Chatbot sẽ là tương lai của dịch vụ chăm sóc khách hàng nhưng xây dựng thế nào cho hiệu quả?

Với ưu điểm luôn sẵn sàng tư vấn, giao tiếp với người dùng 24/7, Chatbot là lựa chọn tối ưu cho ngành dịch vụ, chăm sóc khách hàng. Nhiều dự đoán cho thấy, Chatbot sẽ là tương lai của ngành này, để tiết kiệm nguồn nhân lực và có thời gian đầu tư vào hoạt động khác.

Những Chatbot nổi tiếng có thể kể tới như Google Assistant, Siri, Cortana... Càng ngày, Chatbot càng trở nên linh hoạt và hoàn hảo hơn, có thể xử lý các vấn đề phức tạp và đưa ra câu trả lời chính xác trong từng tình huống. 

Tại Sun*, R&D Unit cũng đang triển khai các project tiềm năng về Chatbot và sẽ sớm ra mắt trong thời gian tới, phục vụ các nhu cầu thiết thực trong công việc. Người viết cho rằng, developer cần có cái nhìn tổng quan về các xu hướng phát triển hệ thống Chatbot hiện nay. 

Mục tiêu của Chatbot là duy trì và tiếp tục cuộc hội thoại của người dùng với mục tiêu bắt chước kiểu nói chuyện "không có cấu trúc" giữa người với người. Tính hữu dụng và độ thông minh của Chatbot được đánh giá dựa trên phép thử Turing. Hiện nay để tối ưu hóa, các hệ thống Chatbot sẽ chỉ tập trung vào việc lựa chọn một số lĩnh vực nói chuyện, kiến thức cụ thể cho Chatbot (domain), đánh giá bằng phép thử Turing trên đúng giới hạn này.

Hiện nay, việc xây dựng hệ thống Chatbot đang được phát triển theo 2 xu hướng: 

• Dựa vào quy luật, thói quen trong ngôn ngữ của người dùng (Rule-based chatbots)
• Dựa vào kho dữ liệu hội thoại cho trước (Corpus-based chatbots)

Hệ thống Chatbot dựa vào các quy luật, thói quen trong ngôn ngữ của người dùng (Rule-based chatbots)

Rule-based chatbots được hiểu đơn giản là trả lời người dùng dựa hoàn toàn vào các thói quen sử dụng ngôn ngữ của con người mà không cần xử lý việc ghi nhớ thông tin trước đó. Trong ngôn ngữ nói hàng ngày mỗi người đều có cách diễn đạt, sử dụng từ ngữ riêng để tạo các câu hội thoại, nhưng thói quen sử dụng ngôn ngữ của con người có xu hướng lặp lại nhiều. 

Những thói quen này được khai thác để xây dựng Chatbot với độ phức tạp  tùy vào mong muốn của lập trình viên. Ví dụ, lập trình viên có thể lập trình để nếu trong câu hỏi có từ khóa 'thời tiết', 'mưa nắng', 'nhiệt độ', chatbot sẽ dự đoán, người dùng đang muốn hỏi về tình hình thời tiết. 

Chatbot nổi tiếng nhất loại này là Eliza. Được tạo ra từ năm 1966, Eliza mô phỏng một bác sỹ tâm lý với công việc lắng nghe, hỏi kỹ càng về những câu chuyện của bệnh nhân, giúp họ dần dần nói ra điều mà họ không thể chia sẻ được với ai.

Để xác định được câu nói của người dùng rơi vào mẫu nào (pattern), Eliza sẽ dựa trên các từ khóa (keyword) xuất hiện trong câu nói của người dùng. Điều này đồng nghĩa với việc hệ thống đã phải định nghĩa sẵn các keyword, đồng thời sắp xếp thứ tự ưu tiên của chúng một cách thực sự hợp lý. Trong trường hợp xuất hiện nhiều keyword của các pattern khác nhau, mỗi pattern sẽ có 3-5 kiểu trả lời để hệ thống random lựa chọn. 

Cũng theo tác giả, nếu không có keyword nào được xác định, phản hồi của Eliza sẽ là những mẫu câu kiểu: “Pls go on”, “That's very interesting' hay 'I see'. Điều này như một gợi ý để người dùng tiếp tục đưa ra câu hội thoại mới.

