Lösungsmöglichkeiten
Dieser Artikel ist ein Lösungsvorschlag. Wenn Sie möchten, dass wir diesen Artikel um weitere Informationen ergänzen, z. B. potenzielle Anwendungsfälle, alternative Dienste, Überlegungen zur Implementierung oder Preisempfehlungen, lassen Sie es uns über Feedback auf GitHub wissen.
Diese Architektur veranschaulicht, wie Knowledge Mining Kundensupport-Teams helfen kann, schnell Antworten auf Kundenanfragen zu finden oder die Stimmung von Kunden in großem Umfang zu bewerten.
Aufbau
Knowledge Mining besteht aus drei Schritten: Erfassen, Anreichern und Erkunden.
Laden Sie eine Visio-Datei dieser Architektur herunter.
Datenfluss
- Erfassen
Der Erfassungsschritt aggregiert Inhalte aus einer Reihe von Quellen, einschließlich strukturierter und unstrukturierter Daten. Für die Kundensupport- und Feedbackanalyse können Sie verschiedene Arten von Inhalten erfassen. Zu diesen Inhalten gehören beispielsweise Kundensupporttickets, Chatprotokolle, Transkriptionen von Anrufen, Kunden-E-Mails, Zahlungsverläufe von Kunden, Produktrezensionen, Social Media-Feeds, Onlinekommentare, Feedbackformulare und Umfragen.
- Erweitern
Der Anreicherungsschritt verwendet KI-Funktionen, um Informationen zu extrahieren, Muster aufzufinden und das Verständnis zu vertiefen. Diese Inhalte werden mit Hilfsmitteln wie Schlüsselbegriffserkennung, Standpunktanalyse, Sprachübersetzung, Bot-Diensten oder benutzerdefinierten Modellen zur Schwerpunktsetzung auf bestimmte Produkte oder Unternehmensrichtlinien erweitert.
- Erkunden
Der Erkundungsschritt besteht darin, die Daten per Suche, vorhandenen Geschäftsanwendungen oder Analyselösungen zu untersuchen. So können Sie beispielsweise angereicherte Dokumente im Wissensspeicher zusammentragen und in Tabellen- oder Objektspeicher projizieren. Die Speicher können genutzt werden, um Trends in einem Analyse-Dashboard aufzuzeigen, das häufige Probleme oder beliebte Produkte identifiziert. Alternativ können Sie den Suchindex in Kundendienst-Supportanwendungen integrieren.
Komponenten
Die folgenden Schlüsseltechnologien werden zum Implementieren von Tools für die Überprüfung und Untersuchung von technischen Inhalten verwendet:
- Azure Cognitive Search ist ein Cloudsuchdienst, der Infrastruktur, APIs und Tools zum Suchen bietet. Sie können Azure Cognitive Search verwenden, um Suchbenutzeroberflächen für private, heterogene Inhalte in Web-, Mobil- und Unternehmensanwendungen zu erstellen.
- Die Web-API-Benutzeroberfläche für benutzerdefinierte Skills wird verwendet, um einen benutzerdefinierten Skill in eine Azure Cognitive Search-Anreicherungspipeline zu integrieren.
- AI Language ist Teil von Azure AI Services, die viele Dienste zur Verarbeitung natürlicher Sprache anbieten. Sie können diese Dienste verwenden, um Text zu verstehen und zu analysieren.
- Text Analytics ist eine Sammlung von APIs und anderen Funktionen von AI Language, die Sie verwenden können, um Text in Dokumenten zu extrahieren, zu klassifizieren und zu verstehen.
- Azure AI Services Translator ist Teil der Azure AI Services Familie von REST APIs. Sie können den Übersetzer für die Echtzeitübersetzung von Dokumenten und Texten verwenden.
Szenariodetails
Für viele Unternehmen ist der Kundensupport teuer und funktioniert nicht immer effizient. Per Knowledge Mining können Kundensupport-Teams schnell die richtige Antwort auf eine Kundenanfrage ermitteln oder die Stimmung von Kunden in großem Umfang bewerten.
Mögliche Anwendungsfälle
Diese Lösung ist für den Einzelhandel optimiert.
Azure Cognitive Search ist ein wichtiger Bestandteil von Knowledge Mining-Lösungen. Azure Cognitive Search erstellt einen Suchindex für aggregierte und analysierte Inhalte.
Mit Abfragen, die den Suchindex verwenden, können Unternehmen Trends in Hinblick darauf erkennen, was Kunden sagen, und diese Informationen verwenden, um Produkte und Dienste zu verbessern.
Nächste Schritte
Eigenen Sie sich einen benutzerdefinierten Skill von Azure Cognitive Search an.
Erkunden Sie den Lernpfad Knowledge Mining mit Azure Cognitive Search.
Weitere Informationen zu den Komponenten in dieser Lösung finden Sie in den folgenden Ressourcen: