चैटबॉट नॉलेज बेस कैसे बनाएँ, जिससे आपका AI एजेंट सही जवाब दे सके

चैटबॉट नॉलेज बेस उस मंज़ूर किए गए कंटेंट का समूह है, जिसे आपका AI एजेंट जवाब देने से पहले खोजता है: आम सवालों के जवाब, प्रोडक्ट और सेवाओं की जानकारी, पॉलिसी, लोकेशन और खुलने का समय। जब ग्राहक कुछ पूछता है, तो एजेंट सबसे प्रासंगिक अंश निकालता है और जवाब उन्हीं से लिखता है। इसे उन सवालों से बनाइए जो ग्राहक सच में पूछते हैं, हर तथ्य एक बार सरल भाषा में लिखिए, उसे छोटे और केंद्रित हिस्सों में बाँटिए, और जब भी आपका बिज़नेस बदले, उसे अपडेट कीजिए।

निराश करने वाले ज़्यादातर AI एजेंट मॉडल की वजह से सीमित नहीं होते। वे इस वजह से सीमित होते हैं कि वे क्या खोजकर देख सकते हैं। अगर आपकी रिटर्न पॉलिसी तीन साल पुराने स्कैन किए गए PDF में पड़ी है, तो एजेंट या तो उसे ही उद्धृत करेगा या अंदाज़ा लगाएगा। इस गाइड में बताया गया है कि क्या शामिल करें, कंटेंट को कैसे संरचित करें, रिट्रीवल आसान शब्दों में कैसे काम करता है, और ग्राहकों से बातचीत शुरू होने के बाद कंटेंट को सटीक कैसे रखें।

चैटबॉट नॉलेज बेस असल में क्या करता है

एक बड़ा लैंग्वेज मॉडल दुनिया के बारे में बहुत कुछ जानता है और आपके बिज़नेस के बारे में कुछ नहीं। उसे आपकी कीमतें नहीं पता, आपकी ब्रांच नहीं पता, और यह भी नहीं पता कि आप रविवार को डिलीवरी करते हैं या नहीं। नॉलेज बेस यही कमी पूरी करता है।

इसके लिए मानक तकनीक है रिट्रीवल-ऑगमेंटेड जनरेशन (RAG)। आसान शब्दों में:

1. ग्राहक सवाल पूछता है WhatsApp, Instagram या आपकी वेबसाइट की चैट पर।
2. सिस्टम आपके नॉलेज बेस में खोजता है ऐसे अंश जो सवाल के मतलब से सबसे ज़्यादा मेल खाते हों, सिर्फ़ उसके सटीक शब्दों से नहीं।
3. एजेंट को वे अंश मिलते हैं सवाल और उसके निर्देशों के साथ।
4. एजेंट जवाब लिखता है उन्हीं अंशों से, और आदर्श रूप से ऐसा कुछ नहीं कहता जिसका समर्थन अंश न करते हों।

इसीलिए अपने डॉक्यूमेंट से जवाब दिलवाने के लिए मॉडल को “ट्रेन” या फ़ाइन-ट्यून करने की ज़रूरत नहीं पड़ती। आप कंटेंट बदलते हैं, और अगला जवाब उसी के साथ बदल जाता है।

अपने नॉलेज बेस में क्या शामिल करें

ग्राहकों के सवालों से शुरुआत कीजिए, उन डॉक्यूमेंट से नहीं जो संयोग से आपके पास हैं। अपने इनबॉक्स, ईमेल सपोर्ट और फ़ोन नोट्स से पिछली कुछ सौ बातचीत निकालिए और उन्हें विषय के हिसाब से समूहों में बाँटिए। जो विषय सबसे ज़्यादा आते हैं, वही आपके पहले सेक्शन हैं।

कंटेंट का प्रकार	उदाहरण	एजेंट को इसकी ज़रूरत क्यों है
FAQ	”क्या आप विदेश में शिप करते हैं?”, “क्या मैं अपनी बुकिंग बदल सकता हूँ?”	रोज़मर्रा के ज़्यादातर सवाल इसी से कवर हो जाते हैं
प्रोडक्ट और सेवाएँ	नाम, वेरिएंट, क्या-क्या शामिल है, किसके लिए उपयुक्त है	एजेंट सुझाव दे सके और तुलना कर सके
कीमतें और शुल्क	प्राइस लिस्ट, डिलीवरी शुल्क, डिपॉज़िट	मनगढ़ंत या पुरानी कीमतें बताने से बचाता है
पॉलिसी	रिटर्न, कैंसलेशन, वारंटी, प्राइवेसी	जोखिम वाले जवाब, जो बिल्कुल सटीक होने चाहिए
लोकेशन और समय	पते, खुलने का समय, छुट्टियों में बंदी	सीधे-सादे तथ्य, जो ग्राहक बार-बार पूछते हैं
प्रक्रियाएँ	बुकिंग कैसे करें, भुगतान कैसे करें, वारंटी का दावा कैसे करें	जवाब को अगले क़दम में बदल देता है
एस्केलेशन नियम	एजेंट को कौन-से जवाब ख़ुद कभी नहीं देने हैं	उसे बताता है कि कब सौंपना है

आंतरिक नोट्स, ड्राफ़्ट, पुराने कैंपेन की शर्तें और निजी डेटा वाली हर चीज़ को बाहर रखिए। नॉलेज बेस ऐसी चीज़ है जिसे एजेंट किसी भी ग्राहक को उद्धृत कर सकता है, इसलिए हर पंक्ति को सार्वजनिक मानिए।

कंटेंट को ऐसे संरचित करें कि रिट्रीवल उसे ढूँढ ले

रिट्रीवल पूरी फ़ाइलों पर नहीं, टेक्स्ट के टुकड़ों पर काम करता है। आपके पास कितना कंटेंट है, इससे ज़्यादा मायने रखता है कि आप उसे कैसे लिखते और बाँटते हैं।

हर सेक्शन में एक विषय लिखें

“ऑनलाइन ऑर्डर की