ClassifyXR.ai

カスタマー サポート チケットの分類および応答システム (ClassifyXR.ai)

概要

カスタマー サポート チケットの分類および応答システムは、カスタマー サービス エクスペリエンスを自動化し、向上させるために設計された洗練されたツールです。このシステムは、高度な AI モデルと検索拡張生成 (RAG) 技術を統合して、チケットの分類、緊急性の評価、顧客感情の評価、重要な情報の抽出を行います。関連するナレッジベース文書を取得して情報を提供し、状況に応じて正確で共感的な応答を生成します。このシステムは、マルチモデル AI の統合、並列処理、包括的なナレッジ ベースの利用を活用することにより、応答時間、顧客満足度、サポート チームの業務効率を大幅に向上させます。

特徴

• マルチモデル AI 統合: LLaMA 3.1、Mistral、Gemma:7B-Instruct などの複数のオープンソース モデルを活用して、カスタマー サポート チケットを処理および分類します。システムは、信頼スコアに基づいて最も正確な応答を選択します。
• 並列処理: ThreadPoolExecutorを使用して並列処理を実装し、システムが複数のモデルを同時に実行できるようにします。これにより、高品質で正確な結果を維持しながら、応答時間が短縮されます。
• ナレッジ ベースの統合: PDF、DOCX、TXT、JSON ファイルなどのナレッジ ベースからのドキュメントの読み込みと処理をサポートします。 FAISS ベクトル データベースを利用して、顧客からの問い合わせに基づいて関連情報を迅速かつ正確に検索します。
• 検索拡張生成 (RAG) : 最大周辺関連性 (MMR) を使用してナレッジ ベースから最も関連性の高いドキュメントを取得することにより、応答生成を強化します。取得された情報は生成モデルに統合され、状況に応じて正確で有益な応答が生成されます。
• コンテキスト認識型応答: 顧客の洞察、以前の通信履歴、ナレッジ ベースから取得した特定の情報を充実させた応答を生成します。対応が共感的で関連性があり、顧客のニーズに沿ったものであることを保証します。
• カスタマイズ可能なビジネス コンテキスト: 応答を特定のビジネス コンテキストに適応させ、関連するビジネス情報を応答生成に動的に統合します。注文、アカウント、技術的な問題、請求など、さまざまなチケット カテゴリをサポートします。
• 感情と緊急性の検出: チケットの感情 (イライラ、怒りなど) と緊急性を自動的に検出し、影響の大きいチケットを優先して、必要に応じてサポート エージェントによる手動レビューを行います。
• 構造化された応答: 応答が事前定義された JSON スキーマに従って構造化されていることを確認し、カスタマー サポート チームに明確で実用的な洞察を提供します。
• 機能リクエストの処理: ナレッジ ベースから関連する製品情報を取得して機能リクエストを管理し、ニーズを満たす可能性のある既存の機能を顧客に案内します。
• 顧客インサイトの統合: 人口統計、好み、場所などの顧客インサイトをチケットの分類と対応プロセスに組み込み、サポート エクスペリエンスをパーソナライズします。
• 以前の通信履歴の利用: 過去の通信履歴を取得して統合し、状況に応じて正確で一貫した応答を提供し、全体的なカスタマー サポート エクスペリエンスを向上させます。

使用法

• サポート チケットを文字列として定義します。
• classify_and_response関数を使用して、構造化された分類データを取得し、コンテキストに応じて強化された応答を生成します。
• システムは、ナレッジ ベースから関連ドキュメントを自動的に取得し、応答生成に通知します。

インストール

前提条件

• Python 3.7以降
• 仮想環境マネージャー ( venv )

設定

次の手順に従って、プロジェクト環境をセットアップし、依存関係をインストールします。

1. リポジトリのクローンを作成します。

   git clone https://github.com/prdepyadv/classifyxr.ai.git

2. プロジェクト ディレクトリに移動します。

   python -m venv venv

3. 仮想環境を作成します。

    . . v env S cripts A ctivate.ps1 # (For Windows)
       or
   . venv/bin/activate  # (For Linux or MacOS)

4. プロジェクトの依存関係をインストールします。

   pip install -r requirements.txt

5. シークレット トークンを生成します (オプション) :

   python -c ' import secrets; print(secrets.token_hex()) '

6. 環境変数をコピーします。

   cp -r .env-example .env

7. 環境変数の構成: .env ファイルを編集して、セットアップに従って必要な環境変数を設定します。

アプリケーションの実行

Flask アプリケーションを開始するには、次のコマンドを使用します。

flask --app app run

貢献とカスタマイズ

• ビジネスコンテキストに合わせて business_context と system_prompt を調整します。
• パフォーマンスを向上させるために、さまざまな AI モデルまたは埋め込みを試してください。
• ベクター データベース (FAISS など) 設定をカスタマイズして、知識ベースに基づいて検索を最適化します。
• トレーニング用の特定のチケット データがある場合は、モデルを微調整して、分類と応答の精度を向上させます。

免責事項

顧客データ処理に AI モデルを使用する場合は、すべてのデータ プライバシー規制への準拠を確保します。