Neuf conseils pour améliorer les performances de votre système conversationnel

L'IA conversationnelle est considérée comme une solution supérieure pour fournir aux utilisateurs les informations dont ils ont besoin, quand ils en ont besoin et de la manière qui correspond le mieux à leurs souhaits. Cependant, malgré cela, les systèmes d’IA conversationnelle présentent encore quelques défauts communs.

Voici quelques conseils que j'ai compilés au fil des années pour vous aider à améliorer les performances des systèmes conversationnels :

1. Rationalisez les questions

L'objectif des systèmes d'intelligence artificielle conversationnelle est d'obtenir les informations nécessaires pour accomplir ces tâches. les informations peuvent provenir du contexte ou des questions des utilisateurs.

Cependant, chaque question posée par le système peut entraîner l'échec de la conversation. Par conséquent, notre objectif est de minimiser le nombre de questions posées ou de rendre les questions plus simples.

Prenons l'exemple de l'assurance automobile. L'utilisateur souhaite vérifier l'état de la réclamation qui vient d'être soumise. Nous demandons simplement aux utilisateurs de fournir l'identifiant à 11 chiffres de leur réclamation, sans questions ni explications compliquées. Une telle conception est plus adaptée aux besoins des utilisateurs et réduit le risque d’échec de conversation.

2. Les techniciens peuvent poser trop de questions

Dans une approche axée sur la technologie, la première considération est généralement l'« API de détails des réclamations » requise. Le développeur peut même mentionner qu'il existe déjà une API capable d'exploiter l'ID de stratégie pour obtenir les détails. C'est excellent ! Nous n’avons besoin que de l’utilisateur pour fournir 1 identifiant de politique pour obtenir les informations requises. Cette conception est diamétralement opposée à l’approche technologique actuelle.

Bien que cela soit relativement simple pour les développeurs, cela peut poser certains défis aux utilisateurs. Les utilisateurs doivent saisir l'identifiant exact à 11 chiffres. Dans un contexte vocal, même si l’utilisateur connaît les 11 chiffres, les saisir correctement peut s’avérer difficile.

3. Facilitez la réponse aux questions grâce à un design plus convivial

Pour permettre aux utilisateurs de saisir plus facilement les identifiants de réclamation, nous pouvons réduire le nombre de chiffres requis, par exemple en n'exigeant que les quatre derniers chiffres au lieu du numéro complet à 11 chiffres. . Bien que l’ID de réclamation complet soit toujours requis sur le backend, cette conception permet aux utilisateurs de poser des questions beaucoup plus facilement. Il y a moins de risques de commettre des erreurs en saisissant ou en prononçant de petits nombres.

Il existe de nombreuses façons de « poser des questions plus simples » :

1. Posez différentes questions  : Pour les situations de sinistre, cela peut inclure des questions sur la date de la réclamation. Dans de nombreux cas d’utilisation, l’ID ou la date de réclamation sera unique à chaque utilisateur.
2. Utiliser la reconnaissance de photos : certaines applications mobiles peuvent reconnaître et extraire les informations requises des photos.

Cependant, il y a des limites à poser des questions plus simples, car vous les posez toujours. Par exemple, dans le cas d’une réclamation automobile, nous nous attendons à ce que les appelants soient en mesure d’obtenir des informations détaillées sur la réclamation, mais ce processus peut poser des défis aux utilisateurs. Alors, peut-on simplifier davantage les choses ?

**4. **Faites des hypothèses raisonnables (et éventuellement confirmez)

Pensons différemment et déplaçons le sujet d'une perspective technique vers une perspective utilisateur. Nous devons donner la priorité à l’utilisateur et comprendre pourquoi il appelle au sujet d’une réclamation automobile. C'est peut-être parce qu'ils viennent d'avoir un accident de voiture et qu'ils donnent suite à une réclamation qu'ils ont déposée.

Bien que les utilisateurs puissent avoir plusieurs réclamations, ils peuvent appeler pour obtenir des informations sur leur réclamation la plus récente. Dans de tels cas, nous devons faire des hypothèses raisonnables et il est nécessaire de confirmer ces hypothèses afin de mieux répondre aux besoins des utilisateurs.

