Bagaimana Membuat Pelanggan Anda Senang dengan Menggunakan Sistem Dialog?

  • Bagikan
Bagaimana Membuat Pelanggan Anda Senang dengan Menggunakan Sistem Dialog?


Dapatkah Anda mengingat kapan terakhir kali Anda harus menghubungi nomor bebas pulsa untuk layanan pelanggan? Apakah Anda ingat waktu tunggu yang lama bahkan sebelum Anda bisa mulai membicarakan masalah Anda? Kemudian, tiba-tiba, terlintas dalam pikiran Anda bahwa Anda telah menekan tombol yang salah yang membawa Anda ke divisi yang salah … Tidak diragukan lagi ini terdengar akrab bagi sebagian besar dari kita.

Untungnya, ada teknologi baru yang kuat yang telah datang untuk membebaskan kita dari frustrasi ini. Itu berjalan di bawah alias yang berbeda seperti asisten AI (percakapan), asisten virtual, atau hanya chatbot. Namun, para peneliti bersikeras menyebutnya sebagai sistem dialog. Mari kita tetap berpegang pada nama ini. Anda menggunakan sistem dialog hari demi hari, dari asisten di ponsel cerdas hingga sistem email yang menyaring surat masuk Anda.

Pandemi global COVID-19 sangat menonjol dalam merangsang tren menuju otomatisasi swalayan melalui sistem dialog. Sekarang, lebih dari sebelumnya, bisnis mencari cara untuk meningkatkan fasilitas swalayan. Arahan umum adalah untuk mengotomatisasi pertanyaan pelanggan rutin dan meringankan tim dukungan untuk tugas-tugas bernilai lebih tinggi.

Apa Itu Sistem Dialog?

Ini adalah program komputer yang mendukung interaksi percakapan lisan, berbasis teks, atau multimodal dengan manusia. Beberapa orang percaya bahwa sistem dialog adalah salah satu aplikasi pemrosesan bahasa alami (NLP) terpenting abad ini. Untuk pertama kalinya dalam sejarah kita dapat berbicara dengan mesin dalam bahasa kita sendiri, dan kita tidak selalu dapat mengatakan bahwa itu bukan manusia.

Eliza: Chatbot Pertama

Meskipun chatbots mungkin terdengar seperti kata kunci baru-baru ini bagi Anda, mereka sudah ada sejak para peneliti menemukan cara untuk berkomunikasi dengan komputer. Faktanya, chatbot pertama Eliza dibuat pada tahun 1966 – bahkan sebelum meluncurkan komputer pribadi awal. Penciptanya adalah Joseph Weizenbaum di MIT Artificial Intelligence Lab. Menyamar sebagai psikiater, Eliza memeriksa kata kunci di input pengguna dan membuat aturan untuk mengubah output. Metodologi khusus untuk menghasilkan tanggapan ini masih digunakan secara ekstensif ketika mengembangkan sistem dialog.

Jika Anda ingin membaca lebih lanjut tentang dari mana teknologi chatbot berasal dan bagaimana perkembangannya, Anda dapat menemukan sejarah singkat yang bagus di [Raj, 2019, p. 13-16]. Ini pasti akan membuat Anda terkesan seberapa jauh teknologi maju sejak awal.

Keterbatasan Sistem Dialog Awal

Meskipun ada banyak yang bisa diperoleh dari pencapaian sistem dialog awal, dalam banyak kasus mereka memiliki satu atau lebih keterbatasan berikut:

  • mereka biasanya sangat rapuh dan akan jatuh atau jatuh karena penyimpangan sekecil apa pun dari input yang diantisipasi;
  • sistem berkinerja baik untuk tujuan yang dikembangkan tetapi tidak meningkatkan atau mentransfer dengan lancar ke domain lain;
  • keputusan dialog dibuat dengan tangan dan dengan demikian tidak dapat dipastikan menjadi yang terbaik;
  • sistem sering dibangun menggunakan perangkat dan bahasa berpemilik yang belum tentu tersedia untuk penggunaan umum; dan
  • mereka hanya berkonsentrasi pada bahasa suara atau tulisan dan tidak memperhitungkan modalitas lain yang penting dalam percakapan alami.

Kredit gambar: Pxfuel, lisensi gratis

Sistem Dialog Saat Ini

Didorong oleh teknologi pencocokan pola yang terus meningkat, chatbot berkembang pesat sejak zaman ELIZA. Dan pendekatan baru telah dirancang untuk memperkuat pencocokan pola. Kecanggihan yang lebih besar ini mungkin merupakan jawaban mengapa chatbots sering disebut sebagai sistem dialog dalam literatur terkini.

Chatbots awal berada di server khusus di universitas dan laboratorium penelitian industri atau sebagai antarmuka pengguna yang diaktifkan suara melalui jaringan telepon. Saat ini Anda dapat menemukan sistem dialog di berbagai platform dan perangkat yang tersedia secara terbuka. Sistem dialog sekarang dapat dibentuk sebagai aplikasi perpesanan di ponsel cerdas Anda, atau sebagai asisten digital pribadi di tablet Anda.

Mengingat kemajuan terbaru dalam teknologi suara, pelopor TI seperti Apple dan Amazon meluncurkan agen kecerdasan buatan untuk suara. Sekarang Anda dapat meminta Siri atau Alexa untuk membantu Anda menyewa mobil, mematikan lampu, memutar musik favorit Anda dari Spotify, dll.

Dalam Hal Apa Sistem Dialog Modern Lebih Unggul?

Sistem dialog kontemporer telah mengatasi banyak keterbatasan sistem awal:

  • mereka dapat dikembangkan dan digunakan pada aplikasi perpesanan populer yang sudah biasa digunakan orang;
  • pengguna tidak perlu mengunduh dan menginstal aplikasi terpisah untuk setiap aplikasi;
  • biasanya sistem dapat mengambil informasi kontekstual tentang pengguna, seperti

lokasi dan kesehatan fisik, yang mungkin diperoleh melalui sensor;

  • sistem mampu belajar dari pengalaman, sehingga mereka dapat secara dinamis meningkatkan kinerjanya;
  • semakin banyak sistem yang mampu berkomunikasi dalam mode multimodal dengan menafsirkan tatapan mata, gerak tubuh, dan gerakan kepala pengguna;

dan

  • pengembang sekarang dapat menggunakan banyak alat bantu yang mudah dikuasai yang memanfaatkan kemajuan terbaru dalam AI, pembelajaran mesin, dan NLP.

Sistem Dialog dari Perspektif Bisnis

Sistem dialog adalah teknologi yang sangat menjanjikan yang mulai diterima sekarang karena kemajuan luar biasa dalam pembelajaran mesin dan kecerdasan buatan. Kasus penggunaan yang dijelaskan di bawah ini akan memberi Anda ide di mana sistem dialog dapat membuat perbedaan pada pengalaman pengguna saat ini.

Kredit gambar: Piqsels, Domain Publik

Bank internet

Untuk hal-hal biasa seperti memeriksa saldo, menemukan cabang terdekat, atau meminta transfer uang ke rekening lain, antarmuka obrolan bisa sangat berguna. Selain itu, sistem dialog dapat dengan mudah mengakomodasi masalah dukungan pelanggan standar seperti memblokir kartu yang dicuri atau meminta yang baru. Sistem dialog memiliki antarmuka langsung dengan sistem back-end dan diberi izin yang tepat untuk menjalankan operasi atas nama pengguna.

Pertanggungan

Kegiatan asuransi biasanya membutuhkan dialog yang cukup panjang antara pelanggan dan perusahaan asuransi. Untungnya, sebagian besar waktu, data yang dipertukarkan antara kedua pihak terstruktur dengan baik dan dapat dengan mudah diotomatisasi. Contoh use case untuk sistem dialog dapat berupa pendaftaran klaim asuransi, mengetahui status klaim, dan mendapatkan informasi tentang produk asuransi lainnya. Selain itu, sistem dialog cocok untuk cross-selling berbagai produk lain berdasarkan pola pembelian pengguna. Kasus penggunaan lain di mana sistem dialog dapat membantu pengguna memutuskan rencana yang tepat berdasarkan beberapa pertanyaan awal. Pengguna sering kali tidak mengetahui penawaran yang mungkin memenuhi syarat untuk mereka, dan sistem dialog dapat membantu mendorong penjualan lebih tinggi dengan menangkap dan memanfaatkan data penjualan.

