GETTING STARTED
Kore.ai XO Platform
Virtual Assistants Overview
Natural Language Processing (NLP)
Concepts and Terminology
Quick Start Guide
Accessing the Platform
Navigating the Kore.ai XO Platform
Building a Virtual Assistant
Help & Learning Resources
Release Notes
Current Version
Recent Updates
Previous Versions
Deprecations
Request a Feature
CONCEPTS
Design
Storyboard
Overview
FAQs
Conversation Designer
Overview
Dialog Tasks
Mock Scenes
Dialog Tasks
Overview
Navigate Dialog Tasks
Build Dialog Tasks
Node Types
Overview
Intent Node
Dialog Node
Dynamic Intent Node
GenAI Node
GenAI Node (v2, BETA)
GenAI Prompt
Entity Node
Form Node
Confirmation Node
Message Nodes
Logic Node
Bot Action Node
Service Node
Webhook Node
Script Node
Process Node
Agent Transfer
Node Connections
Node Connections Setup
Sub-Intent Scoping
Entity Types
Entity Rules
User Prompts or Messages
Voice Call Properties
Knowledge AI
Introduction
Knowledge Graph
Introduction
Terminology
Build a Knowledge Graph
Manage FAQs
Knowledge Extraction
Import or Export Knowledge Graph
Prepare Data for Import
Importing Knowledge Graph
Exporting Knowledge Graph
Auto-Generate Knowledge Graph
Knowledge Graph Analysis
Answer from Documents
Alert Tasks
Small Talk
Digital Skills
Overview
Digital Forms
Digital Views
Introduction
Widgets
Panels
Session and Context Variables
Context Object
Intent Discovery
Train
NLP Optimization
ML Engine
Overview
Model Validation
FM Engine
KG Engine
Traits Engine
Ranking and Resolver
Training Validations
NLP Configurations
NLP Guidelines
LLM and Generative AI
Introduction
LLM Integration
Kore.ai XO GPT Module
Prompts & Requests Library
Co-Pilot Features
Dynamic Conversations Features
Guardrails
Intelligence
Introduction
Event Handlers
Contextual Memory
Contextual Intents
Interruption Management
Multi-intent Detection
Amending Entities
Default Conversations
Conversation Driven Dialog Builder
Sentiment Management
Tone Analysis
Default Standard Responses
Ignore Words & Field Memory
Test & Debug
Overview
Talk to Bot
Utterance Testing
Batch Testing
Conversation Testing
Conversation Testing Overview
Create a Test Suite
Test Editor
Test Case Assertion
Test Case Execution Summary
Glossary
Health and Monitoring
NLP Health
Flow Health
Integrations
Actions
Actions Overview
Asana
Configure
Templates
Azure OpenAI
Configure
Templates
BambooHR
Configure
Templates
Bitly
Configure
Templates
Confluence
Configure
Templates
DHL
Configure
Templates
Freshdesk
Configure
Templates
Freshservice
Configure
Templates
Google Maps
Configure
Templates
Here
Configure
Templates
HubSpot
Configure
Templates
JIRA
Configure
Templates
Microsoft Graph
Configure
Templates
Open AI
Configure
Templates
Salesforce
Configure
Templates
ServiceNow
Configure
Templates
Stripe
Configure
Templates
Shopify
Configure
Templates
Twilio
Configure
Templates
Zendesk
Configure
Templates
Agents
Agent Transfer Overview
Custom (BotKit)
Drift
Genesys
