Zephyrnet-logo

Een omnichannel Q & A-chatbot bouwen met Amazon Connect, Amazon Lex, Amazon Kendra en het open-source QnABot-project

Datum:

Voor veel studenten is het beginnen aan een reis in het hoger onderwijs een spannende tijd vol nieuwe ervaringen. Maar zoals bij alles wat nieuw is, kan het ook tal van vragen met zich meebrengen die moeten worden beantwoord en obstakels die moeten worden overwonnen. Oklahoma State University, Oklahoma City (OSU-OKC) erkende dit en was van plan een betere oplossing te bieden om vragen van studenten te beantwoorden met behulp van machine learning (ML) -technologie van AWS.

Ze wisten dat als ze een oplossing konden ontwikkelen die nauwkeurig anticipeerde op de behoeften van hun studenten en die tijdige en relevante informatie leverde, ze hun kansen zouden vergroten om toekomstige studenten aan te trekken. Universiteiten hebben immers studenten nodig zoals bedrijven klanten nodig hebben.

"Het eerste dat we wilden aanpakken, was het gebrek aan zichtbaarheid dat we op een bepaald moment hadden in het klantensentiment", zegt Michael Widell, interim-president bij OKC-OSU. "Daarop voortbouwend, hadden we ook een echte focus op consistentie en nauwkeurigheid van informatie - het was belangrijk voor ons dat huidige en toekomstige studenten konden vertrouwen op de informatie die ze via de communicatiekanalen van school en faculteit kregen."

Het team identificeerde conversatie-chatbots als een manier om de informatiekloof waarmee studenten worden geconfronteerd, aan te pakken. ML-aangedreven chatbots zijn dynamisch en helpen contact te maken met studenten via de communicatiekanalen die ze verkiezen, of dat nu een website, telefoon, chatbot is of door een Alexa-apparaat te vragen.

Met dit in gedachten begon OSU-OKC met AWS professionele services in januari 2020, en werd de eerste universiteit die een callcenter implementeerde met Amazon Connect en QnABot.

Amazon Connect is een contactcentrum in de cloud dat klanten en agenten een naadloze spraak- en chatervaring biedt. De QnABot is een open-sourceproject dat gebruikmaakt van Amazon-Lex om een ​​gespreksinterface te bieden voor uw vragen en antwoorden, en kan worden toegepast op een groot aantal communicatiekanalen, waaronder websites, contactcenters, chatbots, samenwerkingstools zoals Slack en Amazon's Alexaingeschakelde apparaten.

QnABot implementeren in het callcenter

Hoewel het gebruik van de QnABot door OSU-OKC in de loop van 2020 evolueerde, was het aanvankelijke aandachtsgebied gericht op het verhogen van de efficiëntie van het callcenter. Ze bereikten dit door antwoorden op veelgestelde vragen van studenten te automatiseren, waardoor nauwkeurige en up-to-date informatie werd geleverd, wachttijden werden verkort en menselijke callcentermedewerkers zich konden concentreren op het afhandelen van hoogwaardige interacties.

Het volgende diagram illustreert de oplossingsarchitectuur.

Het volgende diagram illustreert de oplossingsarchitectuur.

Voor OSU-OKC vereenvoudigde QnABot de implementatie en het beheer van bot, waardoor zelfs niet-technische gebruikers de impact van de oplossing kunnen maximaliseren door:

Uitbreiding van de QnABot naar de website

Na het implementeren van de QnABot om agenten in hun callcenter te helpen, besloot OSU-OKC om het bereik van de bot uit te breiden naar de website van de universiteit. Ze gebruikten de open-source AWS Amazon Lex Web UI-project, een voorbeeld van een Amazon Lex Web UI die een volledig uitgeruste webclient biedt voor Amazon Lex-chatbots.

Nadat de inhoud van de campus was verzameld, was het een eenvoudig proces om vraag- en antwoordantwoorden voor de bot te maken. De inhoudontwerper zorgde voor aanpassingsopties die de organisatie en leesbaarheid mogelijk maakten. De ingebouwde testfuncties hielpen het afstemmings- en ontwikkelingsproces door een bijpassende score toe te kennen aan een reactie.

Kort na het uitbreiden van de QnABot naar hun website, realiseerde OSU-OKC zich dat het aanbieden van meer kanalen voor studenten om mee te communiceren de betrokkenheid niet verminderde. In feite verhoogden ze de algehele betrokkenheid van hun studenten en verdubbelden ze het gemiddelde aantal gesprekken met studenten.

Het toevoegen van de QnABot aan de universiteitswebsite was geen vervanging voor menselijke interactie; het was een hulpmiddel om de interacties van hoge kwaliteit te verbeteren door herhaaldelijk telefoonverkeer te verminderen. Probeer OSU-OKC bot, OKC Pete, enkele eigen vragen te stellen via het website van de universiteit.

Stel de OSU-OKC-bot, OKC Pete, zelf enkele vragen via de universitaire website.

OKC Pete op de website van de universiteit

De QnABot uitrusten met meer antwoorden

Terwijl QnABot grote hoeveelheden vragen voor studenten beantwoordde en consistente service op grote schaal leverde, leerde het OSU-OKC-team veel over het sentiment van studenten door te observeren welke vragen de QnABot niet kon beantwoorden.

Sommige vragen lieten bijvoorbeeld zien hoeveel toekomstige studenten wisten over de campus en zijn bronnen. Inkomende studenten vroegen naar slaapzalen terwijl de campus eigenlijk geen studentenhuisvesting heeft.

