งานวิจัยบอกอะไรเรา
การสร้าง Telybot ตั้งอยู่บนงานวิจัยที่ตีพิมพ์แล้วเกี่ยวกับภาษา ความเร็ว และ AI ที่เชื่อถือได้ ที่นี่คือสิ่งที่แต่ละงานวิจัยค้นพบ สิ่งที่เราสร้างขึ้นจากงานวิจัยนั้น และแหล่งที่คุณอ่านต้นฉบับได้
- CSA Research · 2020Can’t Read, Won’t Buy
- KPMG in India and Google · 2017Indian Languages – Defining India’s Internet
- ACL Anthology · 2014การผสมภาษาอังกฤษ–ฮินดีบน Facebook
- NeurIPS 2020 · EMNLP 2021คำตอบที่อิงข้อความที่ค้นมาได้
- Harvard Business Review · 2011The Short Life of Online Sales Leads
ผู้คนซื้อด้วยภาษาของตัวเอง
จากการสำรวจผู้บริโภค 8,709 คนใน 29 ประเทศ นักช้อปออนไลน์ 76% บอกว่าชอบซื้อสินค้าที่มีข้อมูลเป็นภาษาแม่ของตน และ 40% บอกว่าจะไม่ซื้อจากเว็บไซต์ภาษาอื่นเลย
สิ่งที่เราสร้าง Telybot ตอบกลับเป็นภาษาที่ลูกค้าแต่ละคนพิมพ์มา — 30 ภาษา รวมทั้งภาษาฮินดีและ Hinglish
CSA Research, “Can’t Read, Won’t Buy – B2C”, กรกฎาคม 2020 อ่านแหล่งที่มา
อินเทอร์เน็ตของอินเดียพูดภาษาอินเดีย
ผู้ใช้อินเทอร์เน็ตภาษาอินเดียแซงหน้าผู้ใช้ภาษาอังกฤษในปี 2016: 234 ล้านคน เทียบกับ 175 ล้านคน งานวิจัยคาดการณ์ว่าภายในปี 2021 จะมีผู้ใช้ภาษาอินเดีย 536 ล้านคน เทียบกับผู้ใช้ภาษาอังกฤษ 199 ล้านคน
สิ่งที่เราสร้าง ภาษาฮินดี เบงกาลี ทมิฬ เตลูกู กันนาดา มาลายาลัม มราฐี คุชราต ปัญจาบ และอูรดู ล้วนอยู่ใน 30 ภาษาของบอท
KPMG in India and Google, “Indian Languages – Defining India’s Internet”, เมษายน 2017 อ่านแหล่งที่มา
ผู้คนผสมภาษาขณะพิมพ์
งานวิจัยเกี่ยวกับโพสต์ภาษาอังกฤษ–ฮินดีบน Facebook วัดว่าผู้คนผสมสองภาษานี้มากเพียงใด และพบว่าคำที่ผสมกันส่วนใหญ่อยู่บนความต่อเนื่องระหว่างการยืมคำกับการผสมภาษา โดยมีการสะกดที่ไม่เป็นมาตรฐานและการถอดอักษรที่ระบบประมวลผลอัตโนมัติต้องรับมือ
สิ่งที่เราสร้าง คำถามที่พิมพ์เป็น Hinglish จะได้รับคำตอบเป็น Hinglish งานด้านภาษาของ Telybot เริ่มต้นในคีย์บอร์ด Keyda ที่คนอินเดียหลายล้านคนใช้
Bali, Sharma, Choudhury and Vyas, “‘I am borrowing ya mixing?’ An Analysis of English-Hindi Code Mixing in Facebook”, First Workshop on Computational Approaches to Code Switching, 2014 อ่านแหล่งที่มา
คำตอบที่อิงเอกสารตรงข้อเท็จจริงมากกว่า
โมเดลที่เขียนคำตอบจากเอกสารที่ค้นมาได้ สร้างภาษาที่เจาะจง หลากหลาย และตรงข้อเท็จจริงมากกว่าโมเดลที่ตอบจากความจำเพียงอย่างเดียว ในแชทบอท วิธีเดียวกันนี้ช่วยลดอาการหลอนด้านความรู้ (knowledge hallucination) ซึ่งก็คือการกล่าวสิ่งที่ไม่จริงอย่างมั่นใจ ได้อย่างมาก ตามที่ยืนยันด้วยการประเมินโดยมนุษย์