Intercom
NiceInContact
NiceInContact(User Hub)
Salesforce
ServiceNow
Configure Tokyo and Lower versions
Configure Utah and Higher versions
Unblu
External NLU Adapters
Overview
Dialogflow Engine
Test and Debug
Deploy
Channels
Publishing
Versioning
Analyze
Introduction
Dashboard Filters
Overview Dashboard
Conversations Dashboard
Users Dashboard
Performance Dashboard
Custom Dashboards
Introduction
Custom Meta Tags
Create Custom Dashboard
Create Custom Dashboard Filters
LLM and Generative AI Logs
NLP Insights
Task Execution Logs
Conversations History
Conversation Flows
Conversation Insights
Feedback Analytics
Usage Metrics
Containment Metrics
Universal Bots
Introduction
Universal Bot Definition
Universal Bot Creation
Training a Universal Bot
Universal Bot Customizations
Enabling Languages
Store
Manage Assistant
Team Collaboration
Plan & Usage
Overview
Usage Plans
Templates
Support Plans
Invoices
Authorization
Conversation Sessions
Multilingual Virtual Assistants
Get Started
Supported Components & Features
Manage Languages
Manage Translation Services
Multiingual Virtual Assistant Behavior
Feedback Survey
Masking PII Details
Variables
Collections
IVR Settings
General Settings
Assistant Management
Manage Namespace
Data
Overview
Guidelines
Data Table
Table Views
App Definitions
Data as Service
HOW TOs
Build a Travel Planning Assistant
Travel Assistant Overview
Create a Travel Virtual Assistant
Design Conversation Skills
Create an ‘Update Booking’ Task
Create a Change Flight Task
Build a Knowledge Graph
Schedule a Smart Alert
Design Digital Skills
Configure Digital Forms
Configure Digital Views
Train the Assistant
Use Traits
Use Patterns
Manage Context Switching
Deploy the Assistant
Use Bot Functions
Use Content Variables
Use Global Variables
Use Web SDK
Build a Banking Assistant
Design Conversation Skills
Create a Sample Banking Assistant
Create a Transfer Funds Task
Create a Update Balance Task
Create a Knowledge Graph
Set Up a Smart Alert
Design Digital Skills
Configure Digital Forms
Configure Digital Views
Add Data to Data Tables
Update Data in Data Tables
Add Data from Digital Forms
Train the Assistant
Composite Entities
Use Traits
Use Patterns for Intents & Entities
Manage Context Switching
Deploy the Assistant
Configure an Agent Transfer
Use Assistant Functions
Use Content Variables
Use Global Variables
Intent Scoping using Group Node
Analyze the Assistant
Create a Custom Dashboard
Use Custom Meta Tags in Filters
APIs & SDKs
API Reference
API Introduction
Rate Limits
API List
koreUtil Libraries
SDK Reference
SDK Introduction
Web SDK
How the Web SDK Works
SDK Security
SDK Registration
Web Socket Connect and RTM
Tutorials
Widget SDK Tutorial
Web SDK Tutorial
BotKit SDK
BotKit SDK Deployment Guide
Installing the BotKit SDK
Using the BotKit SDK
SDK Events
SDK Functions
Installing Botkit in AWS
Tutorials
BotKit - Blue Prism
BotKit - Flight Search Sample VA
BotKit - Agent Transfer

