W tym artykule:
- Co zmienia się między konfiguracją początkową a zaawansowaną
- Jak skonfigurować, kiedy chatbot przekazuje rozmowę konsultantowi?
- Jak ograniczyć to, co chatbot może mówić?
- Jak zapewnić spójność odpowiedzi na konkretne pytania?
- Jak skonfigurować obsługę wielu języków?
- Jak zapewnić chatbotowi dalszą naukę po uruchomieniu?
- Które ustawienia przeglądać i jak często
Nasz przewodnik po konfiguracji bota AI do obsługi klienta opisuje sześć kroków, które uruchamiają chatbota LiveAgent : utworzenie Flow, podłączenie źródeł wiedzy, zastosowanie w widgetcie. To minimum potrzebne do uruchomienia. To jednak nie konfiguracja decyduje o tym, czy bot będzie naprawdę dobry trzy miesiące później. Jeśli wciąż porównujesz opcje chatbotów zamiast dostrajać już działającego, lepszym punktem startowym będzie nasze zestawienie najlepszych chatbotów AI na 2026 rok .
Ten przewodnik zaczyna się w tym miejscu. Każde z poniższych ustawień to rzeczywiste pole lub komponent, który znajdziesz w LiveAgent lub FlowHunt , a nie ogólna lista dobrych praktyk.
Co zmienia się między konfiguracją początkową a zaawansowaną
Konfiguracja początkowa odpowiada na pytanie „czy bot działa?". Konfiguracja zaawansowana odpowiada na pytanie „czy działa tak, jak faktycznie potrzebuje tego nasz zespół?". Ta różnica uwidacznia się w czterech obszarach: kiedy bot eskaluje, co może mówić, jak spójne są jego odpowiedzi między sesjami oraz czy z czasem się poprawia, czy pozostaje niezmieniony.
Bot, który przeszedł testy pierwszego tygodnia, może nadal frustrować klientów miesiąc później, jeśli żaden z tych czterech obszarów nie został ponownie przeanalizowany. Źródła wiedzy podłączone przy uruchomieniu starzeją się, pytania zadawane przez klientów ewoluują, a domyślny próg przekazania, który wydawał się odpowiedni pierwszego dnia, może już wysyłać zbyt wiele lub zbyt mało rozmów do konsultantów.
Jak skonfigurować, kiedy chatbot przekazuje rozmowę konsultantowi?
Otwórz obiekt Chatbot w LiveAgent i ustaw pole „Required answers to initialize chat with human agent" (Wymagana liczba odpowiedzi przed inicjacją czatu z konsultantem). Ta liczba to minimalna liczba odpowiedzi AI, po której przycisk „Poproś o rozmowę z konsultantem" staje się dostępny dla odwiedzającego. Ustaw ją zbyt nisko, a bot będzie eskalował pytania, które mógłby obsłużyć sam, marnując czas konsultantów na sprawy niewymagające interwencji człowieka. Ustaw ją zbyt wysoko, a sfrustrowani klienci będą przebijać się przez nieprzydatne odpowiedzi, zanim trafią do właściwej osoby.
Istnieje też druga ścieżka, która nie opiera się na tej liczbie: agent AI może samodzielnie w trakcie rozmowy uznać, że pytanie jest zbyt złożone, i automatycznie przekazać rozmowę, bez czekania na osiągnięcie progu wymaganych odpowiedzi. To opcja, na którą warto postawić w tematach wsparcia, gdzie błędna odpowiedź jest kosztowna (spory dotyczące płatności, bezpieczeństwo konta), a stała liczba wydaje się zbyt sztywna.
Po przekazaniu rozmowy konsultanci przejmują ją w sekcji Przegląd czatów za pomocą przycisku „Zatrzymaj chatbota i dołącz", a pełna historia rozmowy przenosi się do tego samego zgłoszenia – mechanika szczegółowo opisana w naszym przewodniku po funkcji przekazywania AI do konsultanta . Samo przekazanie nie podlega konfiguracji przez klienta, ale świadomość, jak to działa, wyjaśnia, dlaczego testowanie przepływu przekazania od początku do końca jest ważne – nie tylko odpowiedzi bota do tego momentu.
Jak ograniczyć to, co chatbot może mówić?
Domyślnie szablon agenta AI w LiveAgent pozwala odwiedzającemu poprosić o konsultanta w dowolnym momencie rozmowy, niezależnie od progu wymaganych odpowiedzi. Jeśli to nie jest pożądane zachowanie – na przykład bot ma w pełni rozwiązać wąski zestaw pytań, zanim pojawi się jakakolwiek opcja kontaktu z człowiekiem – rozwiązanie polega na edycji wiadomości systemowej komponentu AI Agent w FlowHunt, a nie na ustawieniu w LiveAgent.
Wiadomość systemowa to również miejsce, w którym faktycznie znajdują się ton i persona. Nie ma osobnego menu „persona": cokolwiek tu napiszesz (formalnie vs. swobodnie, jak obsługiwać pytania spoza zakresu, czy przepraszać przed eskalacją) – tego będzie trzymać się bot. FlowHunt obsługuje ponad 15 modeli AI, a zmiana modelu może wpłynąć na to, jak dosłownie bot podąża za tymi instrukcjami, ale sam model nie jest źródłem tonu wypowiedzi.
Jak zapewnić spójność odpowiedzi na konkretne pytania?