Het team kon de QnABot's gebruiken UI van Content Designer om de bot continu te verbeteren en hem uit te rusten met gepaste reacties over studentenhuisvesting of andere campusbronnen. Dit hielp studenten een telefoontje te vermijden, waardoor callcentermedewerkers zich konden concentreren op meer kritische interacties of interacties van hogere kwaliteit.

Deze flexibiliteit bleek bijzonder nuttig tijdens het begin van de COVID-19-pandemie in het voorjaar van 2020. OSU-OKC was in staat om de kennisbank van de nieuw opgezette QnABot snel uit te breiden met antwoorden op veel pandemie-gerelateerde vragen. Studenten en ouders konden snel antwoord krijgen op de vragen die voor hen belangrijk waren via het door QnABot ondersteunde universitaire callcenter of via de website chatbot.

De kennis van QnABot opschalen met Amazon Kendra

Met de Content Designer UI van QnABot kon OSU-OKC nieuwe vragen en antwoorden aan de bot toevoegen wanneer ze een gat ontdekten. Het team wilde er echter ook voor zorgen dat klanten toch antwoord konden krijgen als er nog geen vraag was toegevoegd.

Om dit te bereiken, gebruikten ze Amazon Kendra, een zeer nauwkeurige intelligente zoekservice. In de zomer van 2020 heeft het team van OSU-OKC de QnABot geïntegreerd met Amazon Kendra om de nauwkeurigheid en relevantie van reacties op de volgende manieren te verbeteren:

  • Gebruik de documentindex in Amazon Kendra als een extra bron van antwoorden wanneer een vraag en antwoord niet in de kennisbank van QnABot wordt gevonden. Hierdoor kan QnABot antwoorden vinden op vragen die mogelijk niet zijn toegevoegd aan de kennisbank, inclusief ongestructureerde gegevens in Word-documenten of pdf's die zijn geïndexeerd door Amazon Kendra.
  • Zonder uitgebreide QnABot-afstemming begrijpen de natuurlijke taalverwerking en begrijpend lezen van Amazon Kendra de vragen van gebruikers nauwkeuriger, en zijn ML-modellen vakkundig omgaan met variaties in de manier waarop gebruikers hun vragen formuleren om de zoeknauwkeurigheid te vergroten en relevante antwoorden op gebruikersvragen te retourneren.

Door ML te gebruiken om de afhandeling van veelvoorkomende klantvragen via hun callcenter en website te automatiseren, verzekerde OSU-OKC consistente serviceniveaus, zelfs tijdens de drukste tijd van het jaar. Widell zegt: “Tijdens piekmomenten kunnen we meer dan 2,000 oproepen ontvangen, wat te veel is om door één agent te worden afgehandeld. serviceniveau en nauwkeurigheid. "

Je eigen QnABot maken en integreren met Amazon Kendra

Zie om aan uw eigen QnABot-reis te beginnen Maak een vraag- en antwoordbot met Amazon Lex en Amazon Alexa. Het deel QnABot turbocharging met Amazon Kendra beschrijft hoe QnABot te integreren met Amazon Kendra. Als u de leiding van OSU-OKC wilt volgen en de QnABot aan uw website wilt toevoegen, kunt u profiteren van onze metgezel Chatbot-gebruikersinterface project.

Houd bij het nadenken over configuratie en implementatie rekening met de volgende opties:

  • Implementeer de QnABot en Chatbot UI zelf (selfservice), gebruikmakend van het project zoals het is
  • Maak uw eigen aanpassingen en verbeteringen aan de open-sourcecode
  • Volg het voorbeeld van OSU-OKC en neem contact op AWS professionele services voor deskundige hulp om QnABot aan te passen en te verbeteren, en om te integreren met uw eigen communicatiekanalen

Voor meer informatie, bekijk hoe het team van OSU-OKC hun QnABot-oplossing presenteert op Re: Invent 2020.

Conclusie

Het team van OSU-OKC is verheugd om voort te bouwen op het vroege succes dat ze hebben gezien bij de implementatie van de QnABot, Amazon Kendra en Amazon Lex. "Voor klanten en studenten is dit de meest impactvolle technologie die we hebben geïmplementeerd", zegt Widell.

Onze overkoepelende visie op ML-technologie zal de interacties tussen studenten evolueren van transactionele uitwisselingen naar meer betekenisvolle ervaringen, waardoor we gemakkelijk in contact kunnen komen met klanten, hun behoeften kunnen begrijpen en hen beter van dienst kunnen zijn. Widell voegt eraan toe: "In de toekomst hopen we ons gebruik van QnABot uit te breiden om gepersonaliseerde informatie aan studenten te verstrekken met betrekking tot hun academische roosters, advies en andere relevante informatie met betrekking tot hun studie."


Over de auteurs

Bob StrahanBob Strahan is een Principal Solutions Architect in het AWS Language AI Services-team.

Michaël Widell is de interim-president bij OSU-OKC. Als innovatieve agent van verandering heeft hij gewerkt aan het versterken van organisaties door middel van herontwerp en resource-optimalisatie, waardoor individuen kunnen excelleren en transformatieve producten en diensten kunnen leveren. In zijn carrière heeft Widell ook leidinggevende posities bekleed in de privésector voor AT&T en sleutelrollen binnen het General Office van Walmart Inc., waar hij zijn postcollegiale carrière begon.

Bron: https://aws.amazon.com/blogs/machine-learning/building-a-multi-channel-qa-chatbot-with-amazon-connect-amazon-lex-amazon-kendra-and-the-open- source-qnabot-project /

spot_img

Laatste intelligentie

spot_img