การจัดประเภทเจตนา: มันคืออะไร & ใช้งานอย่างไรพร้อมตัวอย่าง

เนื่องจากการแข่งขันที่เพิ่มขึ้น ลูกค้าจึงมีทางเลือกมากกว่าที่เคย การให้บริการลูกค้าคุณภาพสูงเป็นหนึ่งในสิ่งสำคัญที่บริษัทสามารถทำได้เพื่อรักษาความสามารถในการแข่งขัน แนวคิดจากการเข้าใจภาษาธรรมชาติใช้ในการจำแนกประเภทเจตนา (NLU- การเข้าใจภาษาธรรมชาติ) การศึกษาแสดงให้เห็นว่า:

• หนึ่งในสามของผู้บริโภคจะละทิ้งแบรนด์อันเป็นที่รักหลังจากเผชิญหน้าเชิงลบเพียงครั้งเดียว
• หลังจากการพบปะที่ดี 70% ของผู้บริโภคแนะนำแบรนด์ให้เพื่อน

เป้าหมายของการทำความเข้าใจภาษาธรรมชาติ (NLU) ซึ่งเป็นสาขาหนึ่งของการประมวลผลภาษาธรรมชาติ (NLP) คือการปรับปรุงความเข้าใจในการอ่านด้วยเครื่องโดยการตรวจสอบไวยากรณ์และบริบทของคำ ธุรกิจอาจเข้าใจลูกค้าของตนได้ดีขึ้นและปรับปรุงประสบการณ์ของลูกค้าโดยใช้เทคโนโลยี AI ในการดูแลลูกค้า เช่น แชทบอทและการปรับเปลี่ยนในแบบของคุณ

บล็อกนี้จะอธิบายการจำแนกประเภทเจตนาและวิธีการที่ใช้พร้อมตัวอย่าง

การจำแนกประเภทเจตนาคืออะไร?

การจำแนกตามเจตนาจะจัดกลุ่มวลีตามความหมาย ความหมายแสดงสิ่งที่ผู้พูดต้องการจะพูด คุณสามารถใช้ Intent ของระบบเริ่มต้นในแอปของคุณ หรือสร้าง Intent แบบกำหนดเองสำหรับงานเฉพาะ (นักพัฒนาส่วนใหญ่สร้าง Intent แบบกำหนดเองสำหรับแอพ )

ตัวอย่างเช่น การทักทาย ข้อตกลง ความขัดแย้ง การโอนเงิน คำสั่งรถแท็กซี่ หรือสิ่งอื่น ๆ ที่คุณอาจต้องการอาจจัดเป็นหมวดหมู่เจตนาที่แตกต่างกัน

โมเดลจะจัดเรียงแต่ละวลีออกเป็นสามกลุ่ม: เดี่ยว หลายรายการ หรือไม่มีเลย

ในการสร้างแบบจำลองสำหรับการจำแนกประเภทความตั้งใจ คุณต้องกำหนดตัวอย่างการฝึกในส่วนความตั้งใจของไฟล์ คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับวิธีการทำได้โดยอ่านเอกสารประกอบ อย่าลืมเชื่อมโยงไฟล์ชุดข้อมูลกับแอปพลิเคชัน นอกจากนี้ โปรดทราบว่า Intent ที่กำหนดเองสามารถทำงานร่วมกับ Intent ของระบบได้ในเวลาเดียวกัน

วิธีใช้การจำแนกประเภทความตั้งใจพร้อมตัวอย่าง

การเชื่อมโยงคำหรือประโยคที่มีเจตนาเฉพาะโดยอัตโนมัติทำได้โดยการจำแนกประเภทความตั้งใจ ซึ่งรวมการเรียนรู้ของเครื่องและการประมวลผลภาษาธรรมชาติ ตัวอย่างเช่น โมเดลการเรียนรู้ของเครื่องสามารถค้นพบว่าวลีเช่น "ซื้อ" หรือ "ได้รับ" มักเชื่อมโยงกับความตั้งใจที่จะซื้อ

แต่ก่อนอื่น จำเป็นต้องมีตัวอย่างข้อความ ซึ่งมักเรียกว่าข้อมูลการฝึกอบรม เพื่อฝึกตัวแยกประเภทเจตนา เมื่อตรวจสอบอีเมลของลูกค้า คุณสามารถเลือกแท็กต่างๆ เช่น:

• สนใจ
• ต้องการข้อมูล
• ยกเลิกการสมัคร
• ผิดคน
• ตีกลับอีเมล
• ตอบกลับอัตโนมัติ ฯลฯ

เมื่อแท็กของคุณได้รับการตั้งค่าแล้ว คุณสามารถเริ่มใช้ตัวอย่างข้อความที่เกี่ยวข้องสำหรับแต่ละแท็กเพื่อฝึกตัวแยกประเภทความตั้งใจของคุณ

ตัวอย่างเช่น: “ฉันพยายามที่จะซื้ออะไรก็ตามหลังจากที่เห็นมันบนเว็บไซต์ แต่ฉันไม่แน่ใจว่าจะเริ่มต้นอย่างไร ช่วยฉันหน่อยได้ไหม” คุณสามารถตั้งค่าสถานะอีเมลนี้ว่าน่าสนใจได้หากต้องการ

ยิ่งคุณยกตัวอย่างมากเท่าไหร่ ตัวแยกประเภทเจตนาของคุณก็จะยิ่งฉลาดมากขึ้นเท่านั้น เพราะโมเดลจะมีข้อมูลให้เรียนรู้มากขึ้น

การตรวจจับเจตนาสามารถปรับปรุงได้โดยการรวมเข้ากับการแยกข้อความเพื่อค้นหาข้อมูลเฉพาะในข้อความ เช่น วันที่ สถานที่ ชื่อบริษัท และสิ่งอื่น ๆ ที่เชื่อมโยงกับความตั้งใจของผู้ใช้

ตัวอย่างเช่น หากคุณได้รับข้อความว่า "ฉันต้องการจองเที่ยวบินจากแคนาดาไปสหรัฐอเมริกา แต่บัตรของฉันถูกปฏิเสธ" ตัวแยกประเภทเจตนาจะจัดว่าเป็นความตั้งใจในการจองเที่ยวบิน ตัวแยกข้อความจะดึงเอนทิตี "แคนาดา" และ "สหรัฐอเมริกา" ออกมา

ประโยชน์ของการจำแนกเจตนา

ธุรกิจสามารถมีลูกค้าเป็นศูนย์กลางมากขึ้นโดยจำแนกความตั้งใจของลูกค้า โดยเฉพาะอย่างยิ่งในด้านการขายและการบริการลูกค้า การจัดประเภทความตั้งใจมีความสำคัญสำหรับงานหลายอย่าง รวมถึงการตอบสนองต่อลูกค้าเป้าหมายได้รวดเร็วขึ้น การจัดการข้อสงสัย และการให้บริการเฉพาะบุคคล

ต่อไปนี้คือประโยชน์บางประการโดยละเอียดยิ่งขึ้น:

• ใช้ทุกโอกาสในการขาย

การตรวจจับความตั้งใจในการซื้อโดยอัตโนมัติมีความสำคัญต่อการขายและการบริการลูกค้า เนื่องจากช่วยให้องค์กรดำเนินการได้อย่างรวดเร็วและเปลี่ยนโอกาสในการขายเป็นลูกค้าที่ชำระเงิน ยิ่งทีมตอบสนองต่อความตั้งใจในการซื้อได้เร็วเท่าไร โอกาสในการปิดสัญญาก็ยิ่งมากขึ้นเท่านั้น

ลูกค้าบางรายต้องการคำตอบภายใน 6 ชั่วโมง สมมติว่าผู้ใช้ Facebook ขอความพร้อมของผลิตภัณฑ์ ด้วยตัวแยกประเภทความตั้งใจ คุณสามารถระบุลูกค้าที่สนใจได้อย่างรวดเร็วและติดต่อพวกเขาเพื่อเพิ่มยอดขาย

• ปรับขนาดเมื่อคุณขยาย

แม้ว่าบริษัทจะถูกโจมตีด้วยข้อมูล แต่ตัวแยกประเภทเจตนาสามารถระบุผู้มีโอกาสเป็นลูกค้าและสอบถามไปยังพนักงานขายได้ เครื่องจักรทำงานเร็วกว่ามนุษย์ ไม่หยุดและไม่เมื่อย ดังนั้นจึงไม่พลาดการขาย

• มาตรฐานที่เชื่อถือได้

เครื่องมักใช้การตั้งค่าและเกณฑ์เดียวกันในการประมวลผลข้อมูล ความสม่ำเสมอในการวัดผลทำให้แน่ใจได้ว่าความตั้งใจของผู้บริโภคทั้งหมดได้รับการตรวจสอบภายใต้มาตรฐาน โปรโตคอล และอัลกอริธึมเดียวกัน ช่วยลดข้อผิดพลาดและเพิ่มความถูกต้องของข้อมูล

• เพิ่มการแปลงการขาย

การเปิดตัวแคมเปญการตลาดและรับการโต้ตอบกับลูกค้าอาจใช้ตัวแยกประเภทความตั้งใจเพื่อระบุผู้ซื้อที่มีความตั้งใจสูงและมีส่วนร่วมทันที ดังนั้นอัตราการแปลงของคุณจึงทะลุหลังคา

• การวิเคราะห์แคมเปญการขาย

ด้วยความตั้งใจที่ชัดเจนที่รับรู้โดยอัตโนมัติในกิจกรรมการขายและการตลาดของคุณ คุณสามารถสร้างรายงานได้อย่างรวดเร็วโดยอิงจากข้อมูลที่ถูกต้องเกี่ยวกับอัตราการแปลง ลูกค้าที่สนใจ เพิ่มยอดขายผู้มีโอกาสเป็นลูกค้า และอื่นๆ

บทสรุป

การจัดประเภทเจตนาสามารถเป็นเพื่อนที่ดีที่สุดของคุณได้หากคุณต้องการเปลี่ยนโอกาสในการขายเป็นลูกค้า การใช้ AI เพื่อประโยชน์ของคุณ คุณสามารถดูการโต้ตอบมากมายระหว่างผู้ใช้และผู้มีโอกาสเป็นลูกค้า และค้นหาว่าแต่ละรายการเกี่ยวกับอะไรโดยอัตโนมัติ

ทันทีที่คุณทำให้งานนี้เป็นแบบอัตโนมัติ คุณสามารถดำเนินการและติดต่อกับลีดที่ผ่านการรับรองได้ทันที หากคุณต้องการดูว่าการจัดประเภทความตั้งใจสามารถช่วยคุณจัดเรียงข้อมูลลูกค้าได้อย่างไร คุณสามารถขอการสาธิต และทีมงานของเราจะช่วยคุณเริ่มต้น

QuestionPro เป็นทางเลือกที่ยอดเยี่ยมหากคุณต้องการมากกว่าซอฟต์แวร์สำรวจทั่วไป พวกเขาจะได้รับแบบสอบถามของคุณ เพื่อให้คุณเริ่มรวบรวมข้อมูลได้ คุณสามารถค้นหาแหล่งข้อมูลทั้งหมดที่คุณต้องการสำหรับการวิจัยใน QuestionPro

เรียนรู้เพิ่มเติม ทดลองใช้ฟรี