paint-brush
Vẫn còn quá sớm để ChatGPT xử lý bộ phận hỗ trợ khách hàng của bạntừ tác giả@lucamicheli
1,520 lượt đọc
1,520 lượt đọc

Vẫn còn quá sớm để ChatGPT xử lý bộ phận hỗ trợ khách hàng của bạn

từ tác giả Luca Micheli6m2023/03/30
Read on Terminal Reader

dài quá đọc không nổi

Nếu bạn đang tìm cách tự động hóa hoàn toàn nỗ lực dịch vụ khách hàng của mình, hãy gắn bó với tôi vì tôi sẽ chia sẻ với bạn cách chúng tôi đã đào tạo ChatGPT để tự động trả lời khách hàng của mình.
featured image - Vẫn còn quá sớm để ChatGPT xử lý bộ phận hỗ trợ khách hàng của bạn
Luca Micheli HackerNoon profile picture

Nếu bạn đang tìm cách tự động hóa hoàn toàn nỗ lực dịch vụ khách hàng của mình, hãy gắn bó với tôi vì tôi sẽ chia sẻ với bạn cách chúng tôi đã đào tạo ChatGPT để tự động trả lời khách hàng của mình.


Bắt đầu nào!

Làm cách nào để huấn luyện ChatGPT trả lời Dịch vụ khách hàng của bạn?

Trước hết, chúng tôi cần một nguồn thông tin chính xác để dạy ChatGPT cách trả lời các câu hỏi của người dùng, vì vậy chúng tôi đã nghĩ về hai cách tiếp cận:


  • Sử dụng Cơ sở tri thức

  • Sử dụng các cuộc trò chuyện với sự hỗ trợ của chúng tôi


Đầu tiên là nguồn đáng tin cậy nhất của sự thật, thứ hai có thể rất cụ thể và nó phải được tổ chức tốt hơn để cung cấp bối cảnh thực tế và hữu ích cho ChatGPT.


Nỗ lực đầu tiên của chúng tôi là nhập tất cả các bài viết trong cơ sở kiến thức vào một chỉ mục và sau đó sử dụng chỉ mục đó để tìm câu trả lời.


Mã Python chúng tôi đã sử dụng khá đơn giản.


Nó có hai chức năng, một chức năng để thêm cơ sở kiến thức (từ tệp CSV) vào chỉ mục và chức năng thứ hai tải chỉ mục từ json cục bộ và đặt câu hỏi.


Nó sử dụng API OpenAIchỉ mục llama với trình nhập CSV để tạo chỉ mục.


 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)


Đầu tiên, chúng tôi chạy addKB() để đọc từ tệp CSV, sau đó chúng tôi bắt đầu sử dụng truy vấn để xem liệu nó đã sẵn sàng trả lời dịch vụ khách hàng chưa.

ChatGPT đã sẵn sàng để xử lý Dịch vụ khách hàng chưa?

Hãy bắt đầu kiểm tra xem ChatGPT sẽ hoạt động như thế nào đối với con người trong các trường hợp thực tế.


Tại Customerly, chúng tôi cung cấp các công cụ hỗ trợ khách hàng, tự động hóa tiếp thị và sự hài lòng của khách hàng cho B2B SaaS.


Có thể rất khó để tìm ra câu trả lời đúng cho khách hàng, vì vậy tôi khá tò mò muốn biết điều đó sẽ chuyển dịch cho chúng tôi như thế nào.

Câu hỏi số 1: Liên quan đến sản phẩm


Hỏi: Tôi có thể gửi email bằng cách nào?


Giờ đây, một người sẽ yêu cầu làm rõ vì người dùng có thể muốn gửi các loại email khác nhau, đó có thể là chiến dịch tiếp thị qua email, chiến dịch tự động hoặc one2one.


Trong trường hợp này, chatGPT đã tận dụng cơ hội của mình và trả lời cách gửi bản chép lại cuộc trò chuyện cho khách hàng của mình.


Hoàn toàn vô dụng. Khách hàng sẽ không hài lòng về câu trả lời này.


