BOTfriends Preview

Dialogflow

--> zum BOTwiki - Das Chatbot Wiki

Dialogflow ist eine ursprünglich aus API.AI hervorgegangene Plattform, die sich für natürliche dialogorientierte Kommunikation mit Anwendern nutzen lässt. Heute stellt diese Plattform einen NLP-Service dar, welcher Teil der Google Cloud Platform ist. Dialogflow bietet seinen Nutzern eine vollständige Entwicklungssuite mit Code-Editor, Library und vielen Werkzeugen mit denen das Erstellen eines Conversational Interfaces erleichtert wird.[1]

 

Vorteile von Dialogflow

Dialogflow bietet Entwicklern schon 33 vorgefertigte Agents, auch Prebuilts genannt, die nach Belieben weiter auf den bestimmten Use Case angepasst und spezifiziert werden können. Da in diesen Agents schon viele Intents eingerichtet sind spart dies Zeit in der Chatbot Entwicklung.

Jeder dieser 33 vorgefertigten und natürlich auch die eigen erstellten Agents können problemlos via One-Click Integration mit verschiedenen Kanälen wie zum Beispiel Google Assistant, Amazon Alexa oder Facebook Messenger verbunden werden. Hinzu kommt, dass, im Gegensatz zu anderen Anbietern, Dialogflow 15 verschiedenen Sprachen anbietet (Stand Juni 2019).

Außerdem können Nutzer in Dialogflow vorgesehene Felder zum Importieren und Exportieren von Agents nutzen und somit viel Zeit einsparen.

Ebenso lassen sich Daten von externen Diensten mittels Fulfillments in einen Chatbot einbinden. Fulfillments geben Entwicklern die Möglichkeit, öffentliche oder private APIs oder andere Dienste mit dem Chatbot zu verknüpfen, um so noch mehr Funktionen einzubauen.

Der NLP-Service ist zudem nicht nur auf eine Programmiersprache ausgelegt, sondern bietet zahlreiche SDKs, die die Nutzung anderer Programmiersprachen möglich macht. Des Weiteren ist die grafische Oberfläche von Dialogflow sehr übersichtlich und nutzerfreundlich gehalten im Vergleich zu anderen Anbietern. Somit ist ein schneller Einstieg in Dialogflow garantiert. [2]

Grenzen von Dialogflow

Möchte man einen auf Dialogflow erstellten Agent an WhatsApp anbinden, bietet Dialogflow keine Integration dafür an. Damit dies möglich ist wird eine Anpassung im eigenen Backend System benötigt, um die Verbindung zu WhatsApp sicherzustellen und die Daten auf das geforderte Format zubringen.

Beim Einsatz des eigenen Backends muss jedoch auf einige Sachen geachtet werden.

Wie zum Beispiel, dass Dialogflow innerhalb von 5 Sekunden eine Antwort von dem Backend erwartet, da es sonst zu einem Timeout kommt. Außerdem speichert Dialogflow nur für 10 – 20 Minuten die Kontexte in einer User Session. Um dieses „Problem“ zu beheben reicht es jedoch nicht nur die UserId zu speichern, sondern man muss jegliche Kontexte, die mit dieser UserId zusammenhängen zwischen speichern.

Damit Aktivitäten und Optimierungspotenziale von Chatbots ausgewertet werden können, bietet Dialogflow von Haus aus eine Möglichkeit die Analytics eines Chatbots ein zu sehen. Die analytische Auswertung ist sehr rudimentär und wird von anderen Tools/Services detaillierterer angeboten. Diese können zum Beispiel die Gesprächsverläufe der User nachverfolgen oder spezifische Funnels anlegen. Weiß ein Chatbot nicht mehr weiter, dann verlangen viele Nutzer mit einer echten Person zu sprechen (Human Handover). Eine Möglichkeit dies in einem Chatbot zu integrieren bietet Dialogflow nicht, daher ist es auch hier von Nöten das Backend anzupassen.

Trotz der Grenzen von Dialogflow wird der Google Service von BOTfriends und weiteren Chatbot Entwicklern als Best Practice Service betrachtet.

