Zendesk 利用 AWS 上的深度学习来提供更快的客户服务

尽快答复客户

Zendesk 提供软件即服务 (SaaS) 客户支持平台,始终致力于为客户打造全新的更佳解决方案。Zendesk 需要应对不断增长的趋势:客户希望自己快速找到问题的答案,而无需与支持代理交谈。“我们希望尽快为客户提供更具相关性的答案,并希望推进自助式客户支持模型的开发,”Zendesk 的数据科学家 Soon-Ee Cheah 说。在线零售商和其他大型企业使用 Zendesk 提供出色的客户支持。

Zendesk 通过深度学习(一种日益流行的人工智能 (AI) 分支)来应对这一挑战。深度学习框架使用以人脑为模型的神经网络,使计算机能够根据所输入的数据独立学习,并在几乎没有监督的情况下执行任务。

Zendesk 最近的深度学习项目是 Answer Bot,这是使用 Zendesk Guide 知识库中的内容自动回答客户的问题的虚拟客户助理。例如,如果客户向鞋类零售商发送电子邮件,要求帮助查找尺码,Answer Bot 会向该客户发送有关可用尺码的相关文章。“对于 Answer Bot,我们赞同这样的观点:深度学习模型可以帮助应用程序不断进行自我优化,从而为客户提供最佳答案,”Cheah 说。Answer Bot 帮助引导这项工作的开展,为包括 Dollar Shave Club 在内的数百家公司提供以会员为中心的体验。“Answer Bot 非常适合我们为会员提供一种简单的方式来找到他们需要的答案,”Dollar Shave Club 会员服务分析经理 Brian Crumpley 说。“这绝不是阻止会员与我们联系,而是为会员提供正确的知识并更快地给予他们回应,这是一种双赢方式。”

使用 AWS 上的 TensorFlow 获得更佳答案

Zendesk 依靠 TensorFlow(一种用于机器学习的开源软件库)来开发其深度学习应用程序。随着 Zendesk 准备创建 Answer Bot,它需要一种能够实现快速开发和轻松扩展的底层技术。“训练算法需要花费大量时间,我们真的希望加快这一过程,以便更快地为客户提供新的解决方案,”Cheah 说。“我们知道云可以帮助我们实现这一点。”

该公司已经在 Amazon Web Services (AWS) 云上运行其主要平台和内部数据记录应用程序,并且知道 AWS 也是深度学习的正确选择。使用 TensorFlow 的开发人员可以通过启动 AWS GPU 实例在 AWS 上运行环境。“我们已经在整个公司内部建立了 AWS 基础,并且 TensorFlow 捆绑在 AWS GPU 实例中这一事实非常适合我们的需求,”Zendesk 的数据科学家 Arwen Griffioen 说。

Zendesk 使用 Amazon Simple Storage Service (Amazon S3) 存储用于训练模型的初始化文件。此外,该公司还利用 Amazon Elastic Compute Cloud (Amazon EC2) P2 实例来实现基于 GPU 的并行计算功能。“Amazon EC2 P2 实例具备非常强大的功能,使用这些实例确实有助于提高我们的搜索能力,”Cheah 说。Zendesk 还使用 Amazon Aurora 关系数据库引擎来捕获对知识中心文章所做的更改,这些文章将几乎实时地传输回 Answer Bot 训练模型。

“我们使用深度学习算法来执行将客户查询与相关文章进行匹配的过程,”Cheah 说。

此外,该公司很高兴能够使用新发布的 Amazon SageMaker,这是一项完全托管的服务,可以帮助开发人员和数据科学家快速轻松地构建、训练和部署任何规模的机器学习模型。

“我们对最近发布的 Amazon SageMaker 感到非常兴奋,”Zendesk 的战略技术总监 David Bernstein 说。“Amazon SageMaker 能帮助我们降低使用机器学习的成本,并提高其速度。借助 Amazon SageMaker,我们可以从现有的自主管理 TensorFlow 部署过渡到完全托管服务。Amazon SageMaker 还使我们能够更轻松地获取其他热门的深度学习框架,同时通过管理基础设施来编写、训练和服务我们的模型。”

“因为 Answer Bot 可以在几秒内直接将答案回复给客户,所以可以在支持票证到达代理之前予以解决。这确实可以改变客户服务体验。”

Soon-Ee Cheah
数据科学家
Zendesk

“因为 Answer Bot 可以在几秒内直接将答案回复给客户,所以可以在支持票证到达代理之前予以解决。这确实可以改变客户服务体验。”

Soon-Ee Cheah
数据科学家
Zendesk


通过更快的深度学习建模加速开发

Zendesk 利用 AWS 轻松获取用于训练深度学习算法的大型数据集。因此,Zendesk 可以在非常短的时间内构建 Answer Bot,比使用本地解决方案所需的时间更短。“我们现有的预测建模堆栈已经在 AWS 云上运行,这使得在 AWS 上开发 Answer Bot 变得更快,”Zendesk 的数据工程师 Wai Chee Yau 说。“我们利用 AWS 的灵活性快速添加所需的 GPU 和 CPU,而不是购买和安装我们自己的硬件。”

借助 AWS,Zendesk 数据科学家可以提高研究速度。“AWS 让我们能够同时尝试许多种想法,有助于我们更快地开展研究,”Griffioen 说。“我们可以根据需要快速启动 Amazon EC2 实例,并在这些实例上执行不同的模型排列,而无需等待。如果没有这种能力,我们将无法开发 Answer Bot。”

该公司现在超越了客户对新的和创新的客户服务解决方案的期望。“AWS 使我们能够开发和提供客户以前没有的功能,”Cheah 说。“例如,通过 Answer Bot,我们的客户可以自动为其客户的问题提供更有针对性的准确答案。因为 Answer Bot 可以在几秒内直接将答案回复给客户,所以可以在支持票证到达代理之前予以解决。这确实可以改变客户服务体验。”

Zendesk 现在可以按需扩展其深度学习开发环境,以满足开发人员对更多计算或存储资源的需求。“我们可以使用 AWS 上的 GPU 处理能力非常有效地扩展我们的深度学习模型,这将有利于我们发展应用程序以容纳更多客户,”Cheah 说。“AWS 是一个强大的深度学习构思平台,我们用它来进行大部分研究,”Griffioen 补充道。“我们从 AWS 获得的灵活性和强大功能帮助 Zendesk 在客户服务领域跻身深度学习技术前沿。我们不只是创建不同的方法,借助 AWS,我们正在发明新的算法方法。“

Convoy 通过使用 AI 技术来优化货车运输流程

了解更多 »

Capital One 利用机器学习更好地保护客户免遭欺诈

了解更多 »

Coinbase 使用 ML 创建安全的加密货币交易

了解更多 »

T-Mobile 使用机器学习实现人性化客户服务

了解更多 »