SmartRobot x 台灣高鐵｜Messenger智慧購票30秒幫你完成高鐵訂票
當用戶希望透過對話式商務解決問題時，你的聊天機器人夠聰明能理解用戶的問題嗎？你的聊天機器人準備好服務用戶了嗎？
首先～讓我先簡單說明一下，想建立一個大家覺得＂還不錯聰明的聊天機器人＂，通常這聊天機器人身上會被賦予了多少用戶的期(幻)待(想)？
用戶1：機器人要可以知道我在講什麼
用戶2：機器人要可以解決我的問題
用戶3：機器人要有學習能力可以舉一反三
用戶4：機器人不要反覆問我已經問過的問題或答案嗯，一句話總結一下上述幾個常見的期(幻)待(想)大概就是：「一個聰明的聊天機器人要有聽懂人類語言然後給予相對應回應的能力。」
什麼才叫「聽懂」？
在人工智慧AI的世界裡，我們可以拆解成兩個做法
1.建立機器人回應規則(Rule-Based)
訓練機器人在看到固定的詞彙/句型後，給予機器人已學習到的回應。這方式在台灣的ChatBot市場上已經非常的普及與成熟，常見的小型平台商提供機器人運用設定好的關鍵字給予用戶回應，中大型的開發商則進一步提供機器人可學習我們準備的多種問句規則後給予回應
這樣的回應規則解決基本的問答需求．例如：
💡 知識一：聽到［最新活動、折扣、週年慶］就提供［商品優惠資訊］
💡 知識二：聽到［壞掉、退貨、不適用］就提供［退換貨資訊］但是，中文的博大精深，我們其實是很難完整列完所有相似的詞彙/句型，所以若你的機器人服務範疇非常廣，知識庫非常多題目的時候，讓機器人學習理解詞彙、判斷句型中的關聯性，才會是更可行的方法。
2.自然語言理解NLU (Natural Language Understanding)
讓機器人在大量詞彙與句型中，探索出他們的實際含意與關聯性，我們就必須靠NLU技術中的意圖和實體(Intent-Entity)來賦予機器人理解能力，依據Intent-Entity結果設計不同的回答，接著在依據對話脈絡處理(Context)來賦予機器人判斷對話關聯性的能力，讓對話服務可以更完整。
什麼是「Intent意圖？」
就是能判斷與理解用戶所說的那句話背後的「真正需求」或是「動機」
⭐例如： 下周三晚上八點還有兩個位置嗎？這句話用戶真正的動機其實是：「我想訂位」
什麼是「Entity實體？」
就是用戶說的那句話中，提到的「重要資訊」或服務流程裡的「必備項目」
⭐以同樣的例子：下周三晚上八點還有兩個位置嗎？裡面的實體就是找出＂當你打電話到餐廳要訂位時，服務人員一定會問你重要資訊＂，那就是：「日期時間：下周三晚上八點」、「訂位人數：2人」
再來你可能會疑惑🤔除了「日期時間」、「訂位人數」，我還想先知道到底有沒有位置，以及訂位時還會需要訂位大名與電話吧？！
沒錯！會這樣想代表你對實體是真的了解囉！「日期時間」、「訂位狀況」、「訂位人數」、「訂位大名」、「連絡電話」這些都是在我們訂餐廳時所需要提供給餐廳的必備資料
⭐回頭看看上述的例子：「下周三晚上八點還有兩個位置嗎？」機器人透過了意圖，先理解了這句話是用戶「想要訂位」
透過實體，蒐集到用戶想訂位的日期時間與人數，但要完成訂位服務流程，我們還少了要確認「訂位狀況」、「訂位大名」與「連絡電話」
此時機器人就會依據缺少的必要條件，一一的反問用戶問題來獲得答案，完成服務流程
所以【我要訂位】的對話服務流程就會類似這樣：
🙋♀️：下周三晚上八點還有兩個位置嗎？
→訂位需要的實體←
日期時間｜✅
訂位狀況｜✅
訂位人數｜✅
訂位大名｜❓
連絡電話｜❓🤖：好的，您想預定的時間還有位置，請問您的訂位大名？
🙋♀️：曾小姐
→訂位需要的實體←
日期時間｜✅
訂位狀況｜✅
訂位人數｜✅
訂位大名｜✅
連絡電話｜❓🤖：請問您的連絡電話？
🙋♀️：0988–168–588
→訂位需要的實體←
日期時間｜✅
訂位狀況｜✅
訂位人數｜✅
訂位大名｜✅
連絡電話｜✅🤖：好的，已幫曾小姐訂位完成囉！
初步的了解聊天機器人如何變聰明後，我們就用一個真實案例來說明吧！
👏👏👏來賓請掌聲歡迎👏👏👏
台灣高鐵｜Messenger智慧購票服務
高鐵通車12年以來至去年2019年為止，運輸量從4.3萬人次到18萬人次，為了降低客服負擔與增加旅客找到解決問題的管道，SmartRobot提供了Messenger聊天機器人客服以及對話式商務(訂票情境)的服務，讓喜歡使用臉書的旅客，可以透過Messenger詢問機器人票務問題、查詢訂票紀錄，還可以直接在Messenger的對話框輸入訂位需求，機器人就能協助你完成訂票！
以【訂高鐵票】的情境運用來說，要如何完成整個對話情境的設計
我們❗不藏私❗，分享這個應用的建置邏輯給大家
建置流程
在建置整個訂票流程時，除了下圖看到的平台上建置流程外，事前工作包含：系統架構、資安管控、盤點訂票流程、釐清判斷項目、串接T-Express…等一樣都不能馬虎，事前工作準備的越完善越詳細，在建立機器人服務流程時，專案執行者在與工程師溝通的過程中就會更順暢，也能提供更好的用戶體驗
Intent意圖
訂票流程服務，其機器人需要判斷的意圖，無非就是跟訂票內容有直接相關的項目，就包含了底下圖片說明的：起訖站、車次、單程/來回、日期、時間、票種、車種、座位喜好、優惠…等
Entity實體
根據每個訂票所需的條件，列出該條件底下機器人需蒐集的內容，下圖以起訖站、票種、單程/來回、車種四項作為說明
對話情境流程
在機器人NLU設計上建立好Intent意圖與Entity實體後，就可以到SmartRobot平台內的情境功能中去建置【訂票流程】，下圖即為訂票流程的大致樣貌
完成建置👏👏👏我們到Messenger上實際使用看看吧！
首先，跟隨著按鈕步驟訂票，選擇了訂票的服務，接著一個一個的跟著機器人的步驟選你要的訂票條件，順利的獲得訂票資訊與前往訂票🙆♀️
再來，我們用一句話來驗證機器人是否可以判斷我是要訂票，且主動的幫我記錄我已經給他的訂票條件
從上面實際使用的影片中可看到，使用者只表達了：「我想要從台北到嘉義」，機器人即理解用戶是【想訂票】，且已提供了【起站】跟【訖站】，隨即詢問用戶其餘的訂票資訊，且也成功的獲得訂票資訊與前往訂票✌️
同樣的作法，我們在台灣高鐵的【票價查詢】服務中，也設計了相似的流程，讓用戶可用一句話就可以快速地得到票價資訊
上面的影片，用戶詢問了：「台北到台南的票價」，機器人即理解用戶是【想查票價】，且已提供了【起站】跟【訖站】，隨即詢問用戶其餘的想查的票價種類，最後成功的獲得票價資訊🥰
以上，就是這次跟大家分享人工智慧AI世界裡，自然語言理解NLU技術在台灣市場上的實際運用案例，以及Intent-Entity的運用說明
在這次的實作中，台灣高鐵選擇了Messenger當作拓展機器人服務的第一個渠道，當時台灣高鐵行銷資訊課經理黃室鈞與媒體分享了一個重要觀點：「Facebook Chatbot是高鐵行動服務的一部分，能與不同系統間串接。更重要的是，透過對話累積的關鍵字與聊天行為，還能替未來的聲控服務做準備。如果能透過文字對話聊天，一邊建立聲控的基礎建設，當趨勢一來，我們就擁有提供服務的能力了。」
「Facebook Chatbot的使用人數多寡並不是台灣高鐵最在意的事情，而是當旅客希望透過對話式商務解決問題時，台灣高鐵必須準備好這樣的服務。」
— 黃室鈞
在聊天機器人有越來越多應用與不同樣貌的2020年，機器人可以服務廣大用戶的內容也越來越多樣，不管你是哪個產業、專注在哪項服務，只要機器人有機會能幫你減輕作業上的負擔、讓用戶對企業或品牌的體驗加分，那這就會是一個好的機器人應用
今天分享的台灣高鐵訂票機器人服務，若能激發你一些對機器人應用的靈感，歡迎跟我們分享與討論🤗
還想知道更多厲害的應用，請Follow我們的Medium專欄
我們下一篇見👋
SmartRobot+為360度全方位整合AI服務，可以一站完成對話機器人自然語意分析與訓練、意圖對應對話、腳本回應、對話式商務流程編輯、設計行銷活動、用戶貼標精準行銷、查看對話與活動成效分析，更擁有專業機器人訓練師團隊與顧問，協助你打造專屬於你的AI機器人🤖
想多了解SmartRobot+系列產品能在哪些產業上有什麼應用，請Follow我們；想為企業或品牌打造一隻懂聽更懂回的機器人，歡迎與我們聯繫📨
恭喜你也謝謝你用心看完這篇文章，來吧！拍手時間到了👏👏👏- 1~5 Claps for 不錯不錯，感謝分享
- 6~10 Claps for 寫的蠻好，很有FU，期待更多分享
- 11~20 Claps for 收穫滿滿，幫我找到應用靈感了
- 50 Claps for 我是鐵粉，我拍好拍滿碩網資訊官網 / 粉絲專頁