ADMINISTRATION
Intro to Bots Admin Console
Administration Dashboard
User Management
Managing Your Users
Managing Your Groups
Role Management
Manage Data Tables and Views
Bot Management
Enrollment
Inviting Users
Sending Bulk Invites to Enroll Users
Importing Users and User Data
Synchronizing Users from Active Directory
Security & Compliance
Using Single Sign-On
Two-Factor Authentication for Platform Access
Security Settings
Cloud Connector
Analytics for Bots Admin
Billing
  1. Docs
  2. Virtual Assistants
  3. Overview
  4. 봇 개념 및 용어들

봇 개념 및 용어들

이 섹션에서는 Kore.ai 봇 플랫폼과 관련된 주요 용어와 개념 숙지를 도와드립니다.

봇은 사람과 디지털 시스템, 인터넷 활용 사물 간의 지능적인 중개자 역할을 하는 가상 비서의 한 형태입니다. 봇은 지능적입니다. 기계 학습과 자연어 처리, 다른 형태의 고급 소프트웨어를 통해 봇은 복잡한 인간 대화를 처리하고 과거의 상호 작용에서 학습하며 시간이 지남에 따라 응답을 개선할 수 있습니다.

발화

사용자가 챗봇에게 말하는 모든 것은 발화입니다. 예를 들어, 사용자가 다음 주 일요일 올랜도행 항공편 예약을 입력하면 전체 문장은 사용자 발화로 간주됩니다.

의도

사용자가 챗봇에게 원하는 행동을 설명하는 몇 가지 필수 단어입니다. 예를 들어, 위의 사용자 발화인 다음 주 일요일 올랜도행 항공편 예약에서 의도는 항공편 예약입니다.

엔티티

사용자 의도를 충족하려면 봇은 추가 정보 또는 매개 변수가 필요할 수 있습니다. 예를 들어, 항공편을 예약하려면 여행 날짜와 함께 출발지 도시와 목적지 도시가 필요합니다. 위의 사용자 발화의 예인 다음 주 일요일 올랜도행 항공편 예약에서 올랜도 및 다음 주 일요일은 엔티티입니다.

엔티티는 챗봇이 사용자 요청을 완료하는 데 필요한 필드, 데이터 또는 단어입니다. 필요한 엔티티를 확보한 후 봇 플랫폼은 웹 서비스에 접근하여 특정 데이터를 가져오거나 사용자 의도에 따라 조치를 수행할 수 있습니다.

매개 변수 및 사용자 입력에 대한 자세한 내용은 봇 작업 정의하기에서 특정 작업 유형 매개 변수 및 필드를 참조하세요.

샘플 발화 의도 엔티티
올랜도행 항공편 예약 항공편 예약 도시: 올랜도
이번 주 일요일에 Bill과 회의 일정 잡기 회의 일정 잡기 사람 이름: Bill
날짜: 2018년 4월 22일
장바구니에 적포도주 두 병 추가 장바구니에 추가 품목: 적포도주
수량: 두 병

자연어 처리

봇이 사용자 의도를 식별하고 발화에서 유용한 정보를 추출하고 해당 데이터(의도)를 관련 작업에 매핑하는 프로세스입니다. 이를 통해 봇은 복잡한 메뉴나 프로그래밍 언어가 아닌 텍스트 형식으로 요청을 처리할 수 ​​있습니다.
Kore.ai의 플랫폼은 고유한 NLP 전략을 사용합니다. 최적의 대화 정확도를 위해 기초 의미 및 기계 학습 엔진을 결합합니다. Kore.ai의 플랫폼에 구축된 봇은 다음을 이해하고 처리할 수 있습니다.

  • 다중 문장 메시지
  • 다중 의도
  • 문맥적 참조
  • 패턴 및 관용 문장 등.

인공 지능

인간의 행동과 의사 결정을 시뮬레이션하고 음성 인식 및 이해, 언어 번역 등, 일반적으로 인간과 유사한 지능이 필요한 작업을 수행하는 기계 능력입니다.

기계 학습

알고리즘, 패턴, 학습 데이터를 사용하여 명시적으로 프로그래밍하지 않고도 숨겨진 통찰력을 배우고 찾을 수 있는 기계 능력입니다.

엔티티 추출

작업을 완료하기 위해 사용자의 발화에서 관련성이 높고 가치 있는 데이터를 추출하세요. 봇은 사용자 작업 완료를 위한 모든 데이터를 보유하고 있는지 확인할 수 있으며 그렇지 않은 경우 사용자에게 누락된 정보를 입력하라는 메시지를 표시할 수 있습니다.

봇 작업

작업은 개발자가 챗봇에 지정한 다양한 유형의 단순하고 복잡한 작업을 말합니다. 챗봇은 사용자 의도를 이행하기 위해 이러한 작업을 수행합니다.

여행 봇의 경우 작업 이름은 다양한 사용자 의도를 충족하는 티켓 예약, 호텔 검색, 일기 예보 제공 등입니다.

