カスタマー サービスの取り組みを完全に自動化する方法を探している場合は、私と一緒にいてください。ChatGPT が顧客に自動的に返信するようにトレーニングした方法をお伝えします。 始めましょう! カスタマー サービスに返信するように ChatGPT をトレーニングする方法は? まず第一に、ChatGPT にユーザーの質問に答える方法を教えるための信頼できる情報源が必要だったので、次の 2 つのアプローチを考えました。 ナレッジ ベースを使用する サポートとの会話を使用する 1 つ目は最も信頼できる真実の情報源であり、2 つ目は非常に具体的である可能性があり、ChatGPT に実際の有用なコンテキストを提供するには、より適切に整理する必要があります。 最初の試みは、すべてのナレッジ ベース記事をインデックスに取り込み、そのインデックスを使用して回答を見つけることでした。 使用した Python コードは非常に単純です。 1 つは (CSV ファイルから) ナレッジ ベースをインデックスに追加する機能で、もう 1 つはローカル json からインデックスを読み込んで質問をする機能です。 と 使用してインデックスを作成します。 OpenAI API ラマ インデックスと CSV インポーターを from llama_index import GPTSimpleVectorIndex, download_loader from langchain.agents import initialize_agent, Tool from langchain.llms import OpenAI import openai from pathlib import Path def addKB(): SimpleCSVReader = download_loader("SimpleCSVReader") loader = SimpleCSVReader() documents = loader.load_data(file=Path('./kb.csv')) index = GPTSimpleVectorIndex(documents) index.save_to_disk('index.json') def query(question): index = GPTSimpleVectorIndex.load_from_disk('index.json') response = index.query(question) print(response) まず、addKB() を実行して CSV ファイルから読み取り、次にクエリを使用して、カスタマー サービスに返信する準備ができているかどうかを確認しました。 ChatGPT はカスタマー サービスを処理する準備ができていますか? 実際のケースで、ChatGPT が人間に対してどのように機能したかを確認してみましょう。 Customerly では、B2B SaaS 向けのカスタマー サポート、マーケティング オートメーション、顧客満足ツールを提供しています。 お客様にとって正しい答えを見つけるのは難しいかもしれません。 #1 質問: 製品関連 Q: どうすればメールを送信できますか? ユーザーは、メール マーケティング キャンペーン、自動化されたキャンペーン、1 対 1 など、さまざまな種類のメールを送信する可能性があるため、人間は明確にするように求めます。 この場合、chatGPT はチャンスをつかみ、チャットのトランスクリプトを顧客に送信する方法に答えました。 まったく役に立たない。顧客はこの返信に不満を抱くでしょう。 CSAT ☆☆☆☆☆ #2 質問: 技術情報 Q: チャット アイコンをピクセルの境界線から移動するにはどうすればよいですか? この記事のためにこのコードが必要だったので、ChatGPT にチャット アイコンをピクセルの境界線から移動する方法を尋ねたところ、面白い回答がありました。 チャットの実装に追加して、ページの境界から移動できるコードがあります。思ってた回答じゃなかった🤣🤌 CSAT ☆☆☆☆☆ #3 質問: 価格 Q: 顧客が 9 人のチームメイトを使用すると、いくらかかりますか? これは販売前の質問であるため、潜在的な顧客を遠ざけたり、不正確な情報を報告したりしないことが重要です。 で、今回は正解でした! この相互作用のコストは、4310 LLM トークンと 12 埋め込みトークンです。 ⭐️⭐️⭐️⭐️⭐️ CSAT #4 質問: 何が問題なのですか? これは、Customerly の問題を報告している実際のユーザーであり、それがどのように反応するかを知りたいと思っていました。 これは、顧客が特定の支援を求めている場合の最悪のシナリオです。 これはユーザーが尋ねたものです: Q: 「ユーザーのプロフィール ページから会社に新しいプロパティを追加しようとしました。追加して [プロパティの作成] をクリックしても何も起こりません。まず、問題の原因はその名前のプロパティが既に存在していることだと思いました ([設定] > [オーディエンス] > [会社のプロパティ] 領域で作成しました)。それでも、ユーザー領域で再度作成する前に、利用可能な検索機能を使用しましたが、以前に作成したものを見つけることができませんでした.何が問題なのですか? 🤔」 返信はちょっと関係があり、その後はまったく関係ありません。 それは顧客の問題をまったく解決せず、物件の状態について言及する (順調な軌道に乗っている) と記事の状態について言及する (完全に軌道から外れている) 混合応答を返しています。 CSAT ☆☆☆☆☆ #5 質問: 料金に関するよくある質問 Q: インタラクションとは何ですか? これは、インタラクションに基づく価格モデルに関連する質問である可能性があり、非常に簡単に回答できました. よくやった、ChatGPT。 このインタラクションのコストは、3701 LLM トークンと 4 つの埋め込みトークンです。 ⭐️⭐️⭐️⭐️⭐️ CSAT #6 質問: 実際のプレセールに関する質問です。 見込み客から寄せられた質問でしたが、とても詳細で、どのように答えてくれるのだろうかと思いました。 Q: こんにちは!大まかな価格の見積もりを教えていただけないでしょうか。 私たちの使用例: – 42 エージェント – 製品ツアー – チャットボット – ユーザーと訪問者向けの 200 以上の記事を含むヘルプ センター – 1 か月あたりのリーチ数: 11,000+ 大きなセールスコールなしで、比較のために大まかな球場が必要です;)」 適切なエンタープライズ プランを選択しましたが、27 を超えるエージェントごとの追加コストを計算しませんでした。含まれているエージェントと 249 ドルのコストを共有しただけです。 良いですが、間違いなく正しい答えではありません。 CSAT ⭐️⭐️☆☆☆ #7 質問: オンボーディングに関する質問 ユーザーは、顧客とチャットするためのリンクを共有したいと考えていました。 答えはまったく関係がなく、プロジェクト設定、次に一般設定に移動することを提案する必要がありました。 繰り返しますが、それは混合物であり、顧客に間違った情報を提供しました. ☆☆☆ CSAT ☆☆ #8 質問: 範囲外の機能 範囲外の販売前の質問にどのように答えるかを見てみましょう. これは実際の質問でした、はい、タイプミスがありました🤪 私の新しいデート/コンテンツ共有サイトで動作するプラグインを探しています。ログインしたユーザーのみ、これはヘルパー チャットとしてのみ表示されます 私はこのように答えませんが、それは十分に正確です。 ⭐️☆☆ CSAT ⭐️⭐️ #9 質問: 複数の質問とさまざまな選択肢 Q: こんにちは。チャット サービスを設定しましたが、問題なく動作します。デスクトップ通知オプションまたはその他の形式はありますか?サイトの受信トレイからのみチャットできますか? 通知に関する最初の回答は良かったのですが、その後、サウンドのカスタマイズが発明されました?? 2 番目の質問は良い方法で回答されましたが、その後、どういうわけか関係のないスケジュールされたメッセージが追加され始めました。 このインタラクションのコストは、4322 LLM トークンと 37 埋め込みトークンです。 ⭐️⭐️ CSAT ⭐️⭐️ ☆ 結論 インデックスの埋め込みと 9 つのクエリを考慮すると、この手順の OpenAI API のコストは $1.79 です。これらすべてのチケットを自動的に処理するには、間違いなく適切なコストです。 しかし、あなたはここで何を取引していますか?顧客満足。 販売前の質問にそのように答えた場合、年間数千ドルを失った可能性があります。顧客があなたの間違った指示に従うとき、彼らはどのように感じると思いますか? あなたは彼らの時間を無駄にしました。彼らの満足度はほとんど失われており、現在、競合他社との提携を検討しています。 ChatGPT がカスタマー サポートの未来を形作ると信じていますが、すべてのサポート問い合わせを ChatGPT で処理できるようにはまだほど遠い状態です。 今後数週間で、顧客からの問い合わせに基づいて複雑なモデルのトレーニングを試み、エージェントが返信してパフォーマンスが向上するかどうかを確認します。 ChatGPT にわずかな費用でカスタマー サービスを提供していただけませんか?お知らせ下さい! であなたの考えをタグ付けしてください。 Twitter @ilucamicheli つづく… にも掲載されています。 ここ