机器学习并不是一个新概念。自从软件成为人类构建体验的模型以来，工程师们一直在探索机器学习的潜力．快速回顾一下，机器学习是构建软件的框架，它在自己的模型上学习和构建，理想情况下是通过直观的设计和上下文理解。我们还没有完全处于类人人工智能的未来世界，但随着每一次实验，技术都在朝着越来越独立的解决方案发展。在Ze亚博ndesk，我们也已经进入了探索这个新的商业应用机器学习世界的开始阶段。
我们最近发布的使用机器学习的产品是回答机器人；这是亚博官方app一个知识库解决方案，当客户向Zendesk Support提交订单时，可以自动为客户提供文章建议。亚博我们的这项创新最近在AIconics 2017我们使用自然语言处理，这是我们学习模型的支柱。客户已经看到了回答机器人的实时和即时的成功但由于产品如此新，这怎么可能呢?让我们深入研究一下这个答案。回答机器人通过使用深度学习模型来区别于基本的机器学习．但这到底意味着什么呢?
我们是如何创建答题机器人的
通过利用建立在10年历史票务数据基础上的全球数据集，我们建立了一个可以在任何规模的客户上立即成功的模型。该模型能够从非线性数据中学习，为自己建立基于相关性的聚类。我们从英语开始。为模型提供语言上下文创建了一个环境，在这个环境中，Answer Bot不仅可以在精确匹配的单词之间建立联系，还可以寻找可能相关的相对单词和短语。最重要的是，来自智能体的相关性反馈将帮助模型更好地理解上下文和短语的解释。
Zend亚博esk如何使用Answer Bot
像我们开发的许多产品一样，我们自己的倡导团队在他们的支持实例中实现了回答机器人。作为一个复杂的B2B支持结构，需要考虑一些重要的策略。例如，我们只需要回答机器人在英语门票上开火，只对客户，只通过某些渠道。我们的知亚博官方app识库内容非常深入和冗长的文档，所以让Answer Bot建议较短的文章(比如通过我们的网站创建的文章)也很重要知识捕捉App)，更能切中请求者的问题。
目前，回答机器人帮助解决了Zendesk倡导的一小部分门票。亚博最酷的是它在工作，即使在复杂的情况下，关于实现最好的事情是，当我们得到满意的迭代时，我们可以设置它并忘记它。目前，我们的团队仍在继续跟踪答题机器人报告的数据为了更好地理解我们如何继续通过自助服务使我们的文档和产品更容易为客户所访问。
期待
我们从Answer Bot的发布中了解到，没有一种方法可以利用深度学习或其他类型的机器学习模型来完全解决代理的需求。而Dollar Shave Club的答题机器人的解题率为25%在美亚博国，Zendesk Advocacy将需要更多不同的工具来查看类似的解决援助级别。最终，我们可能会在指南中看到内容建议的代理辅助模型，以帮助提高自助服务。
也许有一种方法可以通过使用Answer Bot模型向代理建议内部文档来帮助预测代理的需求。或者，在未来，可以利用票务路由、宏观建议和回答机器人集成来帮助代理进入一个重复操作和一键式票务已经过时的世界，为更有意义的问题解决和关系建立让路。
这个想法完全符合亚博Zendesk的总体目标是改变组织中围绕客户服务价值的对话．利用更多的自助服务模式，融入面向客户的内容，并制作工具，帮助代理以人性化和考虑时间的方式与客户联系，为客户服务如何成为任何公司剧本中极具价值的卖点提供了坚实的基础论据。
有关的故事