Źródła wiedzy dobrze odpowiadają na ogólne pytania, ale w przypadku treści, które zespół chce mieć identycznie sformułowane za każdym razem – informacje cenowe, sformułowania polityki, konkretne zastrzeżenie prawne – użyj zamiast tego funkcji Pytania i odpowiedzi FlowHunt . Pozwala ona zdefiniować stałą odpowiedź na konkretne pytanie, dzięki czemu bot zwraca dokładnie to sformułowanie, zamiast za każdym razem generować nową parafrazę.
To ważniejsze, niż może się wydawać. Baza wiedzy napisana z myślą o przeglądaniu przez człowieka, rozproszona po pięciu połączonych artykułach pomocy, nie generuje automatycznie jednej czystej, spójnej odpowiedzi bota, gdy AI korzysta ze wszystkich pięciu jednocześnie. Stałe wpisy Q&A wypełniają tę lukę dla kilku pytań, przy których precyzja sformułowań ma znaczenie dla Twojego zespołu.
Zapisz się do newslettera
Najnowsze porady i oferty prosto na Twoją skrzynkę.
Jak skonfigurować obsługę wielu języków?
Chatbot automatycznie wykrywa język odwiedzającego i odpowiada w tym samym języku, obsługując ponad 100 języków w zależności od podłączonego modelu AI. To nie jest ustawienie, które trzeba włączyć – działa domyślnie – ale nie jest jednolite dla wszystkich języków. Pewne ograniczenia mogą dotyczyć mniej rozpowszechnionych języków, ponieważ jakość modeli dla tych języków różni się w zależności od dostawcy.
Przed wdrożeniem bota na rynek z mniej popularnym językiem przetestuj go bezpośrednio na rzeczywistych sformułowaniach używanych przez Twoich klientów, a nie na dosłownym tłumaczeniu angielskich pytań testowych. Dosłowne tłumaczenie może przejść test, podczas gdy rodzime sformułowanie, które model widział rzadziej, może dać zauważalnie słabszą odpowiedź.
Jak zapewnić chatbotowi dalszą naukę po uruchomieniu?
Skonfiguruj pętlę samouczenia LiveAgent
, aby każde przekazane zgłoszenie czegoś uczyło bota, zamiast być jedynie jednorazową poprawką. Utwórz regułę automatyzacji w LiveAgent, która uruchamia się po rozwiązaniu zgłoszenia oznaczonego tagiem Update_AI, wysyłając identyfikator zgłoszenia do FlowHunt za pomocą żądania HTTP lub webhooka.
Stamtąd agent AI automatycznie wykonuje cztery kroki: odczytuje pełny wątek zgłoszenia, aby zobaczyć, czego chatbot nie wychwycił, porównuje to z rzeczywistym rozwiązaniem zastosowanym przez konsultanta, uogólnia poprawkę do wielokrotnego użytku (zamiast jednorazowej odpowiedzi) i zapisuje ją jako strukturalny wpis pamięci (temat, wyzwalacz, wymagania wstępne, rozwiązanie), który chatbot może odczytać przy następnym podobnym pytaniu. Dane osobowe są automatycznie usuwane przed zapisaniem czegokolwiek.
Rezultat się kumuluje. Eskalacje rozwiązane przez zespół w pierwszym tygodniu stają się wiedzą, którą bot ma w drugim tygodniu – bez konieczności ręcznego przepisywania artykułów w źródłach wiedzy.
| Ustawienie | Gdzie konfigurujesz | Co kontroluje |
|---|---|---|
| Required answers to initialize chat with human agent (Wymagana liczba odpowiedzi przed inicjacją czatu z konsultantem) | Obiekt Chatbot, LiveAgent | Minimalna liczba odpowiedzi AI przed udostępnieniem przekazania |
| Wiadomość systemowa agenta AI | Komponent AI Agent, FlowHunt | Ton, persona i to, co bot może / czego nie może mówić |
| Pytania i odpowiedzi (Q&A) | FlowHunt | Stałe odpowiedzi słowo w słowo dla konkretnych zapytań |
| Model AI | Komponent AI Agent, FlowHunt | Styl odpowiedzi i zakres językowy |
Reguła automatyzacji Update_AI | Reguły automatyzacji, LiveAgent | Uruchamia pętlę samouczenia na rozwiązanych zgłoszeniach |
Które ustawienia przeglądać i jak często
Sprawdzaj wskaźnik przekazań i konkretne pytania prowadzące do eskalacji co tydzień przez pierwszy miesiąc po każdej zmianie konfiguracji, a następnie co miesiąc, gdy wzór się ustabilizuje. Rosnący wskaźnik przekazań zwykle oznacza lukę wiedzy, której pętla samouczenia jeszcze nie nadrobiła, a nie ustawienie wymagające przebudowy od zera.
Jeśli ton bota odbiega od tego, co określa wiadomość systemowa, to sygnał, aby ponownie przyjrzeć się jej treści, zamiast zmieniać modele AI, by to skompensować. A jeśli eskalacje skupiają się wokół jednego powtarzającego się tematu, to właśnie sygnał, do wychwycenia którego zaprojektowano tag Update_AI – upewnij się więc, że Twoi konsultanci faktycznie go stosują, zanim uznasz, że pętla samouczenia nie działa.
Gdy czas przekazania, wiadomość systemowa, obsługa wielu języków i reguła samouczenia są ustawione świadomie, a nie pozostawione domyślnie, różnica między „bot działa" a „bot działa tak, jak potrzebuje tego nasz zespół" w dużej mierze znika sama.
