ساخت چتبات هوش مصنوعی برای سایت: چطور اشتباه نکند؟
چتبات هوش مصنوعی خوب جواب درست از دادهی شما میدهد و جایی که مطمئن نیست، میگوید نمیداند و گفتگو را به یک آدم میدهد. چتباتی که با اعتمادبهنفس جواب غلط بدهد، از نبود چتبات بدتر است.
چتبات سایت چه کارهایی را خوب انجام میدهد؟
- پاسخ به پرسشهای پرتکرار: ساعت کاری، شرایط ارسال، مراحل ثبتسفارش، خدمات و قیمتهای اعلامشده.
- جمعآوری اطلاعات اولیهی مشتری و تحویل منظم آن به کارشناس.
- راهنمایی در صفحههای محصول و مستندات.
و کارهایی که نباید بدون کنترل بسپارید: تغییر سفارش، بازپرداخت، تعهد قیمتی و هر تصمیم حقوقی.
سه ستون یک چتبات قابلاعتماد
| ستون | چیست | اگر ضعیف باشد |
|---|---|---|
| پایگاه دانش | متنهای رسمی و بهروز شرکت که ربات از آن پاسخ میدهد | جواب کهنه یا ساختگی |
| قواعد محافظ | مرز موضوع، لحن و کارهایی که مجاز نیست | پاسخهای بیربط یا خطرناک |
| ارجاع به انسان | مسیر روشن انتقال به کارشناس | مشتری در دور تکراری گیر میکند |
RAG یعنی چه؟
در روش RAG، پیش از پاسخ دادن، مدل مرتبطترین بخشهای متنهای شرکت را پیدا میکند و فقط بر پایهی آنها جواب میدهد. به این ترتیب پاسخ به دادهی شما وصل است و میتوانید با بهروز کردن متنها، رفتار ربات را اصلاح کنید، بدون اینکه مدل را از نو آموزش دهید. در n8n گرههای ایجنت و ذخیرهی برداری برای ساخت این جریان موجود است.
یک پایگاه دانش خوب چه شکلی است؟
- قطعههای کوتاه و مستقل: هر متن یک موضوع، مثلاً «شرایط مرجوعی» یا «زمان ارسال».
- تاریخ و مسئول: مشخص باشد آخرین بار کِی و توسط چه کسی بازبینی شده.
- بدون تناقض: دو صفحه با دو پاسخ متفاوت برای یک سؤال، ربات را گیج میکند.
- زبان ساده: همان چیزی که مشتری میپرسد، نه اصطلاح داخلی شرکت.
یک نمونهی درست و یک نمونهی غلط
فرض کنید مشتری میپرسد: «تا چند روز میتوانم کالا را پس بدهم؟». چتبات خوب سیاست مرجوعی را از متن رسمی میخواند، شرطها را کامل میگوید و اگر حالت خاصی بود پیشنهاد میکند با کارشناس صحبت کند. چتبات بد بدون مراجعه به متن، عدد رایج بازار را حدس میزند؛ اگر عدد شما فرق داشته باشد، به چیزی متعهد شدهاید که نمیخواستید. (این مثال فرضی است.)
چه زمانی به انسان ارجاع بدهیم؟
- اطمینان ربات از پاسخ پایین است،
- مشتری ناراضی یا عصبانی است،
- موضوع پرداخت، بازپرداخت یا حقوقی است،
- یک سؤال سه بار تکرار شده،
- کاربر صریحاً انسان خواسته است.
کانالها
همان دانش را میشود پشت چند کانال گذاشت: ویجت سایت، تلگرام و بله. مزیت ساخت با n8n این است که منطق و دانش یک جا میماند و فقط ورودی و خروجی هر کانال فرق میکند.
حریم داده
- تصمیم بگیرید چه دادهای اصلاً نباید به مدل برسد؛ مثلاً شمارهی کارت، رمز و مدارک هویتی.
- لاگ گفتگوها را فقط برای بهبود کیفیت و با زمان نگهداری مشخص ذخیره کنید.
- به کاربر بگویید که با یک دستیار هوشمند صحبت میکند.
چطور کیفیت را بسنجیم؟
- پنجاه پرسش واقعی که مشتریها میپرسند را از تیکتها و پیامها جمع کنید.
- پاسخ درست هر کدام را مشخص کنید.
- قبل از راهاندازی، ربات را با همین فهرست آزمایش کنید و جوابهای غلط را مرور کنید.
- بعد از راهاندازی، گفتگوهای ناموفق را هفتگی ببینید و پایگاه دانش را اصلاح کنید.
هزینه از کجا میآید؟
هزینه از طراحی و آمادهسازی دانش، هزینهی استفاده از مدل بر اساس حجم گفتگو، و نگهداری تشکیل میشود. با شروع از یک موضوع محدود، هزینه و ریسک اولیه را پایین نگه دارید.
برای انتخاب مدل زبانی مناسب و برآورد هزینهی آن، بهترین مدل هوش مصنوعی برای ایجنت کسبوکار را بخوانید.
پرسشهای رایج
آیا چتبات جای تیم پشتیبانی را میگیرد؟
خیر. هدف، سبککردن پرسشهای تکراری است تا تیم برای موارد مهم وقت داشته باشد. شروع درست، پوشش بخشی از پرسشها با دقت بالاست.
اگر جواب غلط بدهد مسئول کیست؟
مسئولیت با کسبوکار است؛ پس قواعد محافظ، ارجاع به انسان و پایش گفتگوها ضروری است. ربات نباید تعهد قیمتی یا حقوقی بدهد.
چه مدلی بهتر است؟
بسته به کیفیت فارسی، هزینه و محل پردازش داده فرق میکند. چند مدل را با پرسشهای واقعی خودتان آزمایش کنید و بر اساس همان نتیجه انتخاب کنید.
شروع درست
با یک موضوع کوچک شروع کنید، مثل پرسشهای متداول، و قبل از گسترش کیفیت را بسنجید. تفاوت چتبات و ایجنت در AI Agent چیست آمده است، و اتصال به تلگرام و بله در اتوماسیون تلگرام و بله با n8n. برای ساخت اختصاصی، صفحهی خدمات AI Agent را ببینید.
خدمت مرتبط: ساخت ایجنت هوش مصنوعی (AI Agent) اختصاصی برای شرکت شما