봇이 사용자 의도를 이해하면 웹 서비스에 접근, 현재 기상 상태 보고서 추출, 응답 구문 분석, 사용자에게 데이터 전달과 같은 작업을 수행할 준비가 됩니다.

Kore.ai는 사실상 거의 모든 봇 시나리오를 다루는 다섯 가지 사전 정의된 작업 유형을 제공합니다.

조치 작업

봇은 약속 예약, 제품 검색, 중요한 정보 업데이트와 같은 기록 시스템의 정보를 수집, 수정 및 게시할 수 있습니다.

경고 작업

봇은 백엔드 시스템을 폴링하거나 정기적으로 정보를 가져와서 기업 시스템에서 직접 고객과 직원에게 적시에 관련된 개인화된 알림을 전달할 수 있습니다. 사용자 또는 봇 개발자는 알림을 설정할 수 있습니다.

지식 그래프

봇은 일련의 사전 정의된 정보를 쿼리하여 사용자가 가장 흔히 하는 질문에 대한 답변을 사용자에게 제공할 수 있습니다. 예를 들어, 봇은 운영 시간과 관련된 고객 질문에 답변하는 동시에 반품 정책에 관한 질문에도 답변할 수 있습니다.

정보 작업

봇은 보고서 형식으로 백엔드 시스템에서 데이터를 사용자에게 제공할 수 있습니다. 이러한 보고서는 사용자 선호도, 적용 가능한 필터에 따라 형식이 지정되고 구성되며 향후에 사용할 수 있도록 다운로드할 수 있습니다. 예를 들어, 봇은 영업 관리자에게 지난해 매출 상위 10명의 영업 담당자를 지역별로 상세히 기술한 보고서를 제공할 수 있습니다.

대화 작업

봇은 사람들이 매일 자연스럽게 주고 받는 의견 교환 행위를 모사한 복잡한 대화형 경험을 처리할 수 있습니다.

학습

학습은 챗봇이 새로운 의견과 엔티티를 인식하고, 질문에 올바르게 답변하고, 사용자 발화의 중요한 측면을 식별하는 방법을 말합니다. 학습은 수동이나 자동일 수 있습니다. 그리고 인간과 마찬가지로 봇도 자신이 틀렸을 때와 올바른 조치 또는 응답, 답변이 무엇인지 알아야 합니다.

지도 학습

입력 변수(X)와 출력 변수(Y)가 있고 알고리즘을 사용하여 입력에서 출력으로 매핑하는 함수를 학습하는 형태입니다. 여기서 봇 개발자는 교사 역할을 하며 사실상 봇이 학습하는 내용을 완전히 통제합니다. 이는 알고리즘이 제공된 학습 데이터를 기반으로 예측을 한다는 것을 의미합니다. 봇 크리에이터 개발자는 결과를 정확하거나 부정확한 것으로 표시하여 예측을 수동으로 수정할 수 있습니다. 봇 개발자는 봇이 이해해야 하는 내용을 이미 알고 있으므로 개발자가 결정하거나 모델이 허용 가능한 수행 수준에 도달하는 즉시 학습을 중단할 수 있습니다.

비지도 학습

봇 개발자의 지도가 필요하지 않는 학습 형태입니다. 여기서 봇은 성공적인 발화에서 학습하며, 해당 발화를 봇이 성공적으로 인식했으며 작업이 완료되었음을 의미합니다. 이 결과를 사용하여 충돌 발생 시 사용자가 제공한 의도 확인을 포함하여 모델을 자동으로 확장하고 봇을 재학습시킵니다. 이러한 형태의 학습을 통해 봇은 실패한 발화를 배제하고 인간과의 상호 작용 없이도 언어 능력을 확장하고 정확도를 개선할 수 있습니다.

