Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Blok aliran di Amazon Connect: Periksa atribut kontak
Topik ini mendefinisikan blok aliran untuk percabangan berdasarkan perbandingan dengan nilai atribut kontak.
Deskripsi
-
Cabang berdasarkan perbandingan dengan nilai atribut kontak.
-
Perbandingan yang didukung meliputi: Sama, Lebih Besar Dari, Kurang Dari, Dimulai Dengan, Mengandung.
Saluran yang didukung
Tabel berikut mencantumkan cara blok ini merutekan kontak yang menggunakan saluran yang ditentukan.
Channel | Didukung? |
---|---|
Suara |
Ya |
Obrolan |
Ya |
Tugas |
Ya |
Jenis aliran
Anda dapat menggunakan blok ini dalam jenis aliran berikut:
-
Semua aliran
Properti
Gambar berikut menunjukkan halaman Properti dari blok Periksa atribut kontak. Dalam contoh ini, blok dikonfigurasi untuk memeriksa apakah kontak adalah PremiumCustomer, yang merupakan atribut yang ditentukan pengguna.
Kondisi untuk memeriksa bisa dinamis
Anda dapat memeriksa kondisi seperti berikut:
-
$. Atribut. verificationCode
Untuk memeriksa NULL nilai, Anda perlu menggunakan Lambda.
Atribut Amazon Lex
Anda dapat mengatur atribut yang Type = Lex sebagai berikut:
-
Intent Alternatif: Biasanya Anda mengonfigurasi alur ke cabang pada maksud Lex yang menang. Namun, dalam beberapa situasi, Anda mungkin ingin bercabang pada maksud alternatif. Artinya, apa yang mungkin dimaksud pelanggan.
Misalnya, pada gambar berikut dari halaman properti Periksa atribut kontak, ini dikonfigurasi sehingga maksud alternatif menunjukkan bahwa jika Amazon Lex lebih dari 70% yakin bahwa pelanggan bermaksud penipuan, alur harus bercabang sesuai dengan itu.
-
Nama maksud adalah nama dari maksud alternatif dalam Lex. Ini peka huruf besar/kecil dan harus sama persis dengan apa yang ada di Lex.
-
Atribut Intent adalah apa yang akan diperiksa Amazon Connect. Dalam contoh ini, itu akan memeriksa Skor Keyakinan Maksud.
-
Ketentuan untuk memeriksa: Jika Lex yakin 70%, pelanggan bermaksud maksud alternatif alih-alih niat menang, cabang.
-
-
Intent Confidence Score: Seberapa yakin bot yang memahami maksud pelanggan. Misalnya, jika pelanggan mengatakan “Saya ingin memperbarui janji temu,” pembaruan dapat berarti menjadwal ulang atau membatalkan. Amazon Lex memberikan skor kepercayaan pada skala 0 hingga 1:
-
0 = sama sekali tidak percaya diri
-
.5 = 50% percaya diri
-
1 = 100% percaya diri
-
-
Nama Maksud: Maksud pengguna yang dikembalikan oleh Amazon Lex.
-
Label Sentimen: Apa sentimen kemenangan, yang memiliki skor tertinggi. Anda dapat bercabang padaPOSITIVE,NEGATIVE,MIXED, atauNEUTRAL.
-
Skor Sentimen: Amazon Lex terintegrasi dengan Amazon Comprehend untuk menentukan sentimen yang diungkapkan dalam sebuah ucapan:
-
Positif
-
Negatif
-
Campuran: Ucapan tersebut mengungkapkan sentimen positif dan negatif.
-
Netral: Ucapan tidak mengungkapkan sentimen positif atau negatif.
-
-
Atribut Sesi: Peta pasangan nilai kunci yang mewakili informasi konteks khusus sesi.
-
Slot: Peta slot maksud (pasangan kunci/nilai) Amazon Lex terdeteksi dari input pengguna selama interaksi.
Kiat konfigurasi
-
Jika Anda memiliki beberapa kondisi untuk dibandingkan, Amazon Connect memeriksanya sesuai urutan yang dicantumkan.
Misalnya, pada gambar berikut dari halaman properti Periksa atribut kontak, ini dikonfigurasi sehingga Amazon Connect membandingkan kondisi lebih besar dari 60 terlebih dahulu dan membandingkan lebih dari 2 yang terakhir.
-
Blok ini tidak mendukung pencocokan pola case-insensitive. Misalnya, jika Anda mencoba mencocokkan kata hijau dan tipe pelanggan Green, itu akan gagal. Anda harus menyertakan setiap permutasi huruf besar dan kecil.
Dikonfigurasi
Gambar berikut menunjukkan contoh seperti apa blok ini ketika dikonfigurasi. Ini menunjukkan blok memiliki empat cabang, satu untuk setiap kondisi: lebih besar atau sama dengan 60, lebih besar sama dengan 10, lebih besar atau sama dengan 2, atau Tidak cocok.
Aliran sampel
Amazon Connect menyertakan serangkaian aliran sampel. Untuk petunjuk yang menjelaskan cara mengakses aliran sampel dalam perancang aliran, lihatAlur sampel di Amazon Connect. Berikut ini adalah topik yang menjelaskan aliran sampel yang mencakup blok ini.
Skenario
Lihat topik berikut untuk skenario yang menggunakan blok ini: