LiveAgent Chatbot: Vodič za naprednu konfiguraciju

U ovom članku:

• Što se mijenja između postavljanja i napredne konfiguracije
• Kako konfigurirati kada chatbot prepušta razgovor ljudskom agentu?
• Kako ograničiti što chatbot smije reći?
• Kako osigurati dosljedne odgovore na određena pitanja?
• Kako konfigurirati višejezično ponašanje?
• Kako osigurati da chatbot nastavi učiti nakon pokretanja?
• Koje postavke pregledavati i koliko često

Naš vodič za postavljanje AI bota za korisničku podršku pokriva šest koraka za pokretanje LiveAgent chatbota : izrada Flow-a, povezivanje izvora znanja, primjena na widget. To je minimum za pokretanje. No to nije konfiguracija koja određuje je li bot zaista dobar tri mjeseca kasnije. Ako još uvijek uspoređujete mogućnosti chatbotova umjesto da podešavate onaj koji već koristite, naš pregled najboljih AI chatbotova za 2026. godinu bolja je polazna točka.

Ovaj vodič nastavlja tamo gdje onaj staje. Svaka postavka u nastavku stvarno je polje ili komponenta koju ćete pronaći u LiveAgentu ili FlowHuntu , a ne opći popis najboljih praksi.

Što se mijenja između postavljanja i napredne konfiguracije

Postavljanje odgovara na pitanje “radi li bot?” Konfiguracija odgovara na pitanje “radi li onako kako naš tim stvarno treba?” Ta se razlika očituje na četiri mjesta: kada bot eskalira, što smije reći, koliko su njegovi odgovori dosljedni u različitim sesijama te poboljšava li se ili ostaje statičan nakon pokretanja.

Bot koji je prošao test prvog tjedna i dalje može frustrirati korisnike mjesec dana kasnije ako se niti jedno od ova četiri područja ne preispita. Izvori znanja koje ste povezali pri pokretanju zastarijevaju, pitanja koja korisnici postavljaju mijenjaju se, a zadani prag predaje koji se činio ispravnim prvog dana možda već šalje previše ili premalo razgovora vašim agentima.

Kako konfigurirati kada chatbot prepušta razgovor ljudskom agentu?

Otvorite objekt Chatbot u LiveAgentu i postavite polje “Required answers to initialize chat with human agent”. Ovaj broj označava minimalni broj AI odgovora prije nego što gumb “Request chat with human agent” postane dostupan posjetitelju. Postavite ga prenisko i bot će eskalirati pitanja koja je mogao riješiti, gubeći vrijeme agenata na zahtjeve koji nikada nisu trebali čovjeka. Postavite ga previsoko i frustrirani korisnici će kružiti kroz beskorisne odgovore prije nego što dođu do nekoga.

Postoji i drugi put koji ne ovisi o ovom broju: AI agent može samostalno, usred razgovora, odlučiti da je upit previše složen i automatski preusmjeriti razgovor, bez čekanja na prag potrebnih odgovora. Ovo je opcija na koju se treba osloniti za teme podrške gdje je pogrešan odgovor skup (sporovi oko naplate, sigurnost računa) i fiksni broj djeluje previše kruto.

Nakon što se razgovor preusmjeri, agenti ga preuzimaju u odjeljku Chats overview pomoću gumba “Stop chatbot and join”, a cjelokupna povijest razgovora prenosi se u isti tiket – mehanika je detaljno opisana u našem vodiču za predaju s AI na ljudskog agenta . Ništa od toga nije konfigurabilno od strane korisnika, ali znati da se tako odvija objašnjava zašto je važno testirati tijek predaje od početka do kraja, a ne samo botove odgovore do te točke.

Kako ograničiti što chatbot smije reći?

Prema zadanim postavkama, predložak AI agenta u LiveAgentu omogućuje posjetitelju da u bilo kojem trenutku razgovora izravno zatraži ljudskog agenta, neovisno o pragu potrebnih odgovora. Ako to nije ono što želite – na primjer, bot namijenjen potpunom rješavanju uskog skupa pitanja prije nego što se pojavi bilo kakva ljudska opcija – rješenje je uređivanje sistemske poruke AI agent komponente u FlowHuntu, a ne postavka na strani LiveAgenta.

Sistemska poruka je također mjesto gdje ton i persona zapravo žive. Ne postoji zasebni izbornik za “personu”: koje god instrukcije ovdje napišete (formalno vs. ležerno, kako postupiti s pitanjem izvan djelokruga, treba li se ispričati prije eskalacije) – to je ono što bot slijedi. FlowHunt podržava više od 15 AI modela, a promjena modela može utjecati na to koliko doslovno bot slijedi tu formulaciju, ali sam model nije izvor tona.

Kako osigurati dosljedne odgovore na određena pitanja?

Izvori znanja dobro odgovaraju na općenita pitanja, ali za sve što vaš tim želi da bude identično formulirano svaki put – izjave o cijenama, jezik politike, određeno odricanje od odgovornosti – umjesto toga koristite FlowHuntovu značajku Questions & Answers . Ona vam omogućuje definiranje fiksnog odgovora za određeni upit, tako da bot vraća točno tu formulaciju umjesto da svaki put generira novu parafrazu kad netko pita.

Ovo je važnije nego što zvuči. Baza znanja napisana za ljudsko pretraživanje, raspoređena kroz pet povezanih članaka pomoći, ne proizvodi automatski jedan čist, dosljedan bot odgovor kada AI povlači informacije iz svih pet odjednom. Fiksni Q&A unosi zatvaraju taj jaz za onih nekoliko pitanja gdje je preciznost formulacije stvarno važna vašem timu.

Pretplatite se na newsletter

Najnoviji savjeti i ponude izravno u vašem sandučiću.

E-mail adresa

Pretplatite se

Kako konfigurirati višejezično ponašanje?

Chatbot automatski prepoznaje jezik posjetitelja i odgovara na njemu, s podrškom za više od 100 jezika, ovisno o povezanom AI modelu. Ovo nije postavka koju treba uključiti – radi po defaultu – ali nije ujednačena na svim jezicima. Određena ograničenja mogu se primijeniti na manje rasprostranjene jezike, jer kvaliteta modela za te jezike varira ovisno o pružatelju usluge.

Prije uvođenja bota na tržište s manje zastupljenim jezikom, testirajte ga izravno sa stvarnim frazama koje vaši korisnici koriste, a ne s izravnim prijevodom vaših engleskih testnih pitanja. Doslovni prijevod može proći, dok izvorna fraza koju model nije često viđao može dati osjetno slabiji odgovor.

Kako osigurati da chatbot nastavi učiti nakon pokretanja?

Postavite LiveAgentovu samoučeću petlju tako da svaki eskalirani tiket nauči bot nešto novo, umjesto da bude samo jednokratno rješenje. Kreirajte pravilo automatizacije u LiveAgentu koje se aktivira kada je tiket riješen i označen oznakom Update_AI, šaljući ID tiketa FlowHuntu putem HTTP zahtjeva ili webhooka.

Odatle, AI agent automatski provodi četiri koraka: čita cijeli tiketni thread kako bi vidio što je chatbot propustio, uspoređuje to sa stvarnim rješenjem ljudskog agenta, generalizira rješenje u ponovno upotrebljivo pravilo (umjesto jednokratnog odgovora) i sprema ga kao strukturirani memorijski unos (tema, okidač, preduvjeti, rješenje) koji chatbot može dohvatiti pri sljedećem sličnom pitanju. Osobno identificirajući podaci automatski se uklanjaju prije nego što se bilo što spremi.

Rezultat se gomila. Eskalacije koje vaš tim riješi u prvom tjednu postaju znanje koje bot ima u drugom tjednu, bez da itko ručno prepisuje članak izvora znanja.

Koje postavke pregledavati i koliko često

Provjeravajte stopu predaje agentu i konkretna pitanja koja pokreću eskalaciju tjedno tijekom prvog mjeseca nakon bilo kakve promjene konfiguracije, a zatim mjesečno nakon što se obrazac stabilizira. Rastuća stopa predaje obično znači prazninu u znanju koju samoučeća petlja još nije zatvorila, a ne postavku koju treba obnoviti iz temelja.

Ako ton bota odstupi od onoga što sistemska poruka specificira, to je znak da treba izravno revidirati formulaciju, umjesto da se mijenjaju AI modeli kako bi se to kompenziralo. A ako se eskalacije grupiraju oko jedne teme koja se ponavlja, to je upravo signal koji je oznaka Update_AI dizajnirana da uhvati, stoga provjerite da li je vaši agenti zaista primjenjuju prije nego što pretpostavite da samoučeća petlja ne radi.

Kada su vrijeme predaje, sistemska poruka, višejezična pokrivenost i samoučeće pravilo svi namjerno postavljeni umjesto da su ostavljeni na zadanim vrijednostima, razlika između “bot radi” i “bot radi onako kako naš tim treba” uglavnom se zatvara sama od sebe.