشر.

تنظيف

لتجنب تكبد تكاليف مستمرة ، احذف الموارد التي أنشأتها كجزء من هذا الحل عند الانتهاء.

وفي الختام

في هذا المنشور ، تعلمت كيفية تكوين نظام استجابة بريد إلكتروني آلي باستخدام Amazon Comprehend لتصنيف العملاء واكتشاف الكيان وخدمات AWS الأخرى. يمكن أن يوفر هذا الحل الفوائد التالية:

• تحسين وقت استجابة البريد الإلكتروني
• تحسين رضا العملاء
• وفورات في التكاليف فيما يتعلق بالوقت والموارد
• القدرة على التركيز على قضايا العملاء الرئيسية

يمكنك أيضا البريد
xpand هذا الحل لمناطق أخرى في عملك والصناعات الأخرى.

باستخدام البنية الحالية ، يتم توجيه رسائل البريد الإلكتروني المصنفة بدرجة ثقة منخفضة إلى حلقة بشرية للتحقق اليدوي والاستجابة. يمكنك استخدام المدخلات من عملية المراجعة اليدوية لتحسين نموذج Amazon Comprehend وزيادة معدل التصنيف الآلي. أمازون المعزز بالذكاء الاصطناعي (Amazon A2I) يوفر مهام سير عمل المراجعة البشرية المضمنة لحالات استخدام ML الشائعة ، مثل التعرف على الكيانات المستند إلى البرمجة اللغوية العصبية في المستندات. يتيح لك ذلك مراجعة التنبؤات بسهولة من Amazon Comprehend.

نظرًا لأننا نحصل على المزيد من البيانات لكل نية ، فسنقوم بإعادة تدريب نموذج التصنيف المخصص ونشره وتحديث تدفق استجابة البريد الإلكتروني وفقًا لذلك في جيثب ريبو.

عن المؤلف

جودوين ساهاياراج فنسنت هو مهندس حلول مؤسسي في AWS وهو متحمس للتعلم الآلي ويقدم التوجيه للعملاء لتصميم ونشر وإدارة أعباء العمل والبنى الخاصة بهم في AWS. في أوقات فراغه ، يحب لعب الكريكيت مع أصدقائه والتنس مع أطفاله الثلاثة.

شاميكا أرياوانسا هو مهندس حلول متخصص في AI / ML في فريق الرعاية الصحية العالمية وعلوم الحياة في Amazon Web Services. إنه يعمل مع العملاء لتطوير رحلة ML الخاصة بهم من خلال مجموعة من عروض AWS ML ومعرفته بمجال ML. يقيم في دنفر بولاية كولورادو. في أوقات فراغه ، يستمتع بمغامرات الطرق الوعرة في جبال كولورادو والمنافسة في مسابقات التعلم الآلي.

• كوينسمارت. أفضل بورصة للبيتكوين والعملات المشفرة في أوروبا.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. دخول مجاني.
• كريبتوهوك. الرادار. تجربة مجانية.
• المصدر: https://aws.amazon.com/blogs/machine-learning/automate-email-responses-using-amazon-comprehend-custom-classification-and-entity-detection/