La recherche sémantique dans le type de correspondance des blocs est une IA entraînée à extraire le contexte des conditions intégrées dans le message du client.
Les blocs ont la priorité sur l'assistant IA, vous pouvez donc utiliser un bloc avec une condition et un choix de correspondance « comparaison de sens » si vous souhaitez envoyer au client une réponse clairement vérifiée et prescrite.
Comment ça fonctionne
La recherche sémantique compare le sens entre le message d'un utilisateur et des conditions prédéfinies, plutôt que de se baser sur une correspondance exacte de mots-clés.
Principe fondamental
Le système analyse le contexte et l'intention dans le message de l'utilisateur et recherche une correspondance avec le sens intégré dans la condition de déclenchement.
Flux de traitement
- L'IA extrait le sens sémantique du message du client.
- Le système compare ce sens avec les phrases sémantiques définies dans les conditions du déclencheur.
- Si une correspondance sémantique est trouvée, le chatbot traite l'événement correspondant dans le bloc (par exemple, en envoyant un message spécifique).
Exemple
Dans la condition, nous définissons une phrase sémantique (par exemple, "clôture des comptes et actes"). Si l'IA identifie ce sens dans le commentaire de l'utilisateur, elle déclenche le bloc d'événement associé.
Le paramétrage du bloc ressemble à ceci :
Lors du choix d'une correspondance « Recherche sémantique », le bot doit trouver des mots/phrases de sens similaire dans le message du client, basés sur le déclencheur du bloc :
Chaque fois que le bot traite le message du client, il traite correctement l'événement nécessaire dans le bloc.
Comment rédiger un déclencheur
Le déclencheur dans le champ correspondant s'écrit de la même manière que tout autre déclencheur pour n'importe quelle sélection de correspondance :
Créer des conditions claires, concises et précises est essentiel pour la performance, la fiabilité et l'expérience utilisateur. Voici pourquoi c'est important :
- Traitement correct : Des conditions précises garantissent que le chatbot identifie et exécute correctement l'événement prévu.
- Vitesse de traitement : Des phrases complexes, ambiguës ou verbeuses augmentent le temps de traitement de l'IA et peuvent dégrader la vitesse de réponse.
- Fiabilité du schéma : Un libellé vague augmente le risque de mauvaise interprétation, ce qui peut entraîner un comportement incorrect de votre flux de travail.
Évitez les mots trop complexes, les termes ambigus et les longues phrases de plusieurs phrases dans vos conditions.
Exemple de condition de déclencheur efficace
Un exemple de condition de déclencheur INCORRECTE :
Évitez les conditions de déclencheur à un seul mot
Bien que les conditions doivent être concises, elles doivent également être sémantiquement significatives. Un seul mot (par exemple, « facture ») manque souvent de contexte suffisant pour une correspondance sémantique précise.
Utilisez des phrases descriptives
Au lieu de mots isolés, utilisez des phrases courtes et descriptives qui capturent l'intention.
Exemple :
❌
"facture"
✅"paiement mensuel de facture"Cela fournit un contexte plus clair pour que le modèle d'IA effectue une comparaison sémantique précise.
Principe clé
L'IA compare le sens des conditions, pas seulement les mots-clés. Une phrase bien définie établit les critères sémantiques nécessaires pour une correspondance fiable.
Exemple
Lorsque vous rédigez des déclencheurs plus détaillés pour la Recherche sémantique, l'IA comprend le contexte et répond rapidement.
Si vous définissez une condition de déclencheur en utilisant uniquement un mot unique (comme dans l'exemple ci-dessous), l'IA peut ne pas détecter suffisamment de contexte et ne déclenchera pas de réponse, ce qui entraînera un silence.
De plus, le bloc avec les paramètres corrects ne fonctionne pas car l'IA ne peut pas trouver le déclencheur du bloc correct dans le message du client et ne peut lui envoyer aucun message.
Soyez prudent
De plus, si le déclencheur de la Recherche sémantique est incorrect (trop court ou ambigu), l'IA peut répondre à ces déclencheurs au mauvais moment ou au mauvais endroit.
Exemple de chatbot IA de station intelligente
Dans cet exemple, nous démontrerons clairement la priorité des blocs sur les assistants IA et la recherche par contexte dans le message du client avec le choix du type Recherche sémantique.
Dans le constructeur de chatbot, nous créons deux blocs « Démarrer », dans chacun desquels nous choisissons le type « Recherche sémantique » et le message « Allumer/éteindre la lumière » :
- Bloc 1 « Allumer la lumière »
- Bloc 2 « Éteindre la lumière »
Pour comprendre que c'est le bloc qui a été exécuté, et non l'assistant IA, nous ajouterons une ligne supplémentaire dans le message de chaque bloc.
Ensuite, nous passons à l'assistant IA.
Création d'un bot avec le rôle d'« Assistant IA universel ».
À des fins de démonstration, nous n'appliquerons aucune restriction au comportement de l'assistant lors du traitement des blocs.
Tous les paramètres sont maintenant terminés. Passons aux tests.
- Démarrez une conversation avec la station intelligente pour commencer.
Comme nous n'avons pas limité la station de quelque manière que ce soit, elle peut parler de sujets complètement abstraits.
- Maintenant, dans le contexte de notre message, nous écrivons le sens clé - allumer ou éteindre la lumière :
Le bot a fonctionné correctement.
Ainsi, lorsque les déclencheurs du bloc ne sont pas remplis, l'assistant fonctionne.
Cependant, si le bot détecte le contexte défini par la condition du bloc, le bloc lui-même sera déclenché.