สิ่งที่เราสร้าง Telybot ตอบจากเนื้อหาของคุณเท่านั้น เมื่อไม่มีอะไรในเนื้อหาตรงกัน บอทจะแจ้งให้ทราบและส่งต่อแทนการเดา
Lewis et al., “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks”, NeurIPS 2020 อ่านแหล่งที่มา
Shuster et al., “Retrieval Augmentation Reduces Hallucination in Conversation”, Findings of EMNLP 2021 อ่านแหล่งที่มา
ความสนใจจากคำถามออนไลน์หายไปเร็ว
งานวิจัยที่ศึกษาว่าบริษัทต่างๆ จัดการคำถามออนไลน์จากลูกค้าที่มีแนวโน้มจะซื้ออย่างไร สรุปว่าบริษัทส่วนใหญ่ตอบกลับช้าเกินไปมาก ลูกค้าเป้าหมายออนไลน์มีอายุสั้นอย่างที่ชื่องานวิจัยบอกไว้
สิ่งที่เราสร้าง Telybot ตอบทันทีที่คำถามเข้ามา ไม่ว่าจะตอน 21:40 น. หรือ 11:00 น. และโฟลว์ต้อนรับสามารถขอชื่อและเบอร์โทรของลูกค้าได้ในขณะที่ลูกค้ายังสนใจอยู่
Oldroyd, McElheran and Elkington, “The Short Life of Online Sales Leads”, Harvard Business Review, มีนาคม 2011 อ่านแหล่งที่มา
เราตรวจสอบงานของเราเองอย่างไร
ทุกครั้งที่ออกเวอร์ชันใหม่ เราจะรันการตรวจสอบอัตโนมัติมากกว่า 1,700 รายการกับเซิร์ฟเวอร์จริง ในจำนวนนั้น:
- คำถามที่เนื้อหาไม่ครอบคลุมจะถูกบันทึกว่ายังไม่มีคำตอบ ไม่ใช่ถูกตอบไปแล้ว
- เมื่อคุณตอบแล้ว คำถามเดิมจะได้รับคำตอบจากถ้อยคำของคุณ
- การตอบกลับจากคำตอบที่บันทึกไว้จะไม่ถูกนับรวมในโควตาของแผนคุณเลย
- ธุรกิจหนึ่งไม่สามารถอ่านฐานความรู้หรือแชทของอีกธุรกิจหนึ่งได้เลย
- บอทได้รับคำสั่งไม่ให้แต่งลิงก์ขึ้นเอง ย่อลิงก์ หรือเขียนลิงก์ใหม่เด็ดขาด
พบคำตอบที่ผิดใช่ไหม? แจ้งเรา
อ่านต้นฉบับด้วยตัวเอง
ตัวเลขทั้งหมดอ้างอิงตามที่แต่ละแหล่งเผยแพร่ เราไม่ได้เป็นผู้ทำการศึกษาเหล่านี้
- CSA Research, “Can’t Read, Won’t Buy – B2C”, กรกฎาคม 2020
- KPMG in India and Google, “Indian Languages – Defining India’s Internet”, เมษายน 2017
- Bali, Sharma, Choudhury and Vyas, “‘I am borrowing ya mixing?’ An Analysis of English-Hindi Code Mixing in Facebook”, 2014
- Lewis et al., “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks”, NeurIPS 2020
- Shuster et al., “Retrieval Augmentation Reduces Hallucination in Conversation”, Findings of EMNLP 2021
- Oldroyd, McElheran and Elkington, “The Short Life of Online Sales Leads”, Harvard Business Review, มีนาคม 2011
นำเว็บไซต์ของคุณมา
แล้วรับผู้ช่วยกลับไป
ใช้งานฟรีในช่วง Early access ใช้เวลาประมาณสิบห้านาทีตั้งแต่ลงชื่อเข้าใช้จนถึงการทดสอบคำตอบแรกของคุณ
สร้างผู้ช่วยของคุณ