7.3. Funcionalidades do Dialogflow

O Dialogflow é uma ferramenta completa para a criação de chatbots, mas como o foco desse conteúdo é te ajudar a criar o seu primeiro chatbot, iremos utilizar apenas os “Intents”. Porém, é importante você conhecer toda a plataforma para que no futuro possa criar chatbots ainda mais inteligentes.

Intents

Os Intents são utilizados para categorizar as intenções de um usuário e mapear a entrada do usuário para ações e as suas respostas. Por padrão da plataforma, cada agente é criado com duas intenções:

Default Welcome Intent – É a intenção de boas-vindas, ou seja, a chamada e resposta para o primeiro contato da pessoa com o seu chatbot.

Default Fallback Intent – É a intenção usada quando o chatbot não consegue encontrar nenhuma intenção correspondente à entrada do usuário, acionando, por exemplo, uma mensagem de que a conversa será transferia para que um humano responda.

Nas intenções são configurados os seguintes parâmetros:

1. Contexts: Utilizado para controlar o fluxo da conversa;

2. Events: Permitem chamar intenções com base em algo que aconteceu, e não no que o usuário se comunica. O Dialogflow suporta eventos de várias plataformas, com base nas ações que os usuários executam dentro delas.

3. Training phrases: São frases utilizadas para treinar a inteligência do bot. A machine learning compara a consulta com todas as intenções do agente e atribui a cada intenção uma pontuação. A correspondência é feita com a intenção de pontuação mais alta. Se a intenção de pontuação mais alta tiver uma pontuação muito baixa, a correspondência será feita com a intenção de fallback.

4. Action and parameters:

4.1. Action: O campo de ação é um campo de conveniência simples que ajuda na execução de lógica no serviço. No momento da criação de um agente, é possível definir esse campo para qualquer texto que achar útil.

Quando existe correspondência de uma intenção no ambiente de execução, o Dialogflow fornece o valor de ação para a sua solicitação de webhook de fulfillment ou a resposta de interação da API. É possível usá-la para acionar a lógica específica no serviço.

4.2. Parameters: Quando existe correspondência de uma intenção no ambiente de execução, o Dialogflow fornece os valores extraídos do enunciado do usuário final na forma de parâmetros.

Ao contrário da entrada bruta do usuário final, os parâmetros são dados estruturados que podem ser facilmente usados para executar uma lógica ou gerar respostas.

5. Responses: Resposta do agente. É possível adicionar variações de respostas que serão mostradas ao usuário de forma aleatória. Os parâmetros podem ser usados nas respostas (Ex.: Resposta: “Eu também gosto de $color”, se o usuário diz que a cor preferida dele é azul, o bot vai dizer: “Eu também gosto de azul”). Também é possível adicionar respostas customizadas para cada tipo de plataforma de integração (Ex.: Imagem, Card). Na seção “Integrations” são mostradas quais são as plataformas de integração disponíveis no Dialogflow.

6. Fulfillment: É possível habilitar o webhook para chamar a intenção e preparar o preenchimento de slot. Na seção “Fulfillment” é detalhado o uso desta função.

Entities

As entidades são tipos específicos de dados que você quer que o Dialogflow extraia dos enunciados do usuário. É usado para criar lista de palavras ou dar grande peso para uma palavra.

1. System entities: O Dialogflow já vem com algumas entidades pré-definidas como, por exemplo, data, horário, números inteiros, etc. As entidades do sistema começam com a palavra “sys” (Ex: @sys.date);

2. Developer entities: As entidades de desenvolvedor podem e precisam ser usadas para qualquer coisa que não esteja incluída nas entidades do sistema. É necessário que elas tenham valores que você espera que os usuários usem. Assim como no caso das “training phrases”, quanto mais entidades você fornecer, melhor o agente processará as entradas.

Knowledge

Suportado somente em inglês. Quando habilitado, o agente analisa documentos (por exemplo, perguntas frequentes ou artigos) para encontrar respostas automatizadas. Para configurá-los, você define uma ou mais bases de conhecimento, que são coleções de documentos.

Você pode ativar as bases de conhecimento para seu agente, para que todas as solicitações de intenção de detecção possam encontrar respostas automatizadas usando suas bases de conhecimento.

Fulfillment

Fulfillment é o código implantado como um webhook que permite que o agente do Dialogflow chame a lógica de negócios de intenção a intenção. Durante uma conversa, o fulfillment permite usar as informações extraídas pelo processamento de linguagem natural do Dialogflow para gerar respostas dinâmicas ou acionar ações no seu back-end.

Para usar o fulfillment, é necessário configurar um webhook, que é um endpoint de servidor da web criado e hospedado por você.

Training

Como o processamento de linguagem natural do Dialogflow baseia-se em machine learning, é possível adicionar dados de treinamento que o agente aprenderá e usará para melhorar o desempenho.

O recurso de treinamento do Dialogflow fornece uma interface para incorporar registros externos e internos de interação com o cliente nas frases de treinamento do agente. É possível usar esse recurso para criar um agente novo do Dialogflow, utilizando os registros de interação com o cliente que você já tem e/ou para melhorar o desempenho de um agente dinâmico com os próprios registros dele.

A página “Training” (Treinamento) mostra uma lista de conversas. À medida que os clientes conversam com o agente, os registros aparecem automaticamente na lista de conversas. Também é possível fazer upload dos dados de registro coletados externamente ao Dialogflow.

Em cada conversa na lista, são exibidas as informações a seguir:

• Conversation: O primeiro enunciado na conversa;
• Requests: O número de solicitações na conversa. No caso de uma conversa registrada na interação com o agente, o termo solicitação refere-se a uma mensagem do usuário direcionada ao agente. No caso de upload de dados como um arquivo de texto, cada linha no arquivo é considerada uma solicitação;
• No match: O número de solicitações “sem correspondência”. Equivale ao número de solicitações que atualmente não têm correspondência com uma intent;
• Date: A data de registro ou upload da conversa;
• Status (opcional): O status mostra se as solicitações foram anteriormente atribuídas a intenções, indicado por uma marca de verificação verde.

Validation

O Dialogflow fornece um recurso de validação. Os resultados da validação do agente estão disponíveis automaticamente sempre que o treinamento do agente é realizado e concluído.

Os resultados da validação fornecem uma lista de erros e avisos que você deve corrigir para melhorar a qualidade e o desempenho do seu agente.

Você poderá ignorá-los e iniciar o seu agente. Aqui estão alguns exemplos que você pode encontrar:

• Intenção: possui frases de treinamento muito semelhantes;
• Intent: contém um parâmetro que não é usado em frases de treinamento suficientes;
• Não há exemplos negativos para a intenção de fallback.

History

A página History mostra uma versão simplificada das conversas com o agente. Esses registros são cronológicos e proporcionam uma visão geral de como os usuários interagem com o agente. É possível tirar o log de cada mensagem enviada pelo agente.

Analytics

A página de análise oferece insights sobre o desempenho do agente. Esses insights ajudam você a definir o que é necessário para melhorar ainda mais a experiência do usuário.

São exibidos dois tipos de dados relacionados ao agente e às conversas:

• Dados de uso: número de sessões e consultas por sessão;
• Dados de processamento de linguagem natural (PLN): intents mais usadas e porcentagens de saída.

Prebuilt Agents

Os Prebuilt Agents são uma coleção de agentes desenvolvidos pela equipe do Dialogflow com o objetivo de abranger casos de uso específicos. É possível usá-los para estabelecer uma base para criar conversas que abordam tópicos específicos, como jantar fora, reserva de hotel e navegação.