Kostenpunkt

Die Gebühren, die monatlich zu entrichten sind hängen von der genutzten Version und dem ausgewählten Preismodell ab. Weitere Faktoren sind die Anzahl der Anfragen, die Gesamtdauer des verarbeiteten Audiomaterials und die Gesamtdauer der Telefonanrufe. Dieses Preismodell stellt einen Vorteil im Gegensatz zu anderen Anbietern dar, da man keinen Pauschalpreis monatlich/jährlich zahlen muss, sondern sich die Kosten aus den genutzten Ressourcen und Requests zusammensetzen. [3]

> Zurück zum BOTwiki - Das Chatbot Wiki

Quellen

[1] https://www.bigdata-insider.de
[2] https://www.dialogflow.com
[3] https://cloud.google.com


BOTfriends Preview

Contact Center AI (CCAI)

--> zum BOTwiki - Das Chatbot Wiki

Bei Contact Center AI (CCAI) handelt es sich um eine Software von Google zur Unterstützung und Automatisierung der Kundenbetreuung durch künstliche Intelligenz. [1] Dabei werden Verfahren der künstlichen Intelligenz in die bestehenden Contact Center Lösungen wie beispielsweise Cisco und Genesys integriert.

Die Software steht ausgewählten Kunden derzeit als Alpha Version zur Verfügung.

Bestandteile

Virtual Agent

  • Automatisierung der Kunden-Anfragen per Chat und Telefon mittels Google Dialogflow

Agent Assist

  • Unterstützung der Mitarbeiter während eines Anrufs / Chats durch Bereitstellung von relevanten Dokumenten in Echtzeit
  • Einbindung der Knowledge Base des Unternehmens

Topic Modeling

  • Analyse von Kundendaten, Chat Logs und Anrufaufzeichnungen zur automatischen Erkennung des Themas eines Chats / Anrufs.

Beispiel

Im folgenden Beispiel von Genesys und eBay wird die Funktionsweise von Contact Center AI veranschaulicht.

 

Referenzarchitektur

Referenzarchitektur für Contact Center AI

[1]

> Zurück zum BOTwiki - Das Chatbot Wiki

Quellen

[1] https://cloud.google.com/solutions/contact-center/


Hybrid Human Chatbot / Hidden Agent

--> zum BOTwiki - Das Chatbot Wiki

Als Hybrid Human Chatbot (auch Hidden Agent, Hybrid Chatbot) wird ein Ansatz bezeichnet, bei dem Mensch und Chatbot eine Kommunikation gemeinsam übernehmen.

Funktionsweise 

Beim hybriden Ansatz können sich Mensch und Maschine entweder gesamte Konversationen aufteilen oder sogar gemeinsam eine Konversation bearbeiten. Dabei kann es für die Nutzer entweder ersichtlich oder nicht ersichtlich sein, ob ihnen gerade ein Chatbot oder eine echte Person gegenübersteht. In den meisten Fällen werden die Anfragen zunächst von einem Chatbot bearbeitet und nur wenn dieser nicht weiter weiß, kann ein echter Mensch um Hilfe gebeten werden beziehungsweise vom System automatisch eingeschaltet werden. Damit der Chatbot stetig verbessert wird, werden die nicht-beantworteten Fragen und die dazugehörigen menschlichen Antworten mit in die Wissensbasis aufgenommen. Somit lernt der Chatbot implizit aus den Antworten der Mitarbeiter, den Hidden Agents.

Vorteile gegenüber einem Einsatz eines reinen Chatbots

  • Erhöhte Kundenzufriedenheit, da die Nutzer viel öfter eine zufriedenstellende Antwort erhalten, auch wenn der Bot keine Antwort bereitstellt.
  • Ständige und implizite Erweiterung der Wissensbasis.
  • Ausser Kontrolle geratene Konversationen können wieder “eingefangen” werden.
  • User, die unter keinen Umständen mit einer Maschine chatten möchten, werden ebenfalls zufrieden gestellt.
  • Das Potenzial eines Chatbots kann einfach getestet werden.
  • Die Entwicklungszyklen sowie der gesamte Entwicklungsaufwand für einen Chatbot können drastisch verkürzt werden.

