Di quali parti si compone un chatbot?
Come funzionano insieme?
Come si costruisce un chatbot dalle fondamenta?
Philip Schönholzer di Botfabik può rispondere a questa domanda.

Innanzitutto, i componenti di un chatbot

Cliente

Il client è responsabile dell’invio e della ricezione dei messaggi dal punto di vista dell’utente. Questo è anche l’unico componente di un chatbot che gli utenti vedono.

Alcuni chatbot utilizzano come client le piattaforme di messaggistica esistenti, come Facebook Messenger, WhatsApp o Slack. Questo è interessante per vari motivi. Da un lato, gli utenti possono utilizzare un canale conosciuto. In secondo luogo, questo è l’unico modo in cui il chatbot può iniziare la conversazione.

In altri casi, viene utilizzato un client dedicato. Ciò significa che il client è stato sviluppato per il chatbot o fa parte del chatbot. Di solito questo avviene quando il chatbot deve essere integrato in un sito web.

In entrambi i casi, il client ha lo stesso compito: permette all’utente di scrivere o parlare un testo. Questo testo viene inviato a un server. Il server invia quindi al client il testo più appropriato possibile, che il client visualizza.

Motore per chatbot

Il motore del chatbot è il fulcro di un chatbot. Il motore del chatbot ha i seguenti compiti:

Invia e ricevi messaggi. Il motore riceve messaggi da e invia messaggi al client. Un buon motore è in grado di comunicare con diversi client (contemporaneamente).
Messaggi di processo. Il motore viene utilizzato per decidere cosa fare con un messaggio e come rispondere. Un motore spesso richiede anche altri componenti, come l’elaborazione del linguaggio.
Gestisci le riunioni. Il motore deve garantire che gli utenti giusti ricevano le risposte giuste o che vengano eseguite le azioni desiderate. In alcuni casi, il motore deve anche identificare l’utente per poter reagire correttamente o eventualmente non consentire alcune azioni.
Ricorda il contesto. Un buon chatbot non risponde sempre allo stesso modo, a seconda del contesto. Se, ad esempio, il chatbot ha già appreso durante la conversazione che l’utente è interessato all’apprendistato in informatica, può assumere immediatamente il contesto dell’apprendistato in informatica e rispondere di conseguenza alla successiva domanda “Quali sono i requisiti?”. In alcuni casi, questi compiti vengono svolti anche da un componente NLP (vedi sotto).
Mediazione di chat dal vivo. Se una persona deve rispondere al chatbot (live chat), il motore del chatbot deve coordinare questo aspetto. Da un lato, il motore deve garantire il passaggio di consegne dalla macchina all’uomo e quindi la comunicazione tra i client. D’altra parte, il motore deve ricordare lo stato della live chat per ogni utente per poter elaborare correttamente i messaggi.
Integrazione nei sistemi periferici

I buoni chatbot non si limitano a dare risposte statiche, ma possono anche fornire informazioni aggiornate. Un esempio classico è il meteo. Affinché il chatbot sia in grado di dire che tempo farà domani, deve richiedere un servizio meteo. I chatbot che vengono visualizzati sui siti web aziendali possono ottenere informazioni molto diverse dai sistemi periferici o scrivere: stato di un ordine, reset della password, acquisto di articoli, ecc. Nella maggior parte dei casi, questa integrazione viene programmata manualmente. Tuttavia, le integrazioni che si verificano più frequentemente (come l’invio di un’e-mail) devono essere solo configurate.

PNL

NLP è l’acronimo di Natural Language Processing (elaborazione del linguaggio naturale). A volte questo viene descritto anche come NLU (Natural Language Understanding). In pratica si tratta di assegnare dei messaggi a un’intenzione. Queste intenzioni vengono registrate in anticipo e corredate di frasi formative e, in alcuni casi, di risposte. Ad esempio, se un utente scrive “Vorrei una pizza”, un componente NLP ben addestrato interpreta questo testo come “Intenzione: ordina una pizza; risposta: ne vorrei una! Dove devo consegnare la pizza?”.

Oltre al riconoscimento delle intenzioni, la PNL viene utilizzata per altri compiti meno comuni. Si tratta del riconoscimento di entità e, in alcuni casi, del riempimento di slot e dell’elaborazione del contesto. Abbiamo descritto i dettagli nell’articolo Fili di conversazione.

Non tutti i chatbot utilizzano l’NLP. Se il chatbot consente “solo” domande prefabbricate (clickbot), l’NLP non è necessario. L’NLP è necessario solo se gli utenti possono inserire il testo liberamente.

CMS

Come per i siti web, ha senso gestire i contenuti del chatbot in un CMS (sistema di gestione dei contenuti). Il CMS contiene tutte le intenzioni, le frasi di formazione, le risposte e, in alcuni casi, le azioni del chatbot.

Spesso i contenuti non vengono gestiti in un CMS, ma direttamente in uno strumento di chatbot o in un componente NLP. Tuttavia, la gestione dei contenuti in un CMS presenta molti vantaggi, ed è per questo che privilegiamo l’uso di un CMS: poiché è molto facile da usare e i dati sono sicuri, i contenuti possono essere gestiti direttamente dai dipendenti del reparto specializzato (ad esempio l’assistenza). Inoltre, i dati possono essere conservati indipendentemente dallo strumento chatbot o dal componente NLP, il che significa che mantieni il controllo sui contenuti e puoi cambiare strumento in qualsiasi momento.

Analitica

Con gli analytics, il fornitore di un chatbot è in grado di capire come viene utilizzato il chatbot. Quante persone utilizzano il chatbot, per quanto tempo e per quale scopo? In questo modo, il chatbot può essere continuamente migliorato o l’offerta può essere personalizzata. Esistono diverse opzioni per l’analisi. Da un lato, molti strumenti NLP forniscono automaticamente le cifre chiave più importanti come il numero di utenti, le intenzioni più frequenti e i punti di uscita speciali in cui gli utenti abbandonano il chatbot. È possibile integrare anche strumenti esistenti come dashbot.io. Se gli strumenti esistenti non forniscono i dati desiderati, noi di Botfabrik sviluppiamo anche dashboard specifici per i progetti di analisi. Questo significa che praticamente tutti i desideri possono essere esauditi.

E puoi scoprire come tutto è stato messo insieme qui nel post completo di Philip Schönholzer.

Dopo aver letto l’intero articolo, ti renderai subito conto che l’implementazione tecnica da sola non è sufficiente: è necessario anche un buon concetto. A questo scopo ho sviluppato il chatbot canvas. Puoi leggere qui come si presenta e a cosa serve.

Se hai altre domande sui chatbot, non esitare a contattarmi.
Clicca qui per andare alla mia pagina di contatto.