聊天机器人遏制率完整指南

1.跟踪总互动和升级互动

统计特定时间段内用户与聊天机器人互动的总数。这包括用户发起的所有对话、查询或任务。

然后跟踪升级到人工代理或被聊天机器人标记为未解决的互动数量。 

升级 "可包括直接移交人工代理或用户明确请求帮助的情况。

2.计算遏制率

使用公式

遏制率 = (1- [升级交互作用/总交互作用]) × 100

例如，如果您的聊天机器人在 1000 次互动中处理了 900 次而没有升级，您就可以计算出结果： 

遏制率 = (1-1000/100) × 100 = 90

3.或使用分析工具

利用聊天机器人分析或客户服务平台自动跟踪和报告遏制率等指标。这些工具通常能提供更多有关升级原因和用户满意度的信息。

根据这一指标进行持续监控和优化，您就能提高聊天机器人的效率和用户体验。

使用LLMs 代替意图分类器

高封闭性聊天机器人通常由LLMs 而非意图分类器驱动。 

LLMs 他们擅长理解细微、自由的语言，并能适应各种措辞，是处理复杂或意外查询的理想选择。 

它们消除了对僵化的意图映射的需求，使聊天机器人（有时称为LLM 代理）能够灵活、准确地响应更广泛的用户输入。

正如我们的首席运营官在文章中解释的那样，Botpress 使用LLMs 而不是意图分类器，这与我们的竞争对手不同。

设计适应性对话

聊天机器人不应依赖静态工作流，而应实时动态地适应用户行为。 

通过利用上下文感知和决策算法，机器人可以在对话过程中调整其方法。这样，即使在用户转移话题、提供不完整信息或提出后续问题时，机器人也能保持相关性，从而提高整体解决率。

设计动态聊天机器人最简单的方法是使用代理人工智能；这样，您的机器人就能根据自己掌握的工具自主决定如何以最佳方式解决问题。

利用检索增强系统

将检索增强生成（RAG） 与客户关系管理（CRM） 和知识库等集成相结合，可以充分释放聊天机器人的潜力。 

通过从可靠来源获取特定领域的实时信息，机器人可以回答复杂的问题并完成多步骤任务，而无需升级到人工代理。

1.通过以下方法提高意图识别能力LLMs

从传统的意图分类器切换到LLMs ，很可能会提高遏制率。

与刻板的意图映射不同，LLMs 可以理解细微、自由的语言，并适应不同的措辞。这种先进的理解能力减少了误解，使聊天机器人能够准确、流畅地处理复杂、不可预测的对话。

2.扩展知识库

不断更新聊天机器人的知识库是实现满意互动的关键。 

定期添加新的常见问题、产品信息和常见问题解决方案。这样聊天机器人就能处理更广泛的询问，确保用户得到准确及时的回答。

3.增加建议途径

在升级到人工之前，您的聊天机器人会尝试独立解决疑问。如果没有成功，请尝试添加更多途径供用户选择。

增加后备选项，如澄清问题或替代解决方案，使其有更多机会满足用户需求。 

4.在整个过程中提供支持

如果您的流程包括复杂的工作流（如预约或故障排除），请确保这些流程无需人工即可由用户顺利完成。能够引导用户完成这些流程的聊天机器人可以避免人工干预。

5.明确说明聊天机器人的用途

从一开始就设定明确的期望。引导用户了解聊天机器人能处理哪些问题，擅长哪些方面。这样可以将对话引向机器人最擅长的领域，从而避免挫败感，为成功奠定基础。

6.监测绩效

跟踪未解决查询、升级率和满意度评分等关键指标，衡量聊天机器人的性能。利用这些洞察力找出需要改进的地方并评估更新是否成功。