OMQ Update Version Lissabon - 9.2

Wir haben die Produktversion Lissabon 9.2 veröffentlicht.

In der neuen Version 9.2 „Lissabon“ erweitern wir unsere technologische Plattform und führen die Beta Version unseres Chatbots ein.

Am Ende gibt es einen Überblick über alle weiteren Änderungen.

1. OMQ Chatbot (beta)

Mit dem Chatbot von OMQ beantworten Sie die Serviceanfragen Ihrer Kunden rund um die Uhr 24/7. Das System lässt sich einfach und schnell in gängige Chatsysteme integrieren. Als erstes bieten wir eine Integration für Userlike und Livezilla an. Wenn Sie Interesse an einer kleinen Demo haben, melden Sie sich gern bei uns :) Demo vereinbaren

Sofort eine passende Antwort

Die Künstliche Intelligenz von OMQ lernt über alle Produkte hinweg. Alle Anfragen sowie alles Feedback Ihrer Kunden und Ihrer Serviceagenten, wird für das Lernen verwendet. Die OMQ Produkte lernen so voneinander, wodurch der Chatbot sofort einsatzfähig ist.

Nur einmal antworten

Der Chatbot von OMQ nutzt die gleiche Wissensdatenbank wie die anderen Produkte. So müssen in Ihrem Unternehmen Antworten nur einmal angelegt werden. Die OMQ Software sorgt dann dafür, dass die Inhalte in den OMQ Produkten angepasst werden. Antworten, die als Hilfe-Artikel in OMQ Contact angezeigt werden, werden im Chatbot als Dialog aus Chatblasen dargestellt. Interaktive Antworten mit Eingabefeldern werden vom Chatbot automatisch abgefragt und validiert. So müssen Sie jede Frage nur einmal zentral beantworten. Die OMQ Software übernimmt dann das Ausspielen der angepassten Antworten.

2. Technologie Plattform

In der Version 9.2 haben wir unsere Engine erneut verbessert. Die Engine ist nun in der Lage mit noch weniger Daten zu lernen und passende Antworten direkt von Beginn an zu geben.

Schnellere Lernerfolge

In der neuen Engine verwenden wir zum Lernen statt Wörtern Silben, um von diesen zu lernen. Hierdurch ist die Engine in der Lage, schneller Assoziation zwischen Wörtern wie “bestellen” und “Bestellung” zu erfassen. Die Genauigkeit des Lernens sowie das Volumen der zugrundeliegenden Daten verbessern sich so stark.

Von 0 auf 100

Neue Accounts verwendet eine bereits allgemein angelernte Datenbasis. Die Engine nutzt dann die initialen Einträge eines neuen Kunden, um sich an die Domain des Kunden anzupassen. So kann jeder neue Kunde sofort mit OMQ durchstarten, ohne dass das System angelernt werden muss.

Weitere neue Änderungen:

OMQ Chatbot

• Es wurde ein Detektor hinzugefügt, der Texte mit statischen Textbeispielen erkennt.
• Ein Named-Entity-Detector wurde an den Chatbot angebunden.
• Verschiedene Engine Konfigurationen wurden für den Chatbot getestet, um eine verbesserten Lernfunktionen einzuführen.
• Die Kommunikation des Chats wird in der Datenbank persistiert.
• Es wurde ein Tracking für die Chat-Kommunikation hinzugefügt.
• Wenn ein Kunde zu häufig ein falsches Ergebnis angezeigt bekommt, wird er an einen Mitarbeiter weitergeleitet.
• Es wurden verschiedene Tests durchgeführt, um Konfigurationsparameter für die Toleranz der Antworten zu ermitteln.
• Der Chatbot wurde an Livezilla angebunden.
• Es wurden verschiede Chatverläufe untersucht und kategorisiert.
• Die Größe von Bildern wird im Chat angepasst.
• Der Kunde wird an einen Mitarbeiter im Userlike Chat übergeben, sollte dieser nicht weiterkommen.
• Sollte der Chatbot mit der Unterhaltung in Livezilla nicht weiterkommen, wird dieser an einen Mitarbeiter übergeben.
• Für den Chatdialog wurde eine Fragenauswahl implementiert.
• Antworten werden direkt angezeigt, wenn die Übereinstimmung mit der Eingabe groß genug ist.
• Die Darstellung der Antworten wurde an die Darstellung von Userlike angepasst.
• Die Darstellung der Antworten wurde an die Darstellung von Livezilla angepasst.
• Es wurden Konfigurationsparameter für den Chatbot hinzugefügt, die in der Datenbank persistiert werden.
• Texttemplates werden jetzt in der Datenbank abgespeichert.
• Es wurden Listen mit statischen Textbausteinen erstellt.
• Im Chatbot wurden Ja/Nein Entscheidungen implementiert.
• Es wurden Begrüßungen als statische Elemente hinzugefügt.
• Es wurden statische Textbeispiele für das Weiterleiten an einen Mitarbeiter hinzugefügt.
• Die statischen Textbeispiele werden in regelmäßigen Intervallen gelernt.
• Es wurden statische Textelemente hinzugefügt, bei denen sich der Chatbot zu erkennen gibt.
• Der Chatbot antwortet auf Fragen nach dem Wetter und der Uhrzeit.
• Es wurden statische Antworten für das Bedanken hinzugefügt.
• Tests wurden für den Chatbot erstellt.
• Die Geschwindigkeit zum Erkennen von statischen Textbeispielen wurde verbessert.
• Es wurde ein Fehler behoben, bei dem die Auswahl einer Frage nicht funktioniert hat.
• Weitere statische Textbeispiele wurden hinzugefügt.
• Für das Lernen von Anfragen im Chat wurde ein Verfahren implementiert, das wichtige Teile extrahiert.
• Es wurden englische statische Antworten hinzugefügt.
• In Userlike wurden Zeilenumbrüche als HTML-Elemente dargestellt. Dieses Problem wurde behoben.
• Es wurde ein Fehler behoben, bei dem das Tracking vom Chatbot zu einem Fehler führte.
• Wenn man im Chatbot einen State ausgelöst hat, wurde in manchen Fällen parallel ein anderer State aufgerufen.
• Es wurde ein Fehler behoben, bei dem in Userlike die Sprechblasen falsch dargestellt wurden.

OMQ Engine

• Das Lernverfahren basiert jetzt auf allgemein angelernten Daten, die mit kundenspezifischen Daten verfeinert werden.
• Das neue Lernverfahren wurde mit verschiedenen Kundendaten getestet.
• Das Erzeugen von Wortkonzepten wurde jetzt auf einen separaten Server ausgelagert.
• Verschiedene Sprachen wurden mit der neuen Engine getestet.
• Der Lernserver wurde mit weiteren Parametern angepasst.
• Es wurden unterschiedliche Tests durchgeführt, um die Performance und das Antwortverhalten des neuen Lernservers zu testen.
• Der interne Engine-Debugger wurde verbessert. Nun lassen sich für uns Probleme besser nachvollziehen.
• Es wurden Test durchgeführt, bei dem ein Kundenkonto lediglich mit den Fragen der Datenbank antrainiert wurden.
• Auf dem Lernserver wurden die Logausgabe angepasst.
• Der Speicher wurde auf dem Lernserver vergrößert.
• Wenn der Server mit leeren Daten trainiert wurde, trat ein Fehler auf. Dieses Problem wurde behoben.
• Die Parameter für das Lernverfahren wurden angepasst.
• Die Anbindung zwischen Applikationsserver und Lernserver wurde verbessert. Die Server reagieren jetzt toleranter, wenn im Lernprozess die Verbindung abbricht oder ein Fehler auftritt.
• Es wurde ein Mechanismus implementiert, der verhindert, dass mehrere Lernaufrufe kollidieren.
• Es wurde ein automatischer Test implementiert, der sicherstellt, dass eine Frage immer alle Informationen enthält, um gefunden zu werden.
• Für eine fast leere Wissensdatenbank werden jetzt allgemein trainierte Wortkonzepte verwendet.
• Minimal gefüllte Datenbanken wurden mit verschiedenen Kundendaten getestet.
• Es wurde ein Runtime Test hinzugefügt bei dem getestet wird ob alle nötigen Wortkonzepte existieren.
• Die Geschwindigkeit, in der das System lernt, wurde stark beschleunigt.
• Der Lernserver wurde auf einen größeren Server umgezogen.
• Eine Konfiguration wurde ermittelt, die wiedergibt, mit wie vielen Daten das System ein Training beginnt.
• Die Konfiguration der periodischen Aufrufe wurde angepasst.
• Es wurde eine Anzeige hinzugefügt, dass eine Frage trainiert werden muss.
• Es wurden Tests durchgeführt, bei denen das Training der Daten jede Stunde durchgeführt wird.
• Der Chatbot wurden in mehreren Durchgängen mit verschiedenen Anfragen getestet.
• Es wurde ein Fehler behoben, der beim Beenden des Chats auftrat.
• In manchen Fällen kam es dazu, dass wichtige Schlüsselwörter beim Lernen ignoriert wurden. Dieser Fehler wurde behoben.
• Manche Wörter mit Sonderzeichen wurden nicht trainiert. Dieses Problem wurde behoben.
• Es wurden Überprüfungen hinzugefügt, die testen ob ein Lernserver online ist.
• Einstellige Zahlen wurden nicht als Schlüsselwort erkannt. Dieser Fehler wurde behoben.
• Wenn zwei Aktion gleichzeitig auf der gleichen Pipeline ausgeführt wurden, konnte ein Fehler auftreten.
• Bei der der Bewertung von Texten wurde einmal mit Stoppwörtern gelernt und einmal ohne.
• Es wurde ein Fehler behoben, bei dem in seltenen Fällen falsche Wortkonzepte gebildet wurden.

OMQ Wissensdatenbank

• Die Reports werden in regelmäßigen Abständen aggregiert.
• Die Abfrage der Reports wurden stark beschleunigt. Reports werden jetzt über aggregierte Tabellen abgefragt.
• Das Editieren von Kategorien hat dazu geführt, dass das Eingabefeld der Kategorien gesprungen ist. Dieses Problem wurde behoben.
• Das Entfernen einer Kategorie-Verknüpfung von einer Antwort ist jetzt nicht mehr möglich, wenn die Antwort hierdurch nicht mehr für den User zugänglich wäre.
• Es wurden Tests durchgeführt, bei dem das alte und das neue Tracking verglichen wurde.
• Die Rechte beim Entfernen einer Kategorie wurden nicht beachtet. Jetzt wird hier eine Warnung angezeigt.
• Beim Suchen ist es nun nicht mehr möglich eine Frage anzulegen, die keine Kategorie enthält, wenn der User eingeschränkte Rechte hat.
• Fragen werden beim Speichern zum Lernen markiert.
• Es wurden verschiedene Tests durchgeführt, um zu testen ob die Tracking table konsistent ist.
• Beim Synchronisieren von Usern trat ein Fehler in Zusammenhang mit den neuen Reports auf. Dieses Problem wurde behoben.
• API Keys in den Anbindungen werden jetzt nach Namen sortiert.
• Links können jetzt auch im Editor in der Greyhound Integration vorgenommen werden.
• Kategorie Ordner wurde nicht richtig angezeigt.
• Das Hinzufügen von Kategorien zu einer neuen Antwort hatte Auswirkungen auf alle anderen Antworten. Dieses Problem wurde behoben.
• Das Löschen von Fragen und Antworten dauert sehr lange. Dieser Prozess wurde beschleunigt.

OMQ Assist

• Zu große Anfragen haben bei OMQ Assist zu fehlerhaften Aufrufen geführt.
• Es wurden weitere Test für die Assist Integration erstellt.
• Der Scrollbalken in Greyhound wurde angepasst.
• Die Autovervollständigung kommt jetzt früher zu einem Ende.
• User wurden vom OTRS auch mit dem Server synchronisiert, wenn diese nicht aktiv waren.
• Wenn man in der Wissensdatenbank die Sprache geändert hat, kam es zu einem Fehler. Dieses Problem wurde behoben.
• Die Integration von Salesforce und Freshdesk wurde serverseitig vorbereitet.
• Die Fehlerbehandlung in Greyhound wurde verbessert.
• In der Greyhound Integration werden nun Bilder in der Vorschau richtig angezeigt.
• Die Default Sprache wurde nicht an Assist übergeben. Dieses Problem wurde behoben.

Shopware

• Das Shopware Plugin wurde aktualisiert.

Allgemein

• Es wird eine Fehlermeldung angezeigt, wenn eine automatisierte Aktion fehlschlägt.
• Die Auswertung von Logausgaben wurde verbessert.
• Die Serverumgebung der Applikationsserver wurden aktualisiert.
• Es wurde ein CDN Server für statische Ressourcen hinzugefügt.
• Es wurden Tests auf dem Staging Server durchgeführt, bei dem statische Ressourcen vom CDN abgefragt werden.
• Bei den automatisierten Tests kam es zufällig zu Fehlern. Dieses Problem wurde behoben.
• Es wurde ein Problem behoben, bei dem der Online Server nicht verfügbar war.
• User wurden zum Speichern markiert, wenn diese externe User waren.