Genesys 虚拟代理

有什么挑战？

联络中心的业务量正在快速增长。 招聘代理到平衡那样的话成本太高而且速度不够快。联络中心希望快速、高效地为消费者提供类似代理的体验。 随着消费者的偏好和日益先进的自助服务选项将“简单”的问题从联络中心转移出去，客服人员需要解决的只是一些复杂的问题，而客户的期望比以往任何时候都要高。  这可以增加交互转移。维尔吨心理咨询师来帮忙！ 乌唱歌权力的 G活力的人工智能与L大型语言模型 (LLM) 。 电视嘿可以模仿更自然的对话，像经纪人，和能够解决可能出现的复杂问题。 

解决方案是什么？

虚拟代理允许我们的客户自主开始，和完全的实时对话。 VA 将使用 LLM 来了解客户想要什么完成按照业务流程引导他们完成任务，或者展示适当的知识文章来完成工作。六r实际代理可以部署到语音和数字渠道上，所有这些都是在 Genesys Architect 中的无代码编辑器中构建的。虚拟代理可以通过 Intent Miner 工具从现有客户记录中进行训练，以便更快地开始使用。VA 完成对话，它将使用生成式人工智能来执行相同的后续工作活动，如编写摘要、标记包装代码和提供后续步骤。人工智能主导的自助服务使公司能够扩大与客户互动，同时改善体验。这反过来又提高了首次联系解决率并减少了转移。 

用例概述

故事和商业背景

数字和语音渠道的兴起提高了客户期望，并显著增加了公司在为客户提供服务时必须管理的互动量。随着企业越来越多地采用人工智能 (AI)，许多企业正在实施虚拟代理来与客户互动。虚拟代理可以回答查询并自动执行跨数字平台（例如网站、移动应用程序、社交媒体、短信和消息应用程序）的各种任务。  

虚拟代理在减轻联络中心员工的压力、增强整体客户体验和有效管理成本方面发挥着至关重要的作用。虚拟代理全天候运行，提供即时帮助，回答问题，执行任务，并在必要时无缝移交给人工代理。 

Genesys 的创新混合方法结合了对话引擎机器人流程和先进的生成式人工智能和 LLM 技术，为客户和代理提供了卓越的体验。这种混合方法在更传统的基于流程的体验中提供了信任和透明度，同时通过使用 LLM 使对话更加灵活和动态。  

 对于客户服务人员来说，其好处也同样令人印象深刻。他们收到虚拟代理处理的对话的简洁摘要，从而使他们能够快速掌握背景并快速准确地满足客户需求。在 Agent Copilot 中发现了类似的 LLM 和生成式 AI，以帮助提高代理的效率。  

由于我们的虚拟代理以自然、对话的方式做出响应，最终客户将体验到全新级别的服务。当他们有问题时，他们不必搜索冗长的文章；相反，系统会突出显示或生成针对他们特定问题的答案。无论是通过数字渠道还是语音进行交互，我们的虚拟代理都能了解客户需求并捕获重要信息，以无缝完成任务。 

此外，当虚拟代理成功结束对话时，它会像人类代理一样结束对话，写一份摘要，并分配一个总结代码，为绩效提供有价值的见解。这使得利益相关者能够轻松衡量有效性并不断改进客户服务。 

用例优势

益处 解释
改善客户体验 虚拟代理可以处理更复杂的业务查询并更快地解决客户疑问。
提高首次联系解决率 通过第一次准确解决减少重复呼叫
减少转移 更准确地识别客户意图，引导至正确的队列
减少处理时间 由于虚拟代理使用 LLM 提供高度准确的信息以尽快解决客户查询，因此可以在更短的时间内解决客户查询。

摘要

Genesys 虚拟代理使用法学硕士帮助客户找到他们想要的信息为...以快速、高精度地解决他们的疑问。虚拟代理可以理解顾客意图并提供快速和一个准确回应。他们有吨他有能力总结一个n答案来自一个文章这样他们就可以解决顾客直接提问而不是给出冗长的回答顾客必须读。 虚拟代理比其他机器人提供更多人类级别的情境理解以及保持能力完成对话，存储即历史和提供d埃自动总结代码。 

