Konteks percakapan mengacu pada aliran dan konteks percakapan. Ini terdiri dari berbagai faktor seperti situasi di mana percakapan berlangsung, hubungan pembicara, tujuan percakapan, dan sebagainya. Untuk komunikasi yang efektif, penting untuk memahami konteks percakapan dengan benar. Ini karena melalui pemahaman konteks, Anda dapat lebih memahami ucapan lawan bicara dan memberikan respons yang tepat.

Berikut adalah beberapa cara untuk meningkatkan pemahaman tentang konteks percakapan:

Memahami Latar Belakang Lawan Bicara

Memahami usia, jenis kelamin, pekerjaan, dan minat lawan bicara dapat membantu Anda memahami konteks percakapan dengan lebih baik.

Memahami Situasi

Penting juga untuk memperhatikan dengan cermat tempat, waktu, dan suasana di mana percakapan berlangsung.

Memperhatikan Petunjuk Nonverbal

Ekspresi wajah, nada suara, dan postur lawan bicara juga dapat membantu dalam memahami konteks percakapan.

Menggunakan Umpan Balik

Memeriksa respons lawan bicara untuk memastikan bahwa pesan Anda telah disampaikan dengan benar juga dapat membantu dalam memahami konteks.
Memahami konteks percakapan dapat membuat komunikasi dengan lawan bicara menjadi lebih lancar dan mengurangi kemungkinan kesalahpahaman atau konflik. Oleh karena itu, pemahaman tentang konteks percakapan sangat penting untuk komunikasi yang efektif.

Lalu, bagaimana dengan konteks percakapan dalam chatbot?

Contoh 1

• Pembicara: Bagaimana cuaca hari ini?
• Bot: Cuaca hari ini cerah.
• Pembicara: Bagaimana dengan besok?
• Bot: Cuaca besok cerah.

Contoh 2

• Pembicara: Bagaimana dengan besok?
• Bot: Apa maksud Anda dengan "besok"? (※ Catatan: Siri akan memberi tahu Anda jadwal untuk hari berikutnya)
• Pembicara: Bagaimana cuacanya
• Bot: Cuaca besok cerah.

Dengan cara ini, membuat percakapan berkelanjutan dengan percakapan sebelumnya disebut konteks percakapan.

Contoh lain adalah ketika Anda pergi ke bengkel dan mengatakan "Rusak", bot tidak akan dapat menentukan apa yang rusak. Dalam kasus ini, bot harus menanyakan kembali "Apa yang rusak?" atau hanya melakukan perbaikan keseluruhan.

Pada akhirnya, jika kata-kata sebelumnya tidak jelas, Anda harus mengajukan pertanyaan lagi agar dapat mengarahkan pada jawaban yang ingin dicapai.

Bagaimana chatbot dapat memahami konteks percakapan?

Analisis Riwayat Percakapan: Menganalisis konten percakapan sebelumnya untuk menyimpulkan konteks.

Pemahaman Bahasa: Menggunakan teknologi pemrosesan bahasa alami untuk memahami makna kalimat dengan tepat.

Pemanfaatan Input Multimodal: Menganalisis secara komprehensif berbagai input seperti teks, gambar, suara, dan sebagainya. (Seperti yang dijelaskan sebelumnya, Konteks Percakapan dengan Manusia, Memperhatikan petunjuk nonverbaljuga merupakan alasan mengapa hanya menjelaskan dengan teks tidaklah cukup.)

Memahami konteks percakapan sangat penting untuk meningkatkan kemampuan chatbot dalam berkomunikasi secara alami. Hal ini memungkinkan pengguna untuk mendapatkan pengalaman yang lebih baik. Dengan perkembangan teknologi chatbot ke depan, diharapkan kemampuan memahami konteks percakapan akan terus meningkat.

❗Ketika menggunakan chatbot builder untuk membuat chatbot?

Selama proses pembuatan bot, Anda juga harus mempertimbangkan bagaimana menangani pertanyaan komprehensif dari pengguna dengan baik, dengan menggunakan fungsi konteks ini. Pembuat bot biasanya menyediakan fungsi konteks, dan Anda perlu membuat dan menghubungkan pertanyaan komprehensif atau pertanyaan yang membutuhkan pertanyaan ulang satu per satu. Dengan begitu, Anda dapat menemukan jawaban yang lebih dekat dengan keinginan pembicara.

❗Ketika menggunakan AI generatif untuk membuat chatbot?

Kemampuan chatbot dapat bervariasi tergantung pada seberapa banyak konteks percakapan yang dapat disimpan. Karena itu, untuk input informasi tertentu, basis data terpisah dibuat untuk menyimpannya. Misalnya, informasi seperti hobi ski atau kecintaan terhadap bepergian disimpan secara terpisah, sementara konteks percakapan itu sendiri dihapus. Ini karena ada keterbatasan dalam menyimpan sejumlah besar percakapan. Selain itu, basis data yang disimpan digunakan untuk menarik informasi yang diperlukan saat diperlukan selama pertanyaan atau aliran percakapan.

Contoh 3

• Pembicara: Saya suka musim dingin.
• Bot: Ya, Anda pernah mengatakan bahwa hobi Anda adalah ski! Pernah ke gunung ski tahun ini?