CSAT ☆☆☆☆☆


#2 Câu hỏi: Thông tin kỹ thuật

H: Làm cách nào để di chuyển biểu tượng trò chuyện khỏi đường viền của một số pixel?


Tôi cần đoạn mã này vì mục đích của bài viết này, vì vậy tôi đã hỏi ChatGPT cách di chuyển biểu tượng trò chuyện từ đường viền của một số pixel và câu trả lời rất thú vị.


Chúng tôi có một đoạn mã mà bạn có thể thêm vào triển khai trò chuyện của mình để di chuyển mã đó khỏi đường viền của trang. Đó không phải là câu trả lời tôi mong đợi 🤣🤌


CSAT ☆☆☆☆☆


#3 Câu hỏi: Giá cả

Q: Khách hàng sẽ tốn bao nhiêu tiền với 9 đồng đội?


Đây là câu hỏi trước khi bán hàng, vì vậy, điều quan trọng là không đẩy khách hàng tiềm năng ra xa và báo cáo thông tin không chính xác.


Và lần này, nó đã đúng!


Chi phí của tương tác này là 4310 mã thông báo LLM và 12 mã thông báo nhúng.


CSAT ⭐️⭐️⭐️⭐️⭐️


#4 Câu hỏi: Điều gì có thể là vấn đề?

Đây là một người dùng thực sự đang báo cáo sự cố với Customerly và tôi tò mò muốn xem phản hồi của nó như thế nào.


Đây là trường hợp xấu nhất khi khách hàng yêu cầu trợ giúp cụ thể.


Đây là những gì người dùng đã hỏi:


H: “Tôi đã cố gắng thêm thuộc tính mới cho một công ty từ trang hồ sơ của người dùng. Khi tôi thêm nó và nhấp vào “Tạo thuộc tính”, không có gì xảy ra. Đầu tiên, tôi cho rằng sự cố là do một thuộc tính có tên đó đã tồn tại gây ra (Tôi đã tạo thuộc tính đó trong khu vực Cài đặt > Đối tượng > Thuộc tính công ty). Tuy nhiên, trước khi tạo lại nó trong khu vực người dùng, tôi đã sử dụng tính năng tìm kiếm có sẵn và không thể tìm thấy cái mà tôi đã tạo trước đó. Điều gì có thể là vấn đề? 🤔”


Câu trả lời có liên quan và sau đó hoàn toàn không liên quan.


Nó hoàn toàn không giải quyết được vấn đề của khách hàng và đưa ra các câu trả lời hỗn hợp đề cập đến tình trạng của tài sản (đang đi đúng hướng) và sau đó đề cập đến tình trạng của một bài báo (hoàn toàn lạc hướng).


CSAT ☆☆☆☆☆


#5 Câu hỏi: Câu hỏi thường gặp về giá


Hỏi: tương tác là gì?


Đây có thể là câu hỏi liên quan đến mô hình định giá dựa trên tương tác của chúng tôi và khá dễ trả lời.


Làm tốt lắm, ChatGPT.


Chi phí của tương tác này là 3701 mã thông báo LLM và 4 mã thông báo nhúng.


CSAT ⭐️⭐️⭐️⭐️⭐️



#6 Câu hỏi: Câu hỏi trước khi bán thực tế!

Đây là câu hỏi mà chúng tôi nhận được từ một khách hàng tiềm năng, và nó chi tiết đến mức tôi tự hỏi làm thế nào nó có thể trả lời.


Hỏi: Này! Tôi đã tự hỏi nếu bạn có thể cho tôi một ước tính giá sơ bộ. trường hợp sử dụng của chúng tôi:

– 42 đại lý

– Tham quan sản phẩm

– Bot trò chuyện

– Trung tâm trợ giúp với hơn 200 bài viết cho người dùng và khách truy cập

– Số người đạt được mỗi tháng: 11k+


Tôi sẽ cần một sân bóng thô để so sánh mà không cần cuộc gọi bán hàng lớn;)”


Nó đã chọn gói Doanh nghiệp phù hợp, nhưng nó không tính chi phí bổ sung cho mỗi hơn 27 đại lý; nó chỉ chia sẻ chi phí 249 đô la với các đại lý đi kèm.


