聊天机器人分析：数据洞察与平台集成

### 聊天机器人分析：数据洞察与平台集成 #### 1. 无缝人工转接与聊天机器人的重要性 当用户再次遇到问题时，他们可以再次请求人工客服来解决问题。无缝人工转接是客户和客服人员的关键体验要求，双方的体验应尽可能流畅。聊天机器人应成为有用的助手，这将增加其获得内外部支持的可能性。虽然之前展示的示例局限于 Facebook，但它说明了大多数聊天机器人与实时聊天系统集成的通用方法。尽管有许多细节需要完善，且没有单一的解决方案，但相关工作足以让聊天机器人的人工转接功能朝着正确的方向发展。 #### 2. 聊天机器人分析的必要性 开发出优秀的聊天机器人后，将其推向市场却可能遭遇用户参与度低的问题。此时，我们需要通过分析来了解用户行为，从而改进对话体验。聊天机器人在运行过程中会不断产生数据，用户与机器人的每一次交互、自然语言理解（NLU）平台解析用户意图的时刻、用户对机器人的不满表达以及机器人无法理解用户问题的情况，都是对话中的关键节点，这些数据能帮助我们洞察用户行为，更重要的是，能指导我们如何改善对话体验。 #### 3. 常见的数据问题 - **关注的洞察方向** - 用户与机器人的对话时长。 - 用户消息的主题。 - 原始输入以及解析出的准确意图。 - 机器人能够处理的用户输入比例与应该处理的比例。 - **分析平台的数据收集与报告**：一般来说，聊天机器人分析平台会收集和报告相似的数据。除了通用分析功能外，许多平台还能针对特定渠道进行分析。例如，Dashbot 可以从 Slack 和 Facebook Messenger 等渠道收集特定的分析数据，在 Slack 上，我们可以查看安装了机器人的 Slack 频道数量等统计信息。 #### 4. 不同类型的分析数据 - **通用数据** - **数据内容**：包括消息数量、用户会话数量、每次会话交换的消息数量、会话时长、每个用户的会话数量等原始数值数据。 - **数据展示与作用**：这些数据应在时间轴上以图表形式展示，并按时间桶进行聚合。通过这些数据，我们可以看到一些简单的趋势，如用户通常何时与机器人交互、交互次数和时长。例如，即使有大量用户，但如果他们与机器人的交互仅为两条消息，那也不能算作成功。 - **人口统计数据**：包含位置、性别、年龄和语言等信息，但并非所有渠道都能获取这些数据。 - **情感分析数据**：理想情况下，我们希望分析平均对话情感与其他指标（如会话时长和意图）之间的相关性。例如，某一功能是否真的会让用户沮丧、用户是否会随着时间推移对机器人更加不满等。这些分析结果可能表明是否需要积极将对话转接给人工客服。 - **用户留存数据**：作为聊天机器人开发者或产品所有者，用户回访频率是非常重要的数据。我们希望对话体验具有“粘性”，分析平台通常会提供可视化图表，展示每周有多少用户返回使用聊天机器人。例如，Google 的 Chatbase 可以让我们根据用户最初与机器人的交互方式来探索留存指标，通过将意图纳入考量，我们可以关联意图与留存率，从而了解哪些功能可能推动用户留存，哪些方面需要改进。 - **用户会话流程数据**：这是可视化用户行为的常见方法之一。分析平台通常会展示用户会话开始时最常见的操作以及采取该操作的用户比例，然后针对每个操作，展示后续用户采取的操作、采取该操作的用户比例以及流失率。通过这种方式，我们可以了解有多少用户继续与机器人交互以及通过哪些操作进行交互，有多少用户完全停止与机器人对话。例如，从 Chatbase 的会话流程图中，我们可能会发现团队可以考虑支持那些希望当天租车的客户，而不是要求他们输入日期，因为当前流程显示“今日租车”的意图未得到支持。 #### 5. 分析平台 - **自带分析功能的平台** - **Microsoft Bot Framework**：包含一个分析仪表板，提供消息总数、用户总数、基本留存表、各渠道随时间变化的用户数量和消息数量等信息。 - **Facebook**：提供 Facebook Analytics，这是一个平台级的分析仪表板，包含详细的 Facebook 机器人数据。 - **Amazon**：提供 Alexa Skill 仪表板。然而，这些平台的分析功能在深度和可用性方面存在不足，且 Facebook 和 Alexa 的仪表板仅支持单一渠道。 - **企业级分析解决方案**：许多企业已经在跨多个产品线的分析平台上进行了投资。在这种环境下，可以将不同平台上的数据和用户行为进行关联。例如，通过账户关联过程识别移动设备上的用户并将其与聊天机器人上的用户进行关联，我们可以更全面地了解用户在不同平台上的行为，并相应地满足他们的需求。通常，这需要企业数据存储解决方案（本地或云端），并使用 Microsoft 的 Power BI 或 Tableau 等工具创建自定义可视化图表。 - **第三方分析解决方案**：有一些灵活的第三方聊天机器人分析解决方案，提供 API 和 SDK 供我们将其集成到机器人中。例如 Dashbot（https://dashbot.io）和 Google 的 Chatbase（https://chatbase.com），此外还有 Botanalytics（https://botanalytics.co/）和 BotMetrics（https://www.getbotmetrics.com/）等。许多这些供应商还支持语音接口（如 Alexa、Cortana 和 Google Home）的分析。 #### 6. 与 Dashbot 和 Chatbase 集成 - **与 Dashbot 集成** 1. **注册账户**：访问 https://dashbot.io/ 注册免费账户，登录后会看到一个空的机器人列表，点击“Add a Bot, Skill, or Action”按钮，界面会要求选择目标平台或渠道。 2. **获取 API 密钥**：创建机器人后，Dashbot 会显示机器人的分析 API 密钥。 3. **安装 Node.js 包**：在项目中运行 `npm install dashbot --save` 安装 Dashbot 包。 4. **添加代码到 app.js**：在创建机器人后，添加以下代码： ```javascript // setup dashbot const dashbotApiMap = { facebook: process.env.DASHBOT_FB_KEY }; const dashbot = require('dashbot')(dashbotApiMap).microsoft; // optional and recommended for Facebook Bots dashbot.setFacebookToken(process.env.PAGE_ACCESS_TOKEN); bot.use(dashbot); ``` - **代码解释**：首先指定 Dashbot API 密钥，每个平台可以有自己独立的仪表板，也可以创建多平台仪表板。然后导入 Dashbot 针对 Bot Framework 的中间件，并