Anwendung

Am häufigsten ist der hybride Ansatz im Customer Service vorzufinden. Aber auch viele weitere Use Cases, wie beispielsweise Human Resources, Sales, IT-Support und e-Commerce eignen sich gut dafür. Grundsätzlich ist dieser Ansatz zu empfehlen, wenn ein breites Spektrum an Fragen erwartet wird oder eine bestimmte Tätigkeit innerhalb eines Prozesses nicht von einem Bot erledigt werden kann beziehungsweise soll.

Beispiel

In einem Online Shop wird ein Chatbot zur Beantwortung von häufigen Fragen und zur Produktberatung eingesetzt. Ein Mensch wird hinzugezogen, falls der Chatbot eine FAQ nicht beantworten kann. Zusätzlich soll die Produktberatung von einem Menschen erledigt werden, falls der Warenkorb mehr als 500€ enthält. Der Chatbot lernt durch die menschlichen Antworten ständig neue Inhalte.

> Zurück zum BOTwiki - Das Chatbot Wiki


Prebuilts

--> zum BOTwiki - Das Chatbot Wiki

Prebuilts, oder auch vorgefertigte Wissensbasen, sind eine Sammlung aus Inhalten für bestimmte Chatbot Anwendungsfälle. Chatbots leben von Inhalten, die ihnen beigebracht werden. Um einen Chatbot zu entwickeln, ist es wichtig, diesen mit Inhalten, sprich Fragen und Antworten anzureichern. Umso mehr Inhalt, desto breiter ist sein Wissen und somit auch die Antworten, die er geben kann. Prebuilts helfen bei der Entwicklung und können als “Booster” hinzugezogen werden. Wenn man z.B. einen Chatbot im Bereich IT-Support aufbauen möchte, ist es sehr hilfreich auf solche vorgefertigte Wissensbasen zurückgreifen zu können, sodass abhängig vom Use Case schon ein Grundstock an Inhalten zur Verfügung steht.

Wie sind Prebuilts aufgebaut? 

Prebuilts bestehen aus Fragemöglichkeiten, Entitäten und Antworten. Um die Spracherkennung eines Chatbots zu erhöhen, ist es wichtig viele verschiedene Fragemöglichkeiten für eine Absicht zu hinterlegen. Des Weiteren gehören zu jeder Absicht (Intent) Entitäten und Antworten. Bei Prebuilts existieren vorgefertigte beispielhafte Antworten, die der Kunde 1:1 übernehmen kann, aber natürlich auch an das Unternehmen, den Charakter und Tonalität des Chatbots anpassen muss.

Wie können Prebuilts eingesetzt werden? 

Prebuilts sind in der Regel einfach einzubinden. In den meisten Fällen werden die Prebuilts über den genutzten NLP-Service integriert. Hierbei gibt es häufig eine One-Click Integration, mit welcher man schnell und einfach benötigte Inhalte importieren kann. Eine weitere Möglichkeit mit Prebuilts zu arbeiten ist die Integration innerhalb von Intent Management Plattformen (IMP). Diese Plattformen sind dazu da, einfach und schnell contentspezifische Änderungen vorzunehmen.

Welche Prebuilts werden schon sinnvoll eingesetzt? 

Es gibt bereits eine Vielzahl an verfügbaren Sample Prebuilts, die man in einen Chatbot integrieren kann. Das Smalltalk Prebuilt ist mit Sicherheit eines der Prebuilts, das schon am Häufigsten eingesetzt wird. Dies ist auch sehr sinnvoll, denn wenn man sich eine typische Kommunikation eines Nutzers mit einem Chatbot anschaut, werden gerade zu Beginn einige Smalltalk Fragen wie "Wie geht es dir?", "Wie alt bist du?" gestellt. Allerdings gibt es auch weitere Prebuilts, wie beispielsweise Wetter, News oder Restaurantbuchungen. Hierbei muss man darauf achten, in welchen Sprachen diese Prebuilts jeweils verfügbar sind. Insgesamt betrachtet können Prebuilts in einigen Bereichen Starthilfe geben und bei der Entwicklung eines Chatbots unterstützen.

> Zurück zum BOTwiki - Das Chatbot Wiki


BOTfriends Preview

Chatbot

--> zum BOTwiki - Das Chatbot Wiki

Unter Chatbots versteht man Technologien oder Services, die auf Webseiten oder Messaging Plattformen integriert werden und mit Hilfe von künstlicher Intelligenz Nutzeranfragen automatisiert beantworten können. Der Begriff Chatbot lässt sich in zwei Wörter aufbrechen. Zum einen setzt es sich aus dem englischen Wort „Chat“ (=Gespräch) und zum anderen aus „bot“ (eine Abkürzung von „Robot“, was für den „Automat“ steht) zusammen. Der Unterschied von Chatbots zu Bots ist, dass in der Informatik Bots als selbstständig laufende Programme, die ihre Dienste ohne menschlichen Einwand erbringen, beschrieben werden. Sie müssen nur zu Beginn einmal initiiert werden. [1] In manchen Fällen sind diese Programme sogar bösartig und können auf Botnetze zurückgeführt werden, die große Denial of Service-Angriffe koordinieren. [2] Generell werden Chatbots aber als Computer Programme definiert, welche dafür entwickelt wurden, Konversationen mit Menschen über das Internet zu simulieren. Ein Chatbot ermöglicht also die Unterhaltung zwischen einem Menschen und einer Maschine.

Dafür ist der Einsatz von künstlicher Intelligenz in unterschiedlichen Ausprägungen nötig. Diese Kommunikation ist nur über Umwegen mittels einer Programmiersprache, die vom Computer verstanden wird, möglich. Denn der Computer kann die menschliche Sprache unter Verwendung von sogenanntem Natural Language Processing (NLP) verarbeiten, indem der Computer das Gesagte interpretiert und daraus die Absicht des Nutzers ableitet. Die Intention wird im Anschluss in eine Aktion übersetzt, die vom Rechner eigenständig ausgeführt wird. Diese Aktion kann entweder die Antwort auf eine Frage des Users sein oder das Tätigen einer Aktion. Um das zu realisieren, muss hinter dem NLP eine Wissensbank mit Antworten und Aktionen hinterlegt werden. Chatbots können auch in Sprachassistenten wie Google Home, Amazon Alexa, Siri oder Microsoft Cortana integriert werden, welche die Anfragen sprachbasiert ausführen und auch als Intelligent Personal Assistant (IPA) bezeichnet werden. Es wird vermutet, dass Chatbots sowohl Webseiten als auch Apps in Zukunft ersetzen werden. Denn die großen Technologie Konzerne wie Google, Facebook und Microsoft bieten Systeme an, die Chatbots verhelfen User Eingaben zu verstehen und zu interpretieren. Diese Plattformen wie Google mit Dialogflow, Facebook mit wit.ai, IBM mit Watson oder Microsoft mit LUIS werden für die breite Masse öffentlich als Web-Service zugänglich gemacht und öffnen somit die Türen zur Nutzung weit entwickelter Machine Learning Systeme. [1]

 

> Zurück zum BOTwiki - Das Chatbot Wiki

Quellen

[1] Smolinski et al. (2017): Innovationen und Innovationsmanagement in der Finanzbranche, Wies baden: Springer.
[2] Radziwill, Nicole und Benton, Morgan (2017): Evaluating Quality of Chatbots and Intelligent Conversational Agents, in: Software Quality Professional, Jg. 19, Nr. 3.

 


BOTfriends Preview

Conversational Office

--> zum BOTwiki - Das Chatbot Wiki

Unter einem Conversational Office versteht man eine Unternehmenskommunikation, die auf den Einsatz von Chatbots und Sprachassistenten zum großen Teil beruhen. Denn innerhalb von Unternehmen finden viele Kommunikationsabläufe statt, die automatisiert werden können. Es fängt bereits beim Employer Branding an, wo beispielsweise Chatbots auf der Webseite oder auf Facebook Messenger laufen, die Auskunft zu Jobmöglichkeiten oder spannende Fakten über das Unternehmen geben. Recruiting kann ebenfalls über Bots stattfinden. Zum Beispiel kann ein User bestimmte Fragen beantworten, die dem Chatbots ermöglichen passende Stellenausschreibungen auszugeben. Daraufhin kann auch der Bewerbungsprozess innerhalb des Messenger integriert werden, denn Funktionen wie das Hochladen von Lebensläufen oder das Absenden von einem Vorstellungsvideo des Bewerbers sind ebenso möglich. Nach erfolgreicher Anstellung kann der Chatbot weiterhin den Kontakt zum vorherigen Bewerber halten und einen Onboarding Prozess übernehmen: "Wo finde ich meine Lohnabrechnungen?", "Wo kann ich eigentlich Urlaub beantragen?" - werden somit sofort beantwortet. Darüber hinaus können Chatbots alltägliche Assistenen der Mitarbeiter in Unternehmen werden und beispielsweise stets Auskunft zu den Angeboten in der Kantine liefern oder daran erinnern, dass bald der Shuttle Bus abfährt, Taxis bestellen, Telefonnummern herausfinden oder sogar den IT Support übernehmen. Die Themenfelder sind zahlreich. Zusammenfassend bilden die geschilderten Use Cases viele Potenziale interne Kommunikation in Unternehmen zu automatisieren, wodurch Unternehmen mit dem Ziel ein Conversational Office zu werden langfristig Ressourcen sparen und eine enge Beziehung zu ihren Mitarbeitern aufbauen können.

Conversational Office

> Zurück zum BOTwiki - Das Chatbot Wiki


BOTfriends Preview

Conversational Copywriting

--> zum BOTwiki - Das Chatbot Wiki

Conversational Copywriting ist eine von drei Disziplinen im Conversational Design. Neben dem Thema Conversational Copywriting ist die Technologie und Psychologie ein sehr entscheidender Baustein im gesamtheitlichen Conversational Design. Hierbei ist es wichtig auf ein Gleichgewicht der 3 Komponenten zu achten, um zu vermeiden, dass der Nutzer auf seiner Chatbot-Journey enttäuscht wird.

Bei der Entwicklung von Chatbots sind nicht nur technische Komponenten gefragt, sondern auch designorientierte. Im Conversational Design werden z.B. auch psychologische Aspekte betrachtet. Es stellen sich Fragen wie “Wie motiviere ich den Nutzer in der Konversation?”, “Wie beruhige ich ihn bei kritischen Fragen?” - Die Art der Kommunikation wird dementsprechend im Conversational Copywriting festgelegt. Es stellt das Formulieren der richtigen und passenden Chatbot Nachrichten dar. Beim Conversational Copywriting sollte man sich vor allem an den Konversationsmaximen orientieren.

Konversationsmaxime

  1. Maxime für Qualität: Liefere Informationen, die wahrheitsgetreu sind
  2. Maxime für Quantität: Liefere nur so viel Informationen wie nötig, nicht mehr
  3. Maxime für Relevanz: Liefere nur Informationen, die zielführend sind
  4. Maxime für Modalität: Vermeide mehrdeutige oder unklare Informationen

Diese Maxime legen den Grundstein für eine effektive Kommunikation.

Zudem sollten die Chatbot Nachrichten der Tonalität des Chatbots angepasst werden.

> Zurück zum BOTwiki - Das Chatbot Wiki


BOTfriends Preview

Conversational Testing

--> zum BOTwiki - Das Chatbot Wiki

Conversational Testing ist ein Teil des Conversational Designs, welcher beim Erstellen der Conversational Map bzw. des Conversation Flows zum Tragen kommt. Denn hier werden Gesprächsstränge des Chatbots ausformuliert und in einer echten Konversation nachgespielt. Primär werden dabei die so genannten Happy Paths getestet, um die Tragfähigkeit des Szenarios zu bestätigen. Das Testing könnte folgendermaßen aussehen:

Vorgehensweise

  1. Zwei Gesprächspartner finden sich als Tester zusammen. Einer repräsentiert den Chatbot und einer den User.
  2. Ein Gesprächsstrang aus der Conversational Map wird zum Testen festgelegt.
  3. Die Testperson taucht in die Persönlichkeit des Chatbots ein.
  4. Die Testpersonen setzen sich Rücken an Rücken.
  5. Die Rolle des Nutzers versucht ein bestimmtes Problem mit dem Chatbot zu lösen und der Partner versucht so zu antworten, wie der Chatbot es tun würde.
  6. Das Gespräch wird aufgenommen und transkribiert.
  7. Die Konversation wird gegebenenfalls überarbeitet und somit optimiert.

Ziel des Conversational Testing ist es die Konversation so natürlich wie möglich mit dem User zu gestalten. Beim Conversational Copywriting werden unter Berücksichtigung der Chatbot Tonalität die Nachrichten zwar formuliert, allerdings ist es schwer ein Gefühl dafür zu bekommen, ob dies einer natürlichen Konversation entspricht. Conversational Testing kann zum Beispiel komplexe Formulierungen oder zu verschachtelte Sätze aufdecken.

Denn es gilt: Ein Mensch will in einem Chat genauso schreiben, wie er auch mit seinen Mitmenschen kommuniziert.

Eine weitere Möglichkeit, um die Tragfähigkeit eines Chatbots zu testen ist die Wizard of Oz Methode.

> Zurück zum BOTwiki - Das Chatbot Wiki


Actions on Google

--> zum BOTwiki - Das Chatbot Wiki

Unter dem Begriff “Actions on Google” versteht man einen von Google entwickelten Service, mit dessen Hilfe Entwickler selbst entwickelte Dienste mit dem Google Assistant verknüpfen können. Sobald der Drittanbieter Dienst von Google getestet, genehmigt und zur Publizierung freigegeben wurde, kann dieser auf Google Assistant kompatiblen Geräten abgerufen werden. Google Actions ist demnach äquivalent zu Amazon Skills, allerdings können nur die Google Assistant fähigen Geräte bedient werden.

Auf welchen Geräten kann eine Action abgerufen werden?

Einerseits können die publizierten Actions über die von Google entwickelten smarten Lautsprecher Google Home und Google Home Mini abrufen werden. Andererseits sind sie auch auf Google Assistant kompatiblen Smartphones oder Tablets verfügbar. Google bedient mit Google Assistant sowohl Android als auch IOS Devices. Bei Geräten, welche das Betriebssystem Android verwenden, ist der Google Assistant vollumfänglich integriert und kann jederzeit vom Benutzer aktiviert werden. Bei IOS Nutzern muss eine separat Google Assistant App heruntergeladen werden.

Wie kann eine publizierte Action abgerufen werden?

Damit Anwender die publizierte Action aufrufen können, müssen der Action innerhalb der Google Actions Developers Console sogenannte “Invocation Phrases” hinterlegt werden. Dies sind Befehle, mit welchen der Benutzer dem Assistant mitteilt, eine bestimmte Action zu öffnen. Der Action können hierbei bis zu 5 Beispielsätze hinterlegt werden. Exemplarisch könnte ein Aufruf wie folgt aussehen:

  • “Ok Google, mit BOTfriends sprechen”

Wie kann eine publizierte Action mit Restriktionen versehen werden? 

Der Entwickler einer Google Action verfügt bei der Veröffentlichung seiner Action über verschiedene Möglichkeiten für Restriktionen. Einerseits kann bei der Publizierung darüber bestimmt werden, in welchen Sprachen die Action verfügbar sein soll (Stand 21.06.2019: 19 kompatible Sprachen). Zum anderen können Gerätespezifische Restriktionen eingerichtet werden. Hierzu müssen innerhalb der Google Actions Developer Console folgende Fragen beantwortet werd

  • Benötigt Ihre Action eine Audioausgabe?
  • Benötigt Ihre Action eine Bildschirmausgabe?
  • Benötigt Ihre Action eine Medienwiedergabe?
  • Benötigt Ihre Action einen Webbrowser?

