Complete Guide to Chatbot Containment Rates [2025]

1. Jejaki jumlah dan interaksi yang meningkat

Kira jumlah bilangan interaksi pengguna dengan chatbot dalam tempoh tertentu. Ini termasuk semua perbualan, pertanyaan atau tugasan yang dimulakan oleh pengguna.

Kemudian jejak bilangan interaksi yang meningkat kepada ejen manusia atau dibenderakan sebagai tidak diselesaikan oleh chatbot. 

'Peningkatan' boleh termasuk penyerahan terus kepada ejen manusia atau kes di mana pengguna secara eksplisit meminta bantuan.

2. Kira kadar pembendungan

Gunakan formula:

Kadar Pembendungan = (1− [Interaksi Meningkat / Jumlah Interaksi]​) × 100

Contohnya, jika chatbot anda mengendalikan 900 daripada 1,000 interaksi tanpa peningkatan, anda akan mengira: 

Kadar Penahanan = (1−1000/100​) × 100 = 90%

3. Atau gunakan alat analisis

Manfaatkan analitik chatbot atau platform perkhidmatan pelanggan yang menjejak dan melaporkan metrik secara automatik seperti kadar pembendungan. Alat ini selalunya memberikan cerapan tambahan tentang sebab peningkatan dan kepuasan pengguna.

Dengan memantau dan mengoptimumkan secara berterusan berdasarkan metrik ini, anda boleh meningkatkan kecekapan chatbot dan pengalaman pengguna anda.

guna LLMs bukannya pengelas niat

Chatbot dengan kandungan tinggi biasanya dikuasakan oleh LLMs bukannya pengelas niat. 

LLMs cemerlang dalam memahami bahasa bernuansa, bentuk bebas dan menyesuaikan diri dengan pelbagai frasa, menjadikannya ideal untuk mengendalikan pertanyaan yang rumit atau tidak dijangka. 

Mereka menghapuskan keperluan untuk pemetaan niat tegar, membenarkan chatbot (kadangkala dipanggil ejen LLM ) untuk bertindak balas secara fleksibel kepada julat input pengguna yang lebih luas dengan ketepatan.

Seperti yang dijelaskan oleh COO kami dalam artikelnya , Botpress kegunaan LLMs atas pengelas niat, tidak seperti pesaing kami.

Reka bentuk untuk perbualan adaptif

Daripada bergantung pada aliran kerja statik, chatbots harus dibina untuk menyesuaikan diri secara dinamik dengan tingkah laku pengguna dalam masa nyata. 

Dengan memanfaatkan kesedaran kontekstual dan algoritma membuat keputusan, bot boleh melaraskan pendekatannya pada pertengahan perbualan. Ini memastikan ia kekal relevan, walaupun apabila pengguna beralih topik, memberikan maklumat yang tidak lengkap, atau bertanya soalan susulan, meningkatkan kadar resolusi keseluruhan.

Cara paling mudah untuk mereka bentuk chatbot dinamik ialah menggunakan AI agenik ; dengan cara itu, bot anda boleh memutuskan secara autonomi cara terbaik untuk mendekati sesuatu isu berdasarkan alat yang ada.

Memanfaatkan sistem tambahan perolehan semula

Menggabungkan penjanaan ditambah perolehan (RAG) dengan penyepaduan seperti CRM dan pangkalan pengetahuan membuka potensi penuh chatbot. 

Dengan menarik maklumat masa nyata khusus domain daripada sumber yang boleh dipercayai, bot itu boleh menjawab soalan yang rumit dan menyelesaikan tugasan berbilang langkah tanpa perlu dihantar kepada ejen manusia.

1. Meningkatkan pengecaman niat dengan LLMs

Beralih daripada pengelas niat tradisional kepada LLMs berkemungkinan akan meningkatkan kadar pembendungan anda.

Tidak seperti pemetaan niat tegar, LLMs boleh memahami bahasa bernuansa, bentuk bebas dan menyesuaikan diri dengan pelbagai frasa. Pemahaman lanjutan ini mengurangkan salah faham dan melengkapkan chatbots untuk mengendalikan perbualan yang rumit dan tidak dapat diramalkan dengan ketepatan dan ketidakstabilan.

2. Meluaskan asas pengetahuan

Mengemas kini pangkalan pengetahuan chatbot anda adalah kunci kepada interaksi yang memuaskan. 

Kerap menambah Soalan Lazim, maklumat produk dan penyelesaian baharu kepada isu biasa. Ini melengkapkan chatbot untuk mengendalikan pelbagai pertanyaan yang lebih luas, memastikan pengguna menerima jawapan yang tepat dan tepat pada masanya.

3. Tingkatkan laluan cadangan anda

Sebelum meningkat kepada manusia, chatbot anda cuba menyelesaikan pertanyaan secara bebas. Jika ia tidak berjaya, cuba tambahkan lebih banyak laluan untuk dipilih oleh pengguna.

Menambah pilihan sandaran, seperti menjelaskan soalan atau penyelesaian alternatif, memberikan lebih banyak peluang untuk menangani keperluan pengguna. 

4. Bina sokongan sepanjang proses

Jika aliran anda termasuk aliran kerja yang kompleks - seperti janji temu tempahan atau penyelesaian masalah - pastikan ini boleh dicapai dengan lancar oleh pengguna anda tanpa manusia. Chatbots yang boleh membimbing pengguna melalui proses ini menghalang keperluan untuk campur tangan manusia.

5. Terangkan dengan jelas untuk tujuan chatbot anda

Tetapkan jangkaan yang jelas dari awal. Bimbing pengguna tentang perkara yang boleh dikendalikan oleh chatbot dan tempat ia cemerlang. Ini mengelakkan kekecewaan dengan mengarahkan perbualan ke arah kawasan di mana bot paling berkebolehan, menyediakannya untuk berjaya.

6. Pantau prestasi

Jejaki metrik utama seperti pertanyaan yang tidak dapat diselesaikan, kadar peningkatan dan skor kepuasan untuk mengukur prestasi chatbot anda. Gunakan cerapan ini untuk menentukan bidang untuk penambahbaikan dan menilai kejayaan kemas kini.