Idee per le soluzioni
Questo articolo è un'idea di soluzione. Per espandere il contenuto con altre informazioni, ad esempio potenziali casi d'uso, servizi alternativi, considerazioni sull'implementazione o indicazioni sui prezzi, inviare commenti e suggerimenti su GitHub.
Questa architettura mostra come il knowledge mining può aiutare i team di supporto clienti a trovare rapidamente risposte alle domande dei clienti o valutare il sentiment dei clienti su larga scala.
Architettura
Il knowledge mining prevede tre passaggi: inserimento, arricchimento ed esplorazione.
Scaricare un file di Visio di questa architettura.
Flusso di dati
- Ingerire
Il passaggio di inserimento aggrega il contenuto da un'ampia gamma di origini, inclusi i dati strutturati e non strutturati. Per l'assistenza clienti e l'analisi dei commenti e suggerimenti, è possibile inserire diversi tipi di contenuto. Questo contenuto include ticket di supporto clienti, log di chat, trascrizioni delle chiamate, messaggi di posta elettronica dei clienti, cronologia dei pagamenti dei clienti, recensioni dei prodotti, feed di social media, commenti online, moduli di feedback e sondaggi.
- Arricchire
Il passaggio di arricchimento usa le funzionalità di intelligenza artificiale per estrarre informazioni, trovare modelli e approfondire la comprensione. È possibile arricchire il contenuto usando l'estrazione di frasi chiave, l'analisi del sentiment, la traduzione della lingua, i servizi bot, i modelli personalizzati per concentrarsi su prodotti specifici o criteri aziendali.
- Esplorare
Il passaggio di esplorazione è costituito dai dati di esplorazione tramite ricerca, applicazioni aziendali esistenti o soluzioni di analisi. Ad esempio, è possibile compilare documenti arricchiti nell'archivio conoscenze e proiettarli in archivi tabulari o oggetti. I negozi possono essere usati per visualizzare le tendenze in un dashboard di analisi che identificano problemi frequenti o prodotti più diffusi. In alternativa, è possibile integrare l'indice di ricerca nelle applicazioni di supporto clienti.
Componenti
Le tecnologie chiave seguenti vengono usate per implementare strumenti per la revisione e la ricerca di contenuti tecnici:
- Ricerca cognitiva di Azure è un servizio di ricerca cloud che fornisce infrastruttura, API e strumenti per la ricerca. È possibile usare Ricerca cognitiva di Azure per creare esperienze di ricerca su contenuti privati, eterogenei nelle applicazioni Web, per dispositivi mobili e aziendali.
- L'interfaccia della competenza personalizzata dell'API Web viene usata per integrare una competenza personalizzata in una pipeline di arricchimento Ricerca cognitiva di Azure.
- Il linguaggio di intelligenza artificiale fa parte dei servizi di intelligenza artificiale di Azure che offrono molti servizi di elaborazione del linguaggio naturale. È possibile usare questi servizi per comprendere e analizzare il testo.
- Analisi del testo è una raccolta di API e altre funzionalità del linguaggio di intelligenza artificiale che è possibile usare per estrarre, classificare e comprendere il testo all'interno dei documenti.
- I servizi di intelligenza artificiale di Azure Traduttore fanno parte della famiglia di servizi di intelligenza artificiale di Azure delle API REST. È possibile usare Traduttore per la traduzione di testo e documenti in tempo reale.
Dettagli dello scenario
Per molte aziende, il supporto clienti è costoso e non funziona sempre in modo efficiente. Il knowledge mining può aiutare i team di supporto clienti a trovare rapidamente le risposte migliori alle domande dei clienti o valutare il sentiment dei clienti su larga scala.
Potenziali casi d'uso
Questa soluzione è ottimizzata per il settore della vendita al dettaglio.
Ricerca cognitiva di Azure è una parte fondamentale delle soluzioni di knowledge mining. Ricerca cognitiva di Azure crea un indice di ricerca su contenuto aggregato e analizzato.
Con le query che usano l'indice di ricerca, le aziende possono individuare tendenze su ciò che i clienti dicono e usano tali informazioni per migliorare prodotti e servizi.
Passaggi successivi
Creare una competenza personalizzata Ricerca cognitiva di Azure.
Esplorare il percorso di apprendimento Knowledge mining con Ricerca cognitiva di Azure.
Per altre informazioni sui componenti di questa soluzione, vedere queste risorse: