Zendesk 使用 Deep Learning on AWS 提供更快的客戶服務

加速回答客戶問題的時間

Zendesk 提供軟體即服務 (SaaS) 客戶支援平台,向來致力於為客戶建立更好的新解決方案。Zendesk 必須應對這個日益凸顯的趨勢:客戶希望自己能快速找到答案,而不必聯繫支援專員。Zendesk 資料科學家 Soon-Ee Cheah 說,「我們希望盡快提供客戶更適切的答案,並推動自助客戶支援模式。」線上零售商和其他大型企業等公司,都使用 Zendesk 提供優異的客戶支援。

Zendesk 使用深度學習解決了這個挑戰,深度學習是日益受到歡迎的人工智慧 (AI) 技術分支。深度學習架構使用以人腦為模型的類神經網路,讓電腦能根據饋入的資料獨立學習,並在極少監督的情況下執行任務。

Zendesk 最新的深度學習專案是 Answer Bot,這是一個虛擬客戶助理,能使用 Zendesk Guide 知識庫中的內容,自動回答客戶的問題。舉例來說,如果有個客戶傳送一封電子郵件到一家鞋店尋求協助確認尺寸,那麼 Answer Bot 就會寄出有關可用尺寸的相關文章給客戶。Cheah 表示:「針對 Answer Bot,我們認為深度學習模型可以協助這個應用程式持續自行微調,以盡可能提供最好的答案給客戶。」Answer Bot 已協助負責單位為上百家公司提供會員專屬體驗,其中包括 Dollar Shave Club 公司。Dollar Shave Club 會員服務分析部經理 Brian Crumpley 表示,「Answer Bot 一直是我們的好幫手,協助我們的客戶輕易找到所需的答案。這個工具重點絕不在於阻止會員聯繫我們,而是讓會員具備正確的知識,然後讓他們更快取得答案 — 這是共創雙贏的方式。」

使用 TensorFlow on AWS 取得更好的答案

Zendesk 憑藉 TensorFlow (適用於機器學習的開放原始碼軟體程式庫) 來開發自己的深度學習應用程式。當 Zendesk 準備打造 Answer Bot 時,需要基礎技術來實現快速開發和輕鬆擴展。Cheah 表示:「訓練演算法需要大量時間,我們非常希望能加速這個流程,以便將新的解決方案更快提供給客戶。我們知道雲端可以協助我們達成目標。」

這家公司很早就在 Amazon Web Services (AWS) 雲端上執行自己的主要平台和內部資料記錄應用程式,他們知道 AWS 也是最佳的深度學習產品選擇。使用 TensorFlow 的開發人員可以在 AWS 上藉由啟動 AWS GPU 執行個體來執行環境。Zendesk 資料科學家 Arwen Griffioen 表示:「我們早已在整個公司內有 AWS 基礎,TensorFlow 實際上隨附於 AWS GPU 執行個體,正好符合我們的需求。」

Zendesk 使用 Amazon Simple Storage Service (Amazon S3) 來存放用於訓練模型的初始化檔案。這家公司也利用 Amazon Elastic Compute Cloud (Amazon EC2) P2 執行個體來提供以 GPU 為基礎的平行運算功能。Cheah 表示:「Amazon EC2 P2 執行個體非常強大,使用這些執行個體確實幫助我們加快了研究速度。」Zendesk 也使用 Amazon Aurora 關聯式資料庫引擎來擷取知識中心文章的變更,這些變更會即時饋送回 Answer Bot 訓練模型。

Cheah 表示:「我們使用深度學習演算法來媒合客戶的查詢和文章。」

這家公司也很期待使用最新發佈的 Amazon SageMaker,這是全受管服務,可讓開發人員和資料科學家輕鬆快速地建立、訓練及部署任何規模的機器學習模型。

Zendesk 策略技術總監 David Bernstein 表示:「最近發表的 Amazon SageMaker 讓我們非常興奮,Amazon SageMaker 可降低我們的成本,並提高使用機器學習的速率。我們使用 Amazon SageMaker 從現有的自我管理 TensorFlow 部署轉移到全受管服務。Amazon SageMaker 還可讓我們輕鬆存取其他常用的深度學習架構,同時管理撰寫、訓練和提供模型的基礎設施。」

「由於 Answer Bot 在幾秒內就能直接答覆客戶問題,所以可以先解決支援問題單,而不需要轉給支援專員。這樣的做法可以徹底革新客戶服務體驗。」

Soon-Ee Cheah
資料科學家
Zendesk

「由於 Answer Bot 在幾秒內就能直接答覆客戶問題,所以可以先解決支援問題單,而不需要轉給支援專員。這樣的做法可以徹底革新客戶服務體驗。」

Soon-Ee Cheah
資料科學家
Zendesk


透過更快的深度學習建模,加快開發速度

Zendesk 利用 AWS 輕鬆擷取大型資料集,以用來訓練深度學習演算法。因此,Zendesk 打造 Answer Bot 所花的時間,遠低於使用現場部署解決方案所需的時間。Zendesk 資料工程師 Wai Chee Yau 表示:「我們早已使用 AWS 雲端建置現有的預測模型堆疊,所以能在 AWS 上更快開發出 Answer Bot。我們沒有購買並安裝自己的硬體,而是使用 AWS 的靈活度來快速新增所需的 GPU 和 CPU。」

Zendesk 資料科學家能憑藉 AWS,提高研究速度。Griffioen 指出:「AWS 讓我們能一次嘗試許多想法,這幫助我們更快進行研究工作。必要時,我們可以非常快速地啟動 Amazon EC2 執行個體,並在這些執行個體上執行模型的各種排列組合,完全不用等待。如果沒有這項功能,我們將無法開發出 Answer Bot。」

現在,這家公司提供超出客戶期望的全新且創新客服解決方案。Cheah 表示:「AWS 讓我們能開發並提供客戶過去從未有過的功能。例如,我們的客戶可使用 Answer Bot,自動針對客戶的問題,提供更相關且更準確的答案。而且,由於 Answer Bot 在幾秒內就能直接答覆客戶問題,所以可以先解決支援問題單,而不需要轉給支援專員。這樣的做法可以徹底革新客戶服務體驗。」

Zendesk 現在可以在需要時,擴展自己的深度學習開發環境,以滿足開發人員對更多運算或儲存資源的需求。Cheah 表示:「我們可以使用 AWS 上的 GPU 處理能力,非常快速有效率地擴展深度學習模型,當我們擴大應用程式以容納更多客戶時,這點對我們非常有利。Griffioen 補充說到:「AWS 是強大的深度學習創意平台,我們大多數的研究都是使用這個平台來完成的。我們從 AWS 得到的靈活度和能力,幫助 Zendesk 在客戶服務領域中,走在深度學習技術的尖端。我們不只開創了多種不同的方法,也發明了新的演算法,這都要歸功於 AWS。」

Convoy 使用 ML 改革貨車運輸方式

進一步了解 »

Capital One 使用 ML 更好地保護客戶遠離詐欺

進一步了解 »

Coinbase 使用 ML 建立安全的加密虛擬貨幣交易方式

進一步了解 »

T-Mobile 使用 ML 讓客戶服務更加人性化

進一步了解 »