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

Zendesk 是客戶服務平台，專為那些希望建立更有意義、更個人化和更高效之客戶關係的公司而設計。Zendesk 的總部設在加利佛尼亞州舊金山，可透過自助服務和主動參與協助許多公司提供強大支援，然後日臻成熟。

建置全新的深度學習客戶應用程式

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 必須解決這個成長中的趨勢：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絡我們，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框架，同時管理撰寫、訓練和提供模型的基礎設施。」

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。需要時，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。」