線上客服 + Chatbot = 智慧客服

相信很多產品都會有線上客服系統及線上 FAQ 系統，提供給使用者線上詢問或查詢來排除操作系統所發生的問題。
如果加上 FAQ Chatbot 可以服務更多的使用者(當線上客服人員下班時)，也可以讓線上客服人員可以服務復雜的問題。
我們要如何加上 FAQ Chatbot 呢? 讓我們繼續看下去 …



FAQ系統是使用 keyword 來 Search 的，如下，


但是當使用者輸入「一句話」，FAQ可能就查不出資料了，如下，


Microsoft 有一個 QnAMaker，剛好符合我們的需求，只要將 Q and A 匯進去，呼叫它的 api 就可以回傳合適的答案。
於是我們就將 FAQ 中的資料匯到了 QnAMaker 之中(大約有230個問題)，如下

用中文來測試，有些 OK，有些又不太 OK。 於是有看到「Alternative Phrasing」，目前用的狀況是「中文真的不OK~」。 所以我們就只好改成，依不同的問法分別建立一個 QnA pair 。
另外一個狀況就是，目前它是 Preview ，所以會限速 … Current transaction limits are 10 calls per minute and 10,000 calls per month…，所以在 Call 它的 api 時，常常會出現 429 的錯誤。(Error code 429: Rate limit is exceeded. Try again or upgrade to a higher pricing tier with a higher rate limit (if available).)

接下來我們就使用 1645 個問題來試看看 QnA Maker ，結果它有回答 336 筆，約 20% 。

• 註: 因為 QnA Maker 目前還是 Preview, 所以持續 Call 時，要停個 500 ms, 如果發生錯誤時，就再等個 10 秒再試一次哦!

怎麼辦呢?  快找 MS 來指導一下下。
詢問 MS Tom 哥後，他給我們的建議是用 LUIS + Vital ESP(FAQ系統)。
可以透過 LUIS 解析使用者的問題，解析出「意圖」及「關鍵字」，然後再把「關鍵字」送到 FAQ 去查詢，這樣正確率就會比較高。

一開始我的想法是一個問題建立一個 Intent (LUIS now allows you to create 500 intents and 100 entities)，但是這樣子蠻不準的。
Tom 哥說，LUIS 是依句型去解析的，類似的句型不同的 Intent 反而會造成混亂。
所以我們就建立一個 FAQ 的 Intent ，然後將 FAQ 系統中 230 個問題都匯進 FAQ Intent 之中，然後我們再進去設定關鍵字(Entity)。
不過這樣子設定的人要針對 230 個問題一個一個地去設定 Entity ，也還蠻累的。
後來同事 Alex 大大測試，既然 LUIS 是依句型去解析的，那我們只需要建立一些使用者會詢問的句型，然後 關鍵字(Entity)就設定2種(action, keyword)，再依 action 及 keyword 建立 Phrase lists ，例如 keyword Phrase lists 裡面就有 App, 行事曆, 客戶, 會員, 網址, 權限 等等的詞，這樣子解析出來的狀況還蠻不錯的。如下，


註:目前 Phrase List 可以建立 5,000 個Language Understanding FAQ。

所以當使用者輸入「請問如何快速新增行事曆」，透過 LUIS 就可以找到關鍵字為 新增 及 行事曆 ，如下，


所以我們再到 Vital ESP(FAQ系統)，輸入「新增 行事曆」，就可以正確查到資料了，如下，


所以我們一樣使用 1645 個問題來試看看 LUIS + Vital ESP(FAQ系統) ，有找出結果的約有 968 個，約 50 %。
註:我們會產生一個 Excel 的結果檔如下，


架構類似如下，


而透過 Chatbot 去封裝的話，畫面如下，


之後在 Chatbot 中就可以再去記錄一些使用者的行為，讓 Chatbot 更智能。

雖然目前 QnA Maker 在中文 Support 上還是不太 OK，但它簡易的想法的確是讓人蠻期待的。