고객지원 티켓 분류 및 대응 시스템 (ClassifyXR.ai)
개요
고객 지원 티켓 분류 및 응답 시스템은 고객 서비스 경험을 자동화하고 향상시키기 위해 설계된 정교한 도구입니다. 이 시스템은 고급 AI 모델과 RAG(Retrieval-Augmented Generation) 기술을 통합하여 티켓을 분류하고, 긴급성을 평가하고, 고객 감정을 평가하고, 주요 정보를 추출합니다. 관련 지식 기반 문서를 검색하여 상황에 맞게 정확하고 공감적인 응답을 제공하고 생성합니다. 다중 모델 AI 통합, 병렬 처리 및 포괄적인 지식 기반 활용을 활용하여 이 시스템은 지원 팀의 응답 시간, 고객 만족도 및 운영 효율성을 크게 향상시킵니다.
특징
- 다중 모델 AI 통합 : LLaMA 3.1, Mistral 및 Gemma:7B-Instruct를 포함한 여러 오픈 소스 모델을 활용하여 고객 지원 티켓을 처리하고 분류합니다. 시스템은 신뢰도 점수를 기준으로 가장 정확한 응답을 선택합니다.
- 병렬 처리 :
ThreadPoolExecutor 사용하여 병렬 처리를 구현하여 시스템이 여러 모델을 동시에 실행할 수 있도록 합니다. 이를 통해 고품질의 정확한 결과를 유지하면서 응답 시간을 단축할 수 있습니다. - 기술 자료 통합 : PDF, DOCX, TXT 및 JSON 파일을 포함하여 기술 자료에서 문서 로드 및 처리를 지원합니다. 고객문의에 따른 관련정보를 빠르고 정확하게 검색하기 위해 FAISS 벡터 데이터베이스를 활용합니다.
- RAG(Retrieval-Augmented Generation) : MMR(Maximum Marginal Relevance)을 사용하여 지식 베이스에서 가장 관련성이 높은 문서를 검색하여 응답 생성을 향상합니다. 검색된 정보는 생성 모델에 통합되어 상황에 맞게 정확하고 유익한 응답을 생성합니다.
- 상황 인식 응답 : 고객 통찰력, 이전 커뮤니케이션 기록, 지식 기반에서 검색된 특정 정보를 바탕으로 풍부한 응답을 생성합니다. 응답이 공감적이고 관련성이 높으며 고객 요구 사항에 부합하는지 확인합니다.
- 사용자 정의 가능한 비즈니스 컨텍스트 : 특정 비즈니스 컨텍스트에 맞게 응답을 조정하고 관련 비즈니스 정보를 응답 생성에 동적으로 통합합니다. 주문, 계정, 기술 문제, 청구 등과 같은 다양한 티켓 카테고리를 지원합니다.
- 감정 및 긴급성 감지 : 티켓의 감정(예: 좌절감, 분노) 및 긴급성을 자동으로 감지하여 필요할 때 지원 상담원이 직접 검토할 수 있도록 영향이 큰 티켓에 우선순위를 둡니다.
- 구조화된 응답 : 사전 정의된 JSON 스키마에 따라 응답이 구조화되어 고객 지원 팀에 명확하고 실행 가능한 통찰력을 제공합니다.
- 기능 요청 처리 : 지식 기반에서 관련 제품 정보를 검색하여 기능 요청을 관리하고 고객의 요구 사항을 충족할 수 있는 기존 기능을 안내합니다.
- 고객 통찰력 통합 : 인구 통계, 선호도, 위치를 포함한 고객 통찰력을 티켓 분류 및 응답 프로세스에 통합하여 지원 경험을 개인화합니다.
- 이전 커뮤니케이션 이력 활용 : 이전 커뮤니케이션 이력을 검색하고 통합하여 상황에 맞게 정확하고 일관된 응답을 제공하여 전반적인 고객 지원 경험을 향상시킵니다.
용법
- 지원 티켓을 문자열로 정의하세요.
-
classify_and_response 함수를 사용하여 구조화된 분류 데이터를 얻고 상황에 맞게 보강된 응답을 생성합니다. - 시스템은 지식 기반에서 관련 문서를 자동으로 검색하여 응답 생성을 알립니다.
설치
전제 조건
- 파이썬 3.7 이상
- 가상 환경 관리자(
venv )
설정
프로젝트 환경을 설정하고 종속성을 설치하려면 다음 단계를 따르세요.
저장소 복제 :
git clone https://github.com/prdepyadv/classifyxr.ai.git
프로젝트 디렉토리로 이동합니다 .
가상 환경 생성 :
. . v env S cripts A ctivate.ps1 # (For Windows)
or
. venv/bin/activate # (For Linux or MacOS) 프로젝트 종속성 설치 :
pip install -r requirements.txt
비밀 토큰 생성(선택 사항) :
python -c ' import secrets; print(secrets.token_hex()) '
환경 변수 복사 :
환경 변수 구성 : .env 파일을 편집하여 설정에 따라 필요한 환경 변수를 설정합니다.
애플리케이션 실행
Flask 애플리케이션을 시작하려면 다음 명령을 사용하십시오.
기여 및 사용자 정의
- 비즈니스 컨텍스트에 더 잘 맞도록 business_context 및 system_prompt를 조정하세요.
- 성능 향상을 위해 다양한 AI 모델이나 임베딩을 실험해 보세요.
- 지식 기반을 기반으로 검색을 최적화하려면 벡터 데이터베이스(예: FAISS) 설정을 사용자 정의하세요.
- 분류 및 응답 정확도를 향상시키기 위해 훈련할 특정 티켓 데이터가 있는 경우 모델을 미세 조정하세요.
부인 성명
고객 데이터 처리를 위해 AI 모델을 사용할 때 모든 데이터 개인 정보 보호 규정을 준수해야 합니다.