Tốt, nhưng chắc chắn không phải là câu trả lời đúng.


CSAT ⭐️⭐️☆☆☆


#7 Câu hỏi: Câu hỏi giới thiệu

Người dùng muốn chia sẻ liên kết với khách hàng của họ để trò chuyện.


Câu trả lời hoàn toàn không liên quan và nên đề xuất chuyển đến Cài đặt dự án, sau đó là Cài đặt chung.


Một lần nữa, nó là thứ hỗn hợp và cung cấp thông tin sai cho khách hàng.


CSAT ☆☆ ☆☆☆



#8 Câu hỏi: Tính năng ngoài phạm vi

Đã đến lúc xem nó sẽ trả lời câu hỏi trước khi bán hàng ngoài phạm vi như thế nào.


Đây là câu hỏi thực tế, vâng, với lỗi đánh máy 🤪


tôi đang tìm kiếm một phần bổ sung sẽ hoạt động với trang web chia sẻ nội dung/hẹn hò mới của tôi. chỉ dành cho người dùng đã đăng nhập, điều này chỉ hiển thị dưới dạng trò chuyện của người trợ giúp


Tôi sẽ không trả lời theo cách này, nhưng nó đủ chính xác.


CSAT ⭐️⭐️ ⭐️☆☆



#9 Câu hỏi: Nhiều câu hỏi và các lựa chọn thay thế khác nhau


H: Xin chào, tôi đã định cấu hình dịch vụ trò chuyện và nó hoạt động hoàn hảo, có tùy chọn thông báo trên màn hình hoặc một số hình thức khác không? Có phải chỉ có thể trò chuyện qua hộp thư đến trên trang web?


Các câu trả lời đầu tiên liên quan đến thông báo là tốt, nhưng sau đó nó đã phát minh ra tùy chỉnh âm thanh??


Câu hỏi thứ hai đã được trả lời một cách tốt đẹp, nhưng sau đó nó bắt đầu thêm các tin nhắn đã lên lịch không liên quan.


Chi phí của tương tác này là 4322 mã thông báo LLM và 37 mã thông báo nhúng.


CSAT ⭐️⭐️ ⭐️⭐️

kết luận

Chi phí API OpenAI của quy trình này, xét đến việc nhúng chỉ mục và chín truy vấn, là 1,79 đô la. Đó chắc chắn là một chi phí tốt để tự động xử lý tất cả các yêu cầu này.


Nhưng bạn đang kinh doanh gì ở đây? Sự hài lòng của khách hàng.


Khi một câu hỏi trước khi bán hàng được trả lời theo cách đó, bạn có thể đã mất hàng nghìn đô la mỗi năm. Khi khách hàng làm theo hướng dẫn sai của bạn, bạn nghĩ họ sẽ cảm thấy thế nào?


Bạn đã lãng phí thời gian của họ. Sự hài lòng của họ hầu như không còn, và họ hiện đang cân nhắc việc đi cùng với đối thủ cạnh tranh của bạn.


Chúng tôi tin rằng ChatGPT sẽ định hình tương lai của bộ phận Hỗ trợ khách hàng, nhưng chúng tôi vẫn còn lâu mới để ứng dụng này xử lý tất cả các yêu cầu hỗ trợ cho bạn.


Trong những tuần tiếp theo, chúng tôi sẽ cố gắng đào tạo một mô hình phức tạp dựa trên yêu cầu của khách hàng và phản hồi của tổng đài viên để xem liệu nó có cải thiện hiệu suất hay không.


Bạn có để ChatGPT trả lời dịch vụ khách hàng của mình với một phần chi phí không? Cho tôi biết!


Gắn thẻ cho tôi trên Twitter @ilucamicheli với những suy nghĩ của bạn.


Còn tiếp…


Cũng được xuất bản ở đây .