Je nach Beantwortung der Fragen, werden bestimmte Geräte zugelassen oder ausgeschlossen. Wird beispielsweise ausgewählt, dass eine Bildschirmausgabe unerlässlich ist, wird die Action automatisch für den Google Home und Google Home Mini ausgeschlossen und ist daher auf diesen Devices nicht für den Nutzer abrufbar. Innerhalb der Google Actions Developer Console wird sofort nach Beantwortung der Frage tabellarisch dargestellt, welche Geräte inkludiert bzw. ausgeschossen wurden.

Wie kann eine Google Action entwickelt werden?

Google selbst beschreibt zwei Implementierungsmöglichkeiten. Die erste und einfache Variante ist eine direkte Integration über Google Dialogflow. Nach der Konzeption und Erstellung eines Voice Assistants innerhalb von Dialogflow, kann dieser ohne “Entwickler Know-How” direkt über den Integration Reiter von Dialogflow publiziert werden. Dies ist vor allem dann eine plausible Variante, falls als Natural Language Understanding Service sowieso Dialogflow im Einsatz ist. Eine weitere Integrationsmöglichkeit wird Entwicklern über das Google Actions SDK eingeräumt. Hier stellt Google Client-Libraries zur Erstellung von Google  Actions zur Verfügung. Diese sind für verschiedene Programmiersprachen verfügbar. Diese Variante macht primär dann Sinn, falls serverseitig eine volle Kontrolle über die Interaktion zwischen Google Action App und User gewährleistet werden soll. Des Weiteren ist diese Variante unumgänglich, falls als Natural Language Understanding Service auf eine andere Technologie wie Dialogflow vertraut wird.

 

> Zurück zum BOTwiki - Das Chatbot Wiki


BOTfriends Preview

Follow-Up Intents

Follow-Up Intents sind Intents die an einen vorgestellten Intent angeknüpft werden und somit einen Konversationsfluss bilden. Der Output Context des übergeordneten Intents wird automatisch als Input Context in den Follow-Up Intent angelegt. Der Begriff Follow-Up Intent kommt von dem NLP Service Dialogflow, welche die Funktion haben sehr einfach Konversationsflüsse anzulegen, ohne Kontexte manuell zu erstellen und verwalten zu müssen.

In Dialogflow hat man die Möglichkeit zwischen Predefined und Custom Follow-up Intents zu wählen.

Predefined Follow-Up Intents

Dialogflow gibt schon Predefined Follow-Up Intents vor, welche beim Anlegen bereits Trainingsphrasen beinhalten. Das hat den Vorteil, dass man keine Utterances mehr einpflegen muss und somit schneller Konversationen aufbauen kann. Gibt es zum Beispiel nach einer Frage die Möglichkeit mit Ja oder Nein zu antworten, werden diese jeweils als ein Predefined Follow-Up Intent angelegt. Dort befinden sich dann schon Trainingsphrasen wie "Ja", "Klar", "Aufjedenfall", "Ja bitte" oder "Nein", "Nee", "Ne, danke". Neben gängigen Follow-up Intents wie "Ja" oder "Nein" gibt es auch welche für "Abbruch", "Mehr" oder auch "Später". Außerdem gibt es noch einen Fallback Follow-up Intent, welcher dazu dient nicht passende Antworten vom User abzufangen und zur eigentlichen Frage zurückzuführen. Ein Beispiel:

Chatbot: "Möchtest du eine Bestellbestätigung zu deiner Pizza?" (Chatbot erwartet "Ja" bzw. "Nein" als Antwort vom User)

User: "Ich würde gerne eine weitere Pizza bestellen?"

Hier würde der Chatbot in den Fallback Follow-Up Intent springen, da dies keiner Ja/Nein Antwort entspricht. So könnte der Chatbot erneut nach einer Bestellbestätigung fragen, um zum Thema zurückzuführen.

Custom Follow-Up Intents

Bei den Custom Follow-Up Intents müssen vom User manuell die Trainingsphrasen eingepflegt werden. Die Contexte werden weiterhin automatisch angelegt.

Beispiel für Follow-Up Intents in Dialogflow:

Follow-up Intents in Dialgoflow

> Zurück zum BOTwiki - Das Chatbot Wiki