用例定义

业务流程

  1. 通过支持的渠道发起交互（被动或主动）。
  2. 客户会收到 VA 发来的标准欢迎信息。
  3. 客户信息和/或上下文检索自：
    • 外部联系人中的客户资料信息 
    •  第三方数据源API调用 
  1. 客户会收到个性化消息或被转交给代理。示例包括：
    • 自定义消息或更新：“您的下一份订单预计将于周四中午 12 点之前送达。” 
    •  个性化欢迎信息：“你好，Shane，欢迎来到 Genesys Cloud。我怎么帮你？” 
    •  由于客户欠有未偿余额，因此将其直接移交给代理。 
  1.  假设客户已完成个性化阶段，则对话将继续与 VA 进行，VA 会提出一个开放式问题，例如：“我能为您做些什么？” 来确定意图并捕捉客户的[基础1]
    • 如果返回了意图和槽位，对话就会移动到交互流中的正确点，例如； 
  1. “我知道您想预约周五，什么时候？”
    • VA 继续按照任务中的步骤完成交互： 
    • 收集更多信息，利用 LLM 了解各种反应 
    • 显示特定于当前任务的知识文章 
    • 通过数据操作与后端系统交互 
  1. 显示知识库中的一篇文章并：
    • 突出显示文章中的相关文字来回答用户的问题 
    • 使用 RAG（检索增强生成）模型生成个性化响应 
    • 移交给人工客服 
  1. 完成一项任务后，VA 会询问是否有任何后续行动，例如：“还有什么我可以帮忙的吗？”
    • 如果客户回答“是”，则返回步骤 5：“我能为您做些什么？” 
    •  如果客户回答“否”，那么对话将返回到交互流程 
    •  如果客户以更高级的答案回应，则确定意图和实体以进行进一步处理。 
  1. 检索客户信息和/或上下文来确定是否提供调查。 [基础2]
    • 如果提供调查，则互动将发送给聊天机器人。 
    • 如果没有提供调查，交互流程将显示一条告别消息并结束 
  1. 調查已執行。客户可以在聊天机器人中按照常规方式配置调查问题，因此这里没有定义对话流。
  2. 交互流程显示告别消息并结束聊天
  3. VA 会写出发生的事情的摘要，使用大型语言模型标记所有结束代码，然后转交给代理以继续协助对话，或结束交互。

商业和分销逻辑

业务逻辑 

自然语言理解（NLU）： 

  • 意图：互动的目标。例如，NLU 返回的“预订航班”意图将引导用户执行相关任务并指导他们完成整个过程。 
  • 插槽：完成任务或回答问题所需的其他关键信息。例如，“预订飞往巴黎的航班”将使用关键词“巴黎”提取“目的地”的插槽。可以在初始请求中或整个流程中根据需要填充插槽。  

法学硕士： 

  • 大型语言模型：LLM 的培训只需提供需要做的事情的描述即可。例如，“预订航班”意图的描述应该是“用户请求预订某航空公司的航班”，无论用户如何提出请求，LLM 都会识别出他们请求的是哪种意图 
  • LLM 也用于提取槽。同样，只需给出“用户想要飞往的城市”这样的描述，并利用其对世界的现有知识，LLM 将识别用户可能请求的任何城市。  
  • 检索增强生成 (RAG)：虚拟代理可以使用 RAG 模型首先从知识库中检索正确的文章，使用该文章将查询扩展到 LLM，然后针对用户的问题生成个性化的响应。RAG 模型将 LLM 的知识限制为文章中提供的商业内容，以提高准确性和领域知识，同时仍然保持 LLM 的高度对话性。  

 

基本层1：代理交接：客户可以请求连接到可用的代理。此时，虚拟代理断开连接并且聊天记录（不包括敏感数据）出现在代理桌面上。退伍军人事务部还将发送迄今为止的谈话摘要。  

基本2：民意调查：客户可以决定是否接受调查。此项调查可以基于： 

  • 外部联系人中的客户资料信息 
  • 客户旅程数据 
  • 第三方数据源API调用 

用户界面和报告

话务员 ID

客户与客户之间的聊天记录虚拟代理填充在代理桌面的聊天交互窗口中。摘要显示在交互面板中。 

报告

实时报告 

使用 Genesys Cloud，您可以进行流程报告并使用流程结果来报告 VA 和 Bot Flow 意图。 

查看流程绩效摘要视图并使用流程结果统计数据可帮助您确定特定 VA 和 Bot Flows 的性能问题并收集有关自助服务成功的数据。使用 VA 和 Bot Flow 流数据来改善结果。 笔记：流程结果统计需要客户实现流程结果。  

使用流程绩效详细信息视图查看特定 VA 和 Bot Flow 流程按间隔划分的指标细目，以及查看 VA 和 Bot Flow 交互如何进入和离开聊天流。 

这流程结果摘要视图显示进入 Architect 流程的聊天相关的统计数据。这些统计数据可以帮助您确定 VA 和 Bot Flow 流程为客户提供服务的效果如何，并收集有关自助服务成功的数据。 

历史报告 

在知识优化器仪表板中，您可以分析知识库的有效性。在此视图中，您可以看到以下指标： 

  • 特定时间范围内的所有查询，以及已答复和未答复查询的百分比细目。 
  • 特定时间范围内所有已答复的查询，以及对话发起的应用程序的百分比细目。 
  • 特定时间范围内所有未答复的查询，以及对话发起的应用程序的百分比细目。 
  • 前 20 篇文章以及文章在对话中出现的频率。 
  • 已回答的前 20 个问题以及每个已回答的问题在对话中出现的频率。 
  • 前 20 个未答复的问题以及每个未答复的问题在对话中出现的频率。 

看知识优化器 

 

机器人优化器仪表板可以使用 Architect 查看所选 Genesys Dialog Engine Bot Flow 或 Genesys Digital Bot Flow 的性能和高级操作指标。这些数据可帮助您改进和排除故障VA 和机器人流程。您还可以通过指定日期范围或配置的语言来过滤这些结果。 

 

面向客户的考虑事项

相互依赖

一般假设

客户和/或 Genesys 专业服务负责管理虚拟代理 NLU、规则引擎并上传自己的知识库文章进入 Genesys Knowledge Workbench 供虚拟代理使用。

客户的责任

  • 客户需要提供 KB 或作为知识库元素的文章。 
  • 流程结果统计功能需要客户实现流程结果。它们不是从盒子里出来的。 

相关文档

文档版本

V 1.0.0