Як налаштувати автокатегоризацію запитів клієнта?

⚠️ Застереження: Ця інструкція описує використання старого модуля Fast Line через action fastline_search. Цей підхід не рекомендується для нових проєктів. Для нових впроваджень використовуйте модуль FastLinePro з AI-агентами та сучасними можливостями категоризації.

Коли клієнти звертаються з різними питаннями, важливо швидко зрозуміти суть звернення та направити його до відповідального оператора або відділу. Ця інструкція допоможе налаштувати автоматичне визначення категорії запиту клієнта через action fastline_search (старий модуль Fast Line).

Коли знадобиться

Це рішення підходить тільки якщо:

  • У вас вже налаштований старий модуль Fast Line і потрібна підтримка існуючої функціональності.
  • Ви працюєте з legacy-проєктом, де Fast Line вже використовується.

Для нових проєктів використовуйте FastLinePro з AI-агентами та автоматичною категоризацією через машинне навчання.

Що важливо знати

  • fastline_search — action (дія), яка шукає найкращий збіг категорії за запитом користувача в базі з підготовленими питаннями та категоріями.
  • fastline_search_request — константа, в якій зберігається текст запиту для пошуку. Якщо порожня, береться останнє повідомлення користувача.
  • subject_alias — alias (псевдонім) тематики звернення, який використовується для маршрутизації до відповідного оператора.
  • subject_info.slug — slug (короткий ідентифікатор) категорії, який зберігається після визначення теми.
  • fastline_completion — action для валідації та пост-валідації результатів категоризації через AI.

Перед початком

  • Ви увійшли в систему з правами інтегратора або адміністратора.
  • У системі завантажені питання з категоріями в базу Fast Line.
  • Згенеровані варіації питань для кращого розпізнавання категорій.
  • У вас є доступ до конструктора сценаріїв.
  • У системі налаштовані категорії звернень (наприклад: зв'язок з лікарем, запис до клініки, відшкодування, скарги).

Покрокова інструкція

Крок 1: Підготовка категорій звернень

  1. Створіть список категорій звернень з унікальними slug (короткими ідентифікаторами) та описами українською мовою.

Приклад категорій:

SlugНазва і опис
doctor_communicationЗв'язок з лікарем-координатором
ordering_medicinesОрганізувати подальше лікування
making_appointmentsЗапис до клініки
refundsВідшкодування самостійно сплачених коштів
meetings_clarificationsУточнення статусу організації послуг
complaintsСкарги. Коли користувач незадоволений роботою
  1. Завантажте підготовані категорії в систему Fast Line.
  2. Згенеруйте варіації питань для кожної категорії, щоб система краще розпізнавала запити. Це можна зробити через AI або вручну.

Крок 2: Створення дії fastline_search в сценарії

  1. У конструкторі сценаріїв додайте блок "Дія" (Action) після отримання повідомлення від користувача.
  2. У налаштуваннях блоку "Дія" оберіть функцію fastline_search.
  3. У полі конфігурації (JSON) вкажіть параметри:
{
  "category": "subjects",
  "limit": 1
}

Де category - це категорія для пошуку (наприклад, "subjects" для тем звернень), а limit - максимальна кількість результатів (1 = найкращий збіг).

Крок 3: Отримання інформації про тематику звернення

  1. Додайте блок "Дія" з функцією set після дії fastline_search:
{
  "subjects:slug": "{{fastline_search_best_result}}"
}

Це збереже знайдений slug категорії з результату пошуку.

  1. Додайте ще одну дію custom_modules__get для отримання повної інформації про категорію:
{
  "module_name": "subjects",
  "set_to": "subject_info"
}

Це завантажить всю інформацію про тематику (включаючи alias) в змінну subject_info.

Крок 4: Валідація результату через AI (опціонально)

Якщо потрібна додаткова AI-перевірка визначеної категорії, додайте дію fastline_completion:

{
  "model": "gpt-4o",
  "temperature": 0.2,
  "prompt": "Ти працюєш зі зверненнями до медичної страхової компанії. Твоя задача валідувати тематики звернень від користувачів. Ти будеш отримувати повідомлення від користувачів і визначену тематику. Якщо тематика повністю відповідає зверненню, напиши \"Так\", якщо не відповідає, напиши \"Ні\".\nПитання: {{raw_question}}\nТематика: {{subject_info.slug}} - {{subject_info.name}}"
}

Де:

  • model - модель AI для валідації (gpt-4o або інша)
  • temperature - рівень "креативності" відповіді (0.2 = більш передбачувано)
  • prompt - інструкція для AI з вашим контекстом та змінними

AI перевірить чи відповідає визначена тематика запиту користувача та поверне "Так" або "Ні". Після цього можна додати умову для повторного визначення категорії, якщо AI відповість "Ні".

Крок 5: Підключення категорії в конекті до оператора

  1. Додайте блок "Дія" для підключення користувача до оператора (action operator_panel_connect_to_operator).
  2. У налаштуваннях дії вкажіть subject_alias як параметр для маршрутизації:
{
  "subject_alias": "{{subject_info.slug}}",
  "chat_closed_alias": "begin",
  "chat_closed_by_timeout_alias": "begin",
  "history_count": 10,
  "auto_connect_operator": true
}

Приклад реалізації

Детальний приклад: сценарій проєкту "Універсальна" з готовими промптами та алгоритмом.

Що відбувається після

Після налаштування автокатегоризації система автоматично:

  1. Приймає повідомлення від клієнта.
  2. Шукає найбільш підходящу категорію в базі Fast Line.
  3. Визначає slug та alias категорії.
  4. За потреби перевіряє правильність визначення через AI.
  5. Направляє звернення до відповідного оператора або відділу.

Як переконатися, що все вдалось

  • Протестуйте сценарій з різними типами запитів від клієнтів.
  • Перевірте, що категорія визначається правильно для кожного типу звернення.
  • Переконайтеся, що змінна subject_info.slug заповнюється після дії fastline_search.
  • Перевірте, що alias категорії передається в блок підключення до оператора.
  • Подивіться статистику звернень по категоріях — вони мають відповідати реальним темам запитів.

Пов'язані матеріали