메시징 채널

채널은 SMS, 이메일, 모바일 앱, 웹 사이트, 메시징 앱 등 로봇이 존재할 수 있는 다양한 커뮤니케이션 플랫폼을 말합니다. 봇 빌더를 사용하면 박스를 체크하는 것만으로 한 번에 챗봇 작업을 설계하고 여러 채널에 배포할 수 있습니다. 또한 메시지 응답을 변경하거나 날짜 선택기, 캐러셀 등과 같은 채널별 UI 요소를 활용하여 교차 채널 경험을 차별화할 수 있습니다.

변수, 컨텍스트, 세션 데이터

개발자가 작업을 생성하고 정의할 때 다음 정보에 접근할 수 있습니다.

  • 봇 플랫폼에서 제공하는 세션 변수.
  • 개발자가 정의한 사용자 정의 변수.
  • 변수의 범위를 정의한 컨텍스트.

예를 들어, 일부 API 요청에서는 작업을 실행하기 전에 세션 변수를 설정해야 합니다. 또는 다음 노드로 전환하려면 세션 변수 접근을 위한 대화 작업 구성 요소가 필요합니다. 대화 작업은 추가 시스템 변수를 사용하여 컨텍스트 개체에 접근할 수도 있습니다. 이러한 세션 변수와 컨텍스트 변수를 사용하여 데이터를 유지하고 저장할 수 있습니다. 예를 들어, 봇은 작업을 실행할 때 상거래, 운송, 가정 배달 중심의 서비스를 위해 사용자의 집 주소를 사용합니다.

봇 플랫폼은 JavaScript를 사용하여 섹션에서 작업을 정의할 때 사용되는 세션 변수를 지원합니다. 세션 변수는 사용되는 컨텍스트 혹은 범위에 따라 다릅니다. 예를 들어, 엔터프라이즈 수준, 봇 수준, 사용자 수준, 세션 수준입니다.

봇 개념 및 용어들

이 섹션에서는 Kore.ai 봇 플랫폼과 관련된 주요 용어와 개념 숙지를 도와드립니다.

봇은 사람과 디지털 시스템, 인터넷 활용 사물 간의 지능적인 중개자 역할을 하는 가상 비서의 한 형태입니다. 봇은 지능적입니다. 기계 학습과 자연어 처리, 다른 형태의 고급 소프트웨어를 통해 봇은 복잡한 인간 대화를 처리하고 과거의 상호 작용에서 학습하며 시간이 지남에 따라 응답을 개선할 수 있습니다.

발화

사용자가 챗봇에게 말하는 모든 것은 발화입니다. 예를 들어, 사용자가 다음 주 일요일 올랜도행 항공편 예약을 입력하면 전체 문장은 사용자 발화로 간주됩니다.

의도

사용자가 챗봇에게 원하는 행동을 설명하는 몇 가지 필수 단어입니다. 예를 들어, 위의 사용자 발화인 다음 주 일요일 올랜도행 항공편 예약에서 의도는 항공편 예약입니다.

엔티티

사용자 의도를 충족하려면 봇은 추가 정보 또는 매개 변수가 필요할 수 있습니다. 예를 들어, 항공편을 예약하려면 여행 날짜와 함께 출발지 도시와 목적지 도시가 필요합니다. 위의 사용자 발화의 예인 다음 주 일요일 올랜도행 항공편 예약에서 올랜도 및 다음 주 일요일은 엔티티입니다.

엔티티는 챗봇이 사용자 요청을 완료하는 데 필요한 필드, 데이터 또는 단어입니다. 필요한 엔티티를 확보한 후 봇 플랫폼은 웹 서비스에 접근하여 특정 데이터를 가져오거나 사용자 의도에 따라 조치를 수행할 수 있습니다.

매개 변수 및 사용자 입력에 대한 자세한 내용은 봇 작업 정의하기에서 특정 작업 유형 매개 변수 및 필드를 참조하세요.

