研究怎麼說。
Telybot 的打造方式建立在關於語言、速度與可信賴 AI 的已發表研究之上。以下是每項研究的發現、我們據此打造的功能，以及原文出處。
- CSA Research · 2020Can’t Read, Won’t Buy
- KPMG in India and Google · 2017Indian Languages – Defining India’s Internet
- ACL Anthology · 2014Facebook 上的英語–印地語語碼混用
- NeurIPS 2020 · EMNLP 2021以檢索到的文字為依據的回答
- Harvard Business Review · 2011The Short Life of Online Sales Leads
人們用自己的語言購物
在一項涵蓋 29 個國家、8,709 名消費者的調查中，76% 的網購消費者表示偏好購買以其母語提供資訊的產品，40% 表示絕不會在其他語言的網站上購物。
我們的做法 Telybot 會以每位客戶所使用的語言回覆——支援 30 種語言，包含印地語和 Hinglish。
CSA Research, “Can’t Read, Won’t Buy – B2C”，2020 年 7 月。閱讀原文
印度網路說的是印度本土語言
2016 年，印度本土語言的網路使用者人數超越了英語使用者：2.34 億對1.75 億。該研究預估，到了 2021 年，印度本土語言使用者將達 5.36 億，英語使用者則為 1.99 億。
我們的做法 印地語、孟加拉語、泰米爾語、泰盧固語、卡納達語、馬拉雅拉姆語、馬拉地語、古吉拉特語、旁遮普語和烏爾都語，都在機器人支援的 30 種語言之列。
KPMG in India and Google, “Indian Languages – Defining India’s Internet”，2017 年 4 月。閱讀原文
人們打字時會混用語言
一項針對 Facebook 上英語–印地語貼文的研究，測量了人們混用這兩種語言的程度。研究發現，大多數混用的詞語落在「借用」與「混用」之間的連續區間，並伴隨自動處理必須應對的非標準拼寫與音譯。
我們的做法 以 Hinglish 輸入的問題，就以 Hinglish 回答。Telybot 的語言能力源自數百萬印度人使用的 Keyda 鍵盤。
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 年。閱讀原文
以文件為依據的回答更符合事實
根據檢索到的文件撰寫回答的模型，相較於僅憑記憶作答的模型，產生的語言更具體、更多元，也更符合事實。在聊天機器人中，同樣的方法能大幅減少知識幻覺（即說得信心十足、實則不正確的陳述），這一點已獲人工評估驗證。
我們的做法 Telybot 只根據您的內容回答。沒有相符內容時，它會直接說明並轉交真人，而不是猜測。
Lewis et al., “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks”, NeurIPS 2020。閱讀原文
Shuster et al., “Retrieval Augmentation Reduces Hallucination in Conversation”, Findings of EMNLP 2021。閱讀原文
線上詢問很快就會失去熱度
一項關於企業如何處理潛在客戶線上詢問的研究得出結論：大多數企業的回應速度遠遠不夠快。正如標題所說，線上潛在客戶的「壽命」很短。
我們的做法 問題一進來，Telybot 就立即回答——晚上 9:40 和上午 11 點都一樣；歡迎流程還能趁客戶仍有興趣時，記下他們的姓名和電話。
Oldroyd, McElheran and Elkington, “The Short Life of Online Sales Leads”, Harvard Business Review，2011 年 3 月。閱讀原文
我們如何檢驗自己的成果
每次發布都會在真實伺服器上執行超過 1,700 項自動化檢查，其中包括：
- 內容未涵蓋的問題會被記錄為未解答，而不是被回答。
- 您回答過之後，同樣的問題就會以您的原話回答。
- 來自已儲存答案的回覆，絕不會計入您的方案額度。
- 任何商家都無法讀取其他商家的知識庫或對話。
- 機器人被明確要求：絕不捏造、縮短或改寫連結。
發現它答錯了嗎？回報給我們
親自閱讀原文
所有數據均依各來源發布的原樣引用。這些研究並非由我們進行。
- CSA Research, “Can’t Read, Won’t Buy – B2C”，2020 年 7 月
- KPMG in India and Google, “Indian Languages – Defining India’s Internet”，2017 年 4 月
- Bali, Sharma, Choudhury and Vyas, “‘I am borrowing ya mixing?’ An Analysis of English-Hindi Code Mixing in Facebook”，2014 年
- 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，2011 年 3 月