Bepergian

Perjalanan adalah pasar yang sangat besar dengan banyak interaksi pelanggan yang terjadi sebelum penjualan terjadi

dibuat. Harga adalah salah satu pendorong utama penjualan di industri perjalanan; pengguna selalu mencari yang terbaik

harga yang harus dibayar saat memesan penerbangan atau kamar. Beberapa perusahaan sekarang bahkan memberikan harga penerbangan dan hotel secara real-time. Satu kasus penggunaan dapat membangun sistem dialog yang berkomunikasi dengan beberapa ujung belakang untuk mendapatkan harga waktu nyata. Bayangkan jika ada pesan yang diminta segera setelah harga kursi berubah!

Makanan dan Restoran

Ada banyak kasus penggunaan yang mudah digunakan dan mudah dibuat yang dapat diotomatisasi di atas sistem dialog dalam industri makanan. Memesan meja adalah salah satu kasus penggunaan paling populer dengan sebagian besar pemesanan yang masih diambil melalui telepon. Sebaliknya, akan jauh lebih nyaman untuk mengakses sistem dialog dan memesan meja untuk sejumlah orang saat bepergian.

Perdagangan elektronik

Di sektor ini, ada dua fungsi utama yang dapat dilakukan oleh sistem dialog: pencarian produk dan dukungan pelanggan. Mengotomatiskan dukungan pelanggan untuk e-commerce adalah pasar yang sangat besar, dan dengan terobosan dalam NLP, sistem otomatis akan menangani semua permintaan dukungan pelanggan dalam waktu dekat.

Utilitas dan Tagihan

Semua orang menggunakan layanan utilitas, dan membayar tagihan adalah kasus penggunaan yang meminta otomatisasi juga. Faktanya, sistem dialog yang membantu pengguna dalam mengelola utilitas mereka adalah salah satu aplikasi yang tumbuh paling cepat saat ini. Perusahaan telekomunikasi dan listrik mungkin mendapat manfaat dengan menyediakan pelanggan mereka dengan sistem dialog yang berjalan di situs web atau di berbagai platform media sosial. Pengguna akhir akan mendapatkan banyak keuntungan dengan memiliki layanan pengambilan tagihan dan pembayaran yang nyaman yang ditawarkan oleh sistem dialog semacam itu.

Membungkus

Ini adalah artikel pertama di teknologi.org seri tentang Sistem Dialog, di mana kami berfokus pada sisi bisnis membangun sistem dialog. Pada akhirnya, Anda ingin klien Anda puas dan mampu mencapai lebih banyak dengan menggunakan produk atau layanan Anda. Sistem dialog memungkinkan pengguna untuk selalu tetap berhubungan dengan merek, dan mereka menawarkan bisnis Anda peluang unik untuk melibatkan pengguna dengan nyaman.

Di bagian kedua teknologi.org seri kami akan mencoba untuk memberikan pengenalan lembut aspek teknis pengembangan sistem dialog untuk aplikasi dunia nyata.

Biodata Penulis

Darius Miniotas adalah seorang ilmuwan data dan penulis teknis dengan Neurotechnology di Vilnius, Lithuania. Dia juga Associate Professor di VILNIUSTECH di mana dia telah mengajar pemrosesan sinyal analog dan digital. Darius menyandang gelar Ph.D. di Teknik Elektro, tetapi minat penelitian awalnya berfokus pada interaksi manusia-mesin multimodal yang menggabungkan tatapan mata, ucapan, dan sentuhan. Saat ini dia sangat menyukai AI prososial dan percakapan. Di Neurotechnology, Darius sedang mengejar proyek penelitian dan pendidikan yang mencoba untuk mengatasi tantangan yang tersisa dalam berurusan dengan multimodalitas dalam dialog visual dan interaksi multipartai dengan robot sosial.

Referensi

Andrew R.Freed. AI percakapan. Publikasi Manning, 2021.

Rasyid Khan dan Anik Das. Bangun Chatbot yang Lebih Baik. Apres, 2018.

Hobson Lane, Cole Howard, dan Hannes Max Hapke. Pemrosesan Bahasa Alami dalam Tindakan. Publikasi Manning, 2019.

Michael McTear. AI percakapan. Morgan & Claypool, 2021.

Sumit Raj. Membangun Chatbot dengan Python. Apres, 2019.

Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, dan Harshit Surana. Pemrosesan Bahasa Alami Praktis. O’Reilly Media, 2020.





Source link

  • Bagikan

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *