用机器学习拯救“智障”聊天机器人,谷歌开放分析平台Chatbase

简介:
本文来自AI新媒体量子位(QbitAI)

当你做了一个网站、App、游戏,肯定会马上想到要加上统计分析功能,这早就成了互联网产品的标配组件,产品迭代、用户运营,都离不开它。

如果你做的,是个聊天机器人呢?


聊天机器人,或者说Chatbot,在国内还基本是科技公司的专属玩具,但美国公司们对这个东西有着更高的热情,卖票的Ticketmaster、拍片的HBO、麦咖啡的星巴克,都有自己的聊天机器人,他们的聊天机器人也有也很多可以放,Facebook Messenger、Kik、Slack、Viber和Skype等等平台。

不过想做好一款聊天机器人,还是很难的,一不小心就会被用户斥为“人工智障”。谷歌为此准备好了一款分析工具,用机器学习来自动分析一个聊天机器人上会反复出现的问题,帮开发者快速优化、提高对话的速度和准确率,避免沦为“智障”。

2681e072664f4b0569605f19631fd022c1bbf9e2

这款工具名叫Chatbase,初次亮相是6个月前,在谷歌I/O开发者大会上,不过当时还是小范围测试。现在,这个平台终于向所有人开放了。

与Google Analytics类似,Chasebase也可供任何人免费使用,它还能实现跨平台运行,兼容Facebook Messenger、Kik、Slack、Viber和Skype。但Chatbase的价值不仅在于聊天服务:随着Google Assistant、亚马逊Alexa、三星Bixby和苹果Siri等语音助手的兴起,理解力分析将变得至关重要。

作为谷歌Area 120内部孵化器的一个产物,Chatbase目前吸引了数百家公司使用,包括Ticketmaster、HBO和Viber。Viber发言人说:“通过优化高退出率的请求,我们的一款热门聊天机器人的请求数量增加了35%。Chatbase很有帮助,我们不必再梳理日志,而是可以借助它的机器学习能力来优先进行有必要的优化。”

Chatbase团队主管Ofer Ronen对表示,自从该平台之前发布以来,谷歌已经了解到:“开发和分析聊天机器人是一项挑战,因为工具相对较新,仍然不够成熟。与大家已经深入理解的网站和应用不同,聊天机器人的开发仍在不断完善。”

他还说:“聊天机器人之所以如此具有挑战,一大原因子它们没有限制:用户希望聊天机器人能够处理各种请求,所以会在其中包含任意的词汇。这也是Chatbase着重关注的领域,找到聊天机器人无法很好响应的热门请求。”

816045791364571dde21d279be612452b70a96d9

谷歌并非唯一一家拓展聊天机器人分析领域的公司,Dashbot、Botanalytics、BotMetrics、Manner等公司也在与之竞争。但谷歌的优势在于,该公司已经拥有Google Analytics,这是移动和网站开发领域的顶尖分析工具。Ronen还补充道,除了可以追踪全面内容外,聊天机器人机器学习能力也使之具备竞争优势,把难对付的用户消息进行汇总,其中一个例子就是找到并解决“遗漏”——也就是说,虽然系统支持某些活动,但用户却使用了开发人员最初没有想到一些对应的说法。

“用谷歌的机器学习能力为用户服务显然是一大差异化因素,我们的用户也感到非常振奋。”

49e2c8ca2798f2fa932eeba71dac02b1b36d0f63

如果谷歌能够成功让Chatbase兼容多个平台,这项服务就会像Analytics一样普及,帮助该公司从各种对话中吸收庞大的数据。这不仅可以让谷歌改进机器人生态系统,还能看到机器学习领域的大幅提升。另外,这最终还有可能帮助公司找到聊天机器人的盈利方法——例如聊天机器人版的Google AdWords。

Chatbase不会提供跟传统分析工具一样的指标,但的确存在一些重合。它提供的数据包括活跃用户数、对话、留存率,还会对不同平台的表现进行对比。

任何人都可以注册使用Chatbase。Dialogflow(之前名为API.ai)的用户可以自动接入Chatbase的基础功能。


—  —

本文作者:李杉 李林
原文发布时间:2017-11-18
相关文章
|
19小时前
|
机器学习/深度学习 数据采集 人工智能
论文介绍:机器学习中数据集规模增长的极限分析
【5月更文挑战第17天】论文《机器学习中数据集规模增长的极限分析》探讨了数据集大小对AI模型性能的影响,预测语言数据可能在2026年前耗尽,图像数据在2030-2060年可能面临相同问题。研究显示数据积累速度无法跟上数据集增长,可能在2030-2040年间导致训练瓶颈。然而,算法创新和新数据源的发展可能缓解这一问题。[链接](https://arxiv.org/pdf/2211.04325.pdf)
8 2
|
3天前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI
人工智能平台PAI
16 0
|
3天前
|
机器学习/深度学习 数据采集 算法
数据分享|R语言机器学习预测案例合集:众筹平台、机票折扣、糖尿病患者、员工满意度
数据分享|R语言机器学习预测案例合集:众筹平台、机票折扣、糖尿病患者、员工满意度
|
3天前
|
数据可视化
R语言机器学习方法分析二手车价格影响因素
R语言机器学习方法分析二手车价格影响因素
|
3天前
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】金融数据分析中的机器学习应用
【4月更文挑战第30天】本文探讨了机器学习在金融数据分析中的应用,如股价预测、信用评分、欺诈检测、算法交易和风险管理,并以Python为例展示了如何进行股价预测。通过使用机器学习模型,金融机构能更准确地评估风险、识别欺诈行为并优化交易策略。Python结合scikit-learn库简化了数据分析过程,助力金融从业者提高决策效率。随着技术发展,机器学习在金融领域的影响力将持续增强。
|
3天前
|
机器学习/深度学习 Python
【Python 机器学习专栏】混淆矩阵与 ROC 曲线分析
【4月更文挑战第30天】本文介绍了机器学习中评估模型性能的两种工具——混淆矩阵和ROC曲线。混淆矩阵显示了模型在不同类别上的预测情况,包括真正例、假正例、真反例和假反例,帮助评估模型错误类型和数量。ROC曲线则通过假正率和真正率展示了模型的二分类性能,曲线越接近左上角,性能越好。文章还提供了Python中计算混淆矩阵和ROC曲线的代码示例,强调它们在模型选择、参数调整和理解模型行为中的应用价值。
|
3天前
|
机器学习/深度学习 存储 数据采集
【Python 机器学习专栏】PCA(主成分分析)在数据降维中的应用
【4月更文挑战第30天】本文探讨了主成分分析(PCA)在高维数据降维中的应用。PCA通过线性变换找到最大化方差的主成分,从而降低数据维度,简化存储和计算,同时去除噪声。文章介绍了PCA的基本原理、步骤,强调了PCA在数据降维、可视化和特征提取上的优势,并提供了Python实现示例。PCA广泛应用在图像压缩、机器学习和数据分析等领域,但降维后可能损失解释性,需注意选择合适主成分数量及数据预处理。
|
3天前
|
机器学习/深度学习 存储 人工智能
人工智能平台PAI产品使用合集之是否可以在模型部署发布后以http接口形式提供给业务开发人员使用
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
3天前
|
机器学习/深度学习 人工智能 运维
人工智能平台PAI产品使用合集之机器学习PAI可以通过再建一个done分区或者使用instance.status来进行部署吗
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
3天前
|
机器学习/深度学习 人工智能 API
人工智能平台PAI产品使用合集之机器学习PAI中的sample_weight怎么加在样本中
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。

热门文章

最新文章