”的动作在使用我们的内部标签方面提供了不同工具和选项的集成。能够监控贡献者的性能，并拥有一个已经集成了该功能的系统，这是非常有帮助的。更不用说它的可扩展性了。”- - -游戏公司专家
该公司
这家总部位于美国的大型游戏公司向全球数亿用户提供游戏和在线内容。
所面临的挑战
当游戏用户遇到技术或其他游戏玩法问题时，他们通常会寻求客户支持。为了更快速的分类和更大的支持能力，该公司使用人工智能(AI)驱动的聊天机器人来管理支持请求。就像语言的情况一样，玩家的请求可能会让人感到困惑或模糊，从而为ai模型创造了可理解性困难。
游戏公司需要丰富他们的机器学习模型，以更多的培训数据涵盖更广泛的支持请求范围，目标是装备聊天的能力，以更好地理解和满足客户需求。该团队在客户和代理商之间注释过去聊天日志，以担任该模型的培训数据，但只有一个团队成员只有在任何特定时间内都有努力工作的带宽。工具也有限：团队成员使用了几个Excel文档和程序来收集标签，使其非常困难。该项目还需要更多资源和全面的数据存储数据库。
解决方案
2019年，他们收到了来自我们的一名员工的推荐合作伙伴与阿彭连接。我们的平台包括一组功能和工具，可以很容易地集成到他们的流程中。该平台取代了对各种Excel文档的需求，而是将这些信息整理到一个中央数据存储库中。
通过我们的平台，他们能够快速地在内部安装新的标签，项目团队也能够有效地发展。团队领导使用该平台跟踪标签人员的有价值的指标，如任务花费的时间，以及他们之间的表现比较。团队领导还可以提取报告，比较信任评分和标签准确性等关键测量数据。
结果
我们的平台让游戏公司能够扩展他们的项目团队，这带来了许多好处。他们发现了新的、更具体的标签，允许应用增加的粒度和细微差别来支持问题。客户因此获得了更个性化的体验，聊天机器人的响应时间也得到了改善。
随着更多的团队成员被整合到标签过程中，审查标签数据完整性和准确性所需的时间大大减少。通过我们的平台，团队领导可以轻松地监控参与者的表现和任务疲劳程度，并根据需要进行调整。
在项目开始时，他们开发了13000多行数据，但随着团队的扩大，这个数字增加了近12倍。因此，随着聊天机器人能够更有效地定位支持需求，客户和代理之间的互动得到了改善。用户支持模式的持续成功为游戏公司在增强玩家体验方面的探索开辟了新的道路。