Hệ thống Chatbot dựa vào kho dữ liệu hội thoại cho trước (Corpus-based chatbots)

Thay vì việc sử dụng những luật xây dựng theo thói quen như rule-based chatbots, hệ thống chatbot dựa trên kho dữ liệu hội thoại trong thực tế của người dùng để tìm ra được những phản hồi phù hợp cho hoàn cảnh. Những dữ liệu hội thoại này có thể được thu thập trực tiếp trên một số platform trò chuyện hoặc lấy ra từ lời thoại của nhân vật trong các bộ phim.

Corpus-based có 2 kiểu hoạt động chính: Trích xuất thông tin cần thiết (Information Retrieval) và áp dụng các bài toán Deep learning theo dạng sequence to sequence (giống như Dịch tự động)

Trong đó, Information Retrieval based chatbots (IR-based) có mô hình nổi bật là Simsimi. Cơ chế hoạt động của ứng dụng này là tìm trong cơ sở dữ liệu hội thoại một câu nói có độ tương tự cao nhất với câu nói hiện tại của user. Từ đó, có 2 cách để đưa ra câu trả lời là: Dùng chính câu nói đó; Dùng câu trả lời cho câu nói đó.

Sequence to sequence là bài toán đang được giải quyết một cách khá mạnh mẽ bởi cuộc cách mạng Deep Learning. Với đầu vào là 1 câu, dựa trên tập dữ liệu, chúng ta có thể sinh ra câu trả lời dựa vào Deep Learning. Bài toán này gần tương tự như bài toán dịch tự động (Auto Translation), chỉ khác ở chỗ, trong trường hợp này, ngôn ngữ nguồn và ngôn ngữ đích cùng sử dụng một ngôn ngữ. Một số từ khóa các bạn có thể tìm hiểu theo hướng giải quyết này đó là: Recurrent Neural Network, LSTM, GRU, TCN và Transformer.

Ngoài ra, một loại chatbot khác cũng đang được sử dụng nhiều là Frame Based Agents (Gọi nôm na là Chatbot đại lý). Loại này mô phỏng nhiệm vụ của một đại lý, thu thập các yêu cầu của khách hàng và gửi yêu cầu đó đi khi đã thu thập đầy đủ thông tin.

Ví dụ, chatbot làm nhiệm vụ giúp khách hàng đặt phòng và nó sẽ thu thập các thông tin từ phía khách hàng cho tới khi đủ thì thôi. Một số thông tin cơ bản nó cần có thể dễ thấy như: Ngày checkin/Giờ checkin/Ngày checkout/Tên người đặt.

Luồng thực hiện của Chatbot này khá rõ ràng chứ không "mông lung". Nếu thiếu thông tin nào, Chatbot sẽ tự hỏi thêm. Tuy nhiên, vấn đề là làm sao để lấy thông tin cho chính xác.  Ví dụ trong trường hợp hỏi các thông tin ngày, nhiều người có thể kèm luôn cả giờ trong câu trả lời như: "Anh book từ 4-5h 15-9-2019". Vậy làm sao để lấy được ngày và giờ một cách chính xác bởi mỗi người sẽ có một cách trả lời thông tin riêng. Điều này cần tiếp tục nghiên cứu để chúng ta có thể handle được toàn bộ các tình huống.

Đây là những xu hướng xây Chatbot đang được phát triển trên thế giới. Hiện,  R&D Unit đang hoàn thiện thực hiện 1 dự án Chatbot hỗ trợ trong các công việc đặt/ hỏi/ lấy thông tin về các phòng họp của công ty. 

Ngoài ra, Chatbot về bán hàng (retail) cũng đang được triển khai. Cả 2 dự án đều thuộc Agent Chatbot nhằm hướng đến mục đích cụ thể (Chatbot BookingRoom & Chatbot Fashion Retail) nói chuyện 1 cách tự nhiên với người dùng, đến khi thu thập đủ thông tin cần thiết (Ví dụ để đặt phòng, cần tên người đặt, ngày/ giờ muốn đặt, nội dung cuộc họp) sẽ thực hiện các thao tác thay cho người dùng.

Hãy cập nhật những thông tin mới và hấp dẫn nhất từ Sun* News vào 8h00 và 13h00 hàng ngày!