L'image ci-dessus montre une méthode qui peut réduire la charge des utilisateurs. Désormais, au lieu de fournir activement des informations sur les réclamations, les utilisateurs peuvent recevoir des informations fournies par le système. Cette amélioration réduit non seulement la charge d'interaction de l'utilisateur, mais répond également aux besoins de récupération des données back-end. Il est plus pratique pour les utilisateurs de confirmer des informations que de fournir activement des informations. En outre, cette approche donne également au système d'intelligence artificielle conversationnelle une apparence plus intelligente et améliore la confiance des utilisateurs dans le système.

Cependant, ce mode nécessite des informations contextuelles supplémentaires pour garantir que les informations ne soient pas divulguées à des tiers malveillants. Par exemple, dans le cas d'une recherche de réclamations, le système facilite ce processus en identifiant l'appelant (en liant éventuellement le numéro de téléphone entrant à la politique de réclamation).

Bien qu'il ne soit pas toujours possible de sauter des questions et de simplement faire des hypothèses raisonnables, il s'agit de l'une des techniques puissantes pour créer des systèmes d'IA conversationnelle plus efficaces. Examinons ensuite les moyens d'améliorer les questions que vous devez poser.

5. Proposez des choix clairs

Dans la section précédente, nous avons expliqué comment améliorer les performances des systèmes d'intelligence artificielle en réduisant les problèmes. Cependant, il arrive parfois que la suppression d’une question ne soit pas une option et que la question doive quand même être posée. Dans ce cas, une approche efficace consiste à proposer des choix clairs, c’est-à-dire demander à l’utilisateur de choisir parmi une liste explicite. Imaginons que nous demandions à l'utilisateur de choisir entre des pommes et des oranges. Même si cela semble relativement simple, comment pouvons-nous garantir que l’utilisateur réussit à faire son choix ?

La mise en œuvre de questions à choix multiples peut être plus difficile que vous ne le pensez. Examinons ensemble quelques pièges potentiels.

6. Attention à la confusion « oui/non »

Nous devons nous méfier de la confusion « oui/non ». Les utilisateurs ne savent pas toujours clairement comment répondre à des questions sélectives. Par exemple, lorsque vous demandez à un utilisateur « Voulez-vous une pomme ou une orange ? », il peut répondre « Oui ». Dans ce cas, nous devons recadrer la question pour qu'elle soit plus claire pour l'utilisateur :

• « S'il vous plaît ! choisissez Pomme ou Orange. »
• « Quel fruit souhaiteriez-vous – une pomme ou une orange ? »

La reformulation de ces questions peut sembler techniquement la même, mais peut avoir des effets très différents dans la conversation réelle, donc le choix. s’applique à la conversation. La copie de la conversation par les médias est essentielle pour garantir des performances optimales des systèmes d’IA conversationnelle.

7. Les boutons simplifient le processus de fonctionnement

Certains utilisateurs ne sont pas disposés à taper ou à répondre vocalement aux questions. Dans un scénario de chat, cliquer sur un bouton peut s'avérer plus pratique que de saisir une réponse. Dans un scénario vocal, les utilisateurs ont généralement la possibilité d'appuyer sur les boutons du clavier. Par exemple, appuyer sur « 1 » signifie sélectionner la première option, appuyer sur « 2 » signifie sélectionner la deuxième option, et ainsi de suite. Lors de l'évaluation des réponses des utilisateurs à la question « Veuillez choisir une pomme ou une orange », nous pouvons accepter « pomme » ou « 1 » comme réponses équivalentes. De cette façon, l’opération peut être complétée plus facilement.

Les boutons ne donnent peut-être pas aux gens une impression de « haute technologie », mais s'ils sont utilisés correctement, ils peuvent rendre les utilisateurs plus efficaces.

Nous devrions avoir un certain degré de flexibilité pour les petites erreurs commises par les utilisateurs lors du processus de sélection. Lorsqu’on demande aux utilisateurs de faire un choix, tant l’utilisateur que le système d’intelligence artificielle sont susceptibles de commettre des erreurs. Par exemple, dans une interface de discussion, un utilisateur peut épeler « pomme » au lieu de « appel ». À ce stade, l’IA ne doit pas simplement répondre par « Je ne comprends pas », mais doit raisonnablement supposer que l’utilisateur a l’intention de choisir Apple, fournissant ainsi la bonne réponse. Cette tolérance aux pannes améliore la convivialité.

Dans une application vocale, si vos options contiennent des termes spécifiques à un domaine, vous devrez peut-être entraîner un modèle personnalisé pour garantir que ces options de sélection sont reconnues avec précision. Maintenant que vous savez comment vos utilisateurs sont susceptibles de réagir, quels que soient les choix que vous proposez, vous devez vous assurer que votre service vocal peut les retranscrire avec précision. Pour cet exemple de sélection de fruits, assurez-vous d'inclure des entrées pour « pommes » et « oranges » dans la formation de votre modèle personnalisé pour garantir l'exactitude.

Même si vous avez entraîné un modèle personnalisé, vous pouvez toujours rencontrer des erreurs de transcription. Votre service vocal peut parfois transcrire incorrectement « pomme » en « appel » ou « piratage », etc. Dans ce cas, vous pouvez envisager d'ajouter ces scénarios de transcription erronée potentiels à votre implémentation de Watson Assistant pour améliorer encore la précision de la reconnaissance.

Les problèmes de sélectivité sont courants dans les systèmes d'IA conversationnelle. En appliquant ces conseils, vous pouvez vous assurer que vos questions sélectives sont plus efficaces.

8. Proposez des choix clairs

Dans le contenu précédent, nous avons expliqué comment un choix précis de mots peut améliorer les performances de l'intelligence artificielle, car un texte de dialogue plus précis peut produire de meilleures réponses des utilisateurs. Un texte conversationnel plus granulaire améliore non seulement l'expérience utilisateur, mais contribue également à accroître la satisfaction des utilisateurs et à accélérer l'exécution des tâches. Ensemble, cette série d’effets favorise une expérience utilisateur plus fluide.

9. Soyez significatif

Dans une conversation, chaque mot augmente le fardeau de l'utilisateur. Dans une conversation textuelle, ils doivent lire ; dans une conversation vocale, ils doivent écouter (et attendre) les mots. Il est donc crucial de revoir les conversations pour exclure les textes inutiles. Voici quelques exemples :

• "Veuillez écouter attentivement car nos options de menu ont récemment changé." À quand remonte la dernière fois que ce message a été utile ? Si vous n'appelez qu'une fois par an, il est presque improbable que vous vous souveniez de ces options. Si vous appelez tous les jours, vous n’aurez besoin d’écouter qu’une seule fois. Cette phrase n’a aucune utilité pratique dans la grande majorité des situations et est l’une de mes SVI (réponses vocales interactives) les plus détestées.
• « Votre appel est important pour nous. » Ce n'est pas quelque chose que vous devez dire aux utilisateurs, mais quelque chose que vous devez montrer par des actions. Le véritable respect des utilisateurs signifie que les actions sont plus éloquentes que les mots.
• "(explication détaillée de comment faire)". Si vous devez fournir de longues explications afin que les utilisateurs puissent « faire ce qu'ils veulent », envisagez peut-être des améliorations techniques pour réduire le recours aux explications. Cela peut rendre les conversations plus fluides et plus efficaces.

10. Utilisation précise de la ponctuation

Les systèmes d'IA conversationnelle utilisent des moteurs de synthèse vocale pour converser avec les utilisateurs, et ces moteurs s'appuient sur des indices de ponctuation pour déterminer où ajouter du stress et des pauses dans les phrases.

Je me souviens aussi d’un T-shirt astucieux qui disait « Mangeons, grand-mère » avec une virgule en gras qui a donné naissance au slogan : « La ponctuation sauve des vies ». En réalité, les signes de ponctuation ne sauvent peut-être pas la « vie » de votre système d’IA, mais ils rendent le son de votre texte conversationnel plus fluide.

Lorsque vous vérifiez la ponctuation de votre dialogue, assurez-vous :

• Toutes les phrases se terminent par un point.
• Les phrases complexes sont séparées par des virgules.
• Dans la liste de sélection, incluez la « virgule Oxford » (c'est-à-dire la dernière virgule dans « Veuillez choisir A, B ou C »).

De plus, vous pouvez même envisager d'utiliser des fonctionnalités d'automatisation pour créer des fichiers audio pour toutes vos conversations dans votre assistant virtuel.

Résumé

Cet article explore diverses méthodes techniques pour améliorer l'intelligence artificielle conversationnelle. Envisagez d’adopter ces techniques lors du développement de nouveaux systèmes d’IA conversationnelle ou lors de l’amélioration de systèmes existants. Qu'il s'agisse d'un nouveau système ou d'un système existant, les améliorations et itérations continues ont un impact positif sur les performances des systèmes d'IA. Il a été prouvé que ces pratiques améliorent considérablement les performances des systèmes d’IA conversationnelle.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!