Lösningsidéer
Den här artikeln är en lösningsidé. Om du vill att vi ska utöka innehållet med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du meddela oss genom att ge GitHub-feedback.
Den här arkitekturen visar hur kunskapsutvinning kan hjälpa kundsupportteam att snabbt hitta svar på kundfrågor eller utvärdera kundsentiment i stor skala.
Arkitektur
Det finns tre steg i kunskapsutvinning: mata in, berika och utforska.
Ladda ned en Visio-fil med den här arkitekturen.
Dataflöde
- Äter
Inmatningssteget aggregerar innehåll från en rad olika källor, inklusive strukturerade och ostrukturerade data. För kundsupport och feedbackanalys kan du mata in olika typer av innehåll. Det här innehållet omfattar kundsupportärenden, chattloggar, samtalstranskriptioner, kundmeddelanden, kundbetalningshistorik, produktrecensioner, sociala medieflöden, kommentarer online, feedbackformulär och undersökningar.
- Berika
Steget berika använder AI-funktioner för att extrahera information, hitta mönster och fördjupa förståelsen. Du kan utöka innehållet med hjälp av extrahering av nyckelfraser, attitydanalys, språköversättning, robottjänster, anpassade modeller för att fokusera på specifika produkter eller företagsprinciper.
- Utforska
Utforska steget är utforskardata via sökning, befintliga affärsprogram eller analyslösningar. Du kan till exempel kompilera berikade dokument i kunskapsarkivet och projicera dem i tabell- eller objektlager. Butikerna kan användas för att visa trender i en analysinstrumentpanel som identifierar vanliga problem eller populära produkter. Eller så kan du integrera sökindexet i supportprogram för kundtjänst.
Komponenter
Följande viktiga tekniker används för att implementera verktyg för teknisk innehållsgranskning och forskning:
- Azure Cognitive Search är en molnsöktjänst som tillhandahåller infrastruktur, API:er och verktyg för sökning. Du kan använda Azure Cognitive Search för att skapa sökupplevelser över privat, heterogent innehåll i webb-, mobil- och företagsprogram.
- Det anpassade kunskapsgränssnittet för webb-API:et används för att integrera en anpassad färdighet i en Pipeline för Azure Cognitive Search-berikande.
- AI Language är en del av Azure AI-tjänster som erbjuder många bearbetningstjänster för naturligt språk. Du kan använda dessa tjänster för att förstå och analysera text.
- Textanalys är en samling API:er och andra funktioner från AI Language som du kan använda för att extrahera, klassificera och förstå text i dokument.
- Azure AI Services Translator är en del av Azure AI-tjänstefamiljen med REST-API:er. Du kan använda Translator för dokument- och textöversättning i realtid.
Information om scenario
För många företag är kundsupporten kostsam och fungerar inte alltid effektivt. Kunskapsutvinning kan hjälpa kundsupportteam att snabbt hitta de bästa svaren på kundfrågor eller utvärdera kundsentiment i stor skala.
Potentiella användningsfall
Den här lösningen är optimerad för detaljhandeln.
Azure Cognitive Search är en viktig del av kunskapsutvinningslösningar. Azure Cognitive Search skapar ett sökindex över aggregerat och analyserat innehåll.
Med frågor som använder sökindexet kan företag identifiera trender om vad kunderna säger och använda den informationen för att förbättra produkter och tjänster.
Nästa steg
Utforska utbildningsvägen Kunskapsutvinning med Azure Cognitive Search.
Mer information om komponenterna i den här lösningen finns i följande resurser: