De Knowledge Base Optimizer is een testtool die je laat zien welke fragmenten van je trainingsgegevens de chatbot vindt voor een willekeurige vraag. De tool voert exact dezelfde zoekopdracht in de kennisbank uit als de chatbot tijdens echte gesprekken, dus wat je in de resultaten ziet, is wat de AI ontvangt bij het beantwoorden.
Het is alleen-lezen: het testen van een vraag hier verandert niets aan je trainingsgegevens en heeft op geen enkele manier invloed op je chatbot.
Waar vind je het?
Selecteer je chatbot in het hoofddashboard en open het tabblad Training (Trainen). Klik in de linkerkolom, onder de lijst met broncategorieën, op de blauwe knop Knowledge Base Optimizer.
Als je je chatbot nog niet hebt getraind, begin dan eerst met trainingsgegevens toevoegen - de optimizer kan alleen zoeken in kennis die al is getraind.
Een vraag testen
- Typ een vraag in het veld Message (Bericht) - bij voorkeur een echte vraag die je bezoekers stellen, of een vraag waarop de chatbot onlangs een slecht antwoord gaf.
- Klik op Submit (Verzenden).
- Na een kort moment verschijnen de overeenkomende kennisfragmenten eronder, gerangschikt van de beste overeenkomst naar beneden.
De resultaten lezen
Elke resultaatrij vertegenwoordigt één fragment van je trainingsgegevens:
- Match - het percentage aan de linkerkant toont hoe goed het fragment overeenkomt met je vraag. Hoe hoger, hoe relevanter.
- Source - de rij-header toont het pictogram en de naam van het brontype, bijvoorbeeld de URL van de getrainde pagina, een bestandsnaam of een vraag-en-antwoorditem (Q&A).
- Taalbadge - de kleine badge naast de bron toont aan welke taal het fragment is gekoppeld. Bronnen zonder taalbadge tonen "any", wat betekent dat ze voor elke taal worden gebruikt.
- Fragmentinhoud - klik op een rij om deze uit te vouwen en de exacte tekst te lezen die de chatbot zou ontvangen.
De volgorde is belangrijk. Resultaten worden gerangschikt op relevantie en de chatbot leest ze in deze volgorde, vanaf de bovenkant, totdat het contextbudget voor kennis vol is. Het budget hangt af van de Chat Context Size van de bot en de geheugeninstellingen - fragmenten die niet binnen het budget passen, vallen onderaan af. Als het verwachte fragment ontbreekt of erg laag in de lijst staat, gebruikt de chatbot het hoogstwaarschijnlijk niet bij het antwoorden.
Taalbeleid
Boven het berichtveld legt de regel Language policy (Taalbeleid) uit hoe je bot tijdens het zoeken omgaat met brontalen. Voor een eentalige bot zoekt deze in alle bronnen tegelijk. Als je Meertaligheid hebt ingeschakeld, kan de zoekopdracht worden beperkt tot de taal van de bezoeker plus taalonafhankelijke bronnen, en de tool hanteert hetzelfde gedrag.
Bij meertalige bots verschijnt er na elke zoekopdracht een extra informatieregel onder het berichtveld. Hier zie je de Detected message language (de taal die de tool in je vraag heeft herkend), de Searched languages (welke brontalen in de zoekopdracht zijn meegenomen) en, wanneer de tool je vraag heeft geherformuleerd om beter te zoeken, de Refined query die daadwerkelijk is gebruikt.
Wanneer te gebruiken
- De chatbot antwoordt verkeerd of zegt het niet te weten. Test dezelfde vraag hier. Als het juiste fragment ontbreekt in de resultaten, staat de informatie niet in je trainingsgegevens (of is deze te afwijkend verwoord) - voeg het toe als een nieuwe bron of als een correctie.
- Na het opnieuw trainen. Wanneer je je bronnen opnieuw traint, voer dan een paar typische vragen in om te controleren of de vernieuwde inhoud zoals verwacht wordt opgehaald.
- Vóór livegang. Test de meest voorkomende vragen die je bezoekers zullen stellen en controleer of elke vraag relevante fragmenten bovenaan oplevert.
Als de resultaten hiaten aan het licht brengen, verbeter dan je trainingsgegevens en test opnieuw - de wijzigingen worden meegenomen zodra het trainen is voltooid. Raadpleeg voor een uitgebreidere handleiding Hoe je chatbotantwoorden verbetert.