샘플 발화 의도 엔티티
올랜도행 항공편 예약 항공편 예약 도시: 올랜도
이번 주 일요일에 Bill과 회의 일정 잡기 회의 일정 잡기 사람 이름: Bill
날짜: 2018년 4월 22일
장바구니에 적포도주 두 병 추가 장바구니에 추가 품목: 적포도주
수량: 두 병

자연어 처리

봇이 사용자 의도를 식별하고 발화에서 유용한 정보를 추출하고 해당 데이터(의도)를 관련 작업에 매핑하는 프로세스입니다. 이를 통해 봇은 복잡한 메뉴나 프로그래밍 언어가 아닌 텍스트 형식으로 요청을 처리할 수 ​​있습니다.
Kore.ai의 플랫폼은 고유한 NLP 전략을 사용합니다. 최적의 대화 정확도를 위해 기초 의미 및 기계 학습 엔진을 결합합니다. Kore.ai의 플랫폼에 구축된 봇은 다음을 이해하고 처리할 수 있습니다.

  • 다중 문장 메시지
  • 다중 의도
  • 문맥적 참조
  • 패턴 및 관용 문장 등.

인공 지능

인간의 행동과 의사 결정을 시뮬레이션하고 음성 인식 및 이해, 언어 번역 등, 일반적으로 인간과 유사한 지능이 필요한 작업을 수행하는 기계 능력입니다.

기계 학습

알고리즘, 패턴, 학습 데이터를 사용하여 명시적으로 프로그래밍하지 않고도 숨겨진 통찰력을 배우고 찾을 수 있는 기계 능력입니다.

엔티티 추출

작업을 완료하기 위해 사용자의 발화에서 관련성이 높고 가치 있는 데이터를 추출하세요. 봇은 사용자 작업 완료를 위한 모든 데이터를 보유하고 있는지 확인할 수 있으며 그렇지 않은 경우 사용자에게 누락된 정보를 입력하라는 메시지를 표시할 수 있습니다.

봇 작업

작업은 개발자가 챗봇에 지정한 다양한 유형의 단순하고 복잡한 작업을 말합니다. 챗봇은 사용자 의도를 이행하기 위해 이러한 작업을 수행합니다.

여행 봇의 경우 작업 이름은 다양한 사용자 의도를 충족하는 티켓 예약, 호텔 검색, 일기 예보 제공 등입니다.

봇이 사용자 의도를 이해하면 웹 서비스에 접근, 현재 기상 상태 보고서 추출, 응답 구문 분석, 사용자에게 데이터 전달과 같은 작업을 수행할 준비가 됩니다.

Kore.ai는 사실상 거의 모든 봇 시나리오를 다루는 다섯 가지 사전 정의된 작업 유형을 제공합니다.

조치 작업

봇은 약속 예약, 제품 검색, 중요한 정보 업데이트와 같은 기록 시스템의 정보를 수집, 수정 및 게시할 수 있습니다.

경고 작업

봇은 백엔드 시스템을 폴링하거나 정기적으로 정보를 가져와서 기업 시스템에서 직접 고객과 직원에게 적시에 관련된 개인화된 알림을 전달할 수 있습니다. 사용자 또는 봇 개발자는 알림을 설정할 수 있습니다.

지식 그래프

봇은 일련의 사전 정의된 정보를 쿼리하여 사용자가 가장 흔히 하는 질문에 대한 답변을 사용자에게 제공할 수 있습니다. 예를 들어, 봇은 운영 시간과 관련된 고객 질문에 답변하는 동시에 반품 정책에 관한 질문에도 답변할 수 있습니다.

정보 작업

봇은 보고서 형식으로 백엔드 시스템에서 데이터를 사용자에게 제공할 수 있습니다. 이러한 보고서는 사용자 선호도, 적용 가능한 필터에 따라 형식이 지정되고 구성되며 향후에 사용할 수 있도록 다운로드할 수 있습니다. 예를 들어, 봇은 영업 관리자에게 지난해 매출 상위 10명의 영업 담당자를 지역별로 상세히 기술한 보고서를 제공할 수 있습니다.

대화 작업

봇은 사람들이 매일 자연스럽게 주고 받는 의견 교환 행위를 모사한 복잡한 대화형 경험을 처리할 수 있습니다.

학습

학습은 챗봇이 새로운 의견과 엔티티를 인식하고, 질문에 올바르게 답변하고, 사용자 발화의 중요한 측면을 식별하는 방법을 말합니다. 학습은 수동이나 자동일 수 있습니다. 그리고 인간과 마찬가지로 봇도 자신이 틀렸을 때와 올바른 조치 또는 응답, 답변이 무엇인지 알아야 합니다.

지도 학습

입력 변수(X)와 출력 변수(Y)가 있고 알고리즘을 사용하여 입력에서 출력으로 매핑하는 함수를 학습하는 형태입니다. 여기서 봇 개발자는 교사 역할을 하며 사실상 봇이 학습하는 내용을 완전히 통제합니다. 이는 알고리즘이 제공된 학습 데이터를 기반으로 예측을 한다는 것을 의미합니다. 봇 크리에이터 개발자는 결과를 정확하거나 부정확한 것으로 표시하여 예측을 수동으로 수정할 수 있습니다. 봇 개발자는 봇이 이해해야 하는 내용을 이미 알고 있으므로 개발자가 결정하거나 모델이 허용 가능한 수행 수준에 도달하는 즉시 학습을 중단할 수 있습니다.

비지도 학습

봇 개발자의 지도가 필요하지 않는 학습 형태입니다. 여기서 봇은 성공적인 발화에서 학습하며, 해당 발화를 봇이 성공적으로 인식했으며 작업이 완료되었음을 의미합니다. 이 결과를 사용하여 충돌 발생 시 사용자가 제공한 의도 확인을 포함하여 모델을 자동으로 확장하고 봇을 재학습시킵니다. 이러한 형태의 학습을 통해 봇은 실패한 발화를 배제하고 인간과의 상호 작용 없이도 언어 능력을 확장하고 정확도를 개선할 수 있습니다.

메시징 채널

채널은 SMS, 이메일, 모바일 앱, 웹 사이트, 메시징 앱 등 로봇이 존재할 수 있는 다양한 커뮤니케이션 플랫폼을 말합니다. 봇 빌더를 사용하면 박스를 체크하는 것만으로 한 번에 챗봇 작업을 설계하고 여러 채널에 배포할 수 있습니다. 또한 메시지 응답을 변경하거나 날짜 선택기, 캐러셀 등과 같은 채널별 UI 요소를 활용하여 교차 채널 경험을 차별화할 수 있습니다.

변수, 컨텍스트, 세션 데이터

개발자가 작업을 생성하고 정의할 때 다음 정보에 접근할 수 있습니다.

  • 봇 플랫폼에서 제공하는 세션 변수.
  • 개발자가 정의한 사용자 정의 변수.
  • 변수의 범위를 정의한 컨텍스트.

예를 들어, 일부 API 요청에서는 작업을 실행하기 전에 세션 변수를 설정해야 합니다. 또는 다음 노드로 전환하려면 세션 변수 접근을 위한 대화 작업 구성 요소가 필요합니다. 대화 작업은 추가 시스템 변수를 사용하여 컨텍스트 개체에 접근할 수도 있습니다. 이러한 세션 변수와 컨텍스트 변수를 사용하여 데이터를 유지하고 저장할 수 있습니다. 예를 들어, 봇은 작업을 실행할 때 상거래, 운송, 가정 배달 중심의 서비스를 위해 사용자의 집 주소를 사용합니다.

봇 플랫폼은 JavaScript를 사용하여 섹션에서 작업을 정의할 때 사용되는 세션 변수를 지원합니다. 세션 변수는 사용되는 컨텍스트 혹은 범위에 따라 다릅니다. 예를 들어, 엔터프라이즈 수준, 봇 수준, 사용자 수준, 세션 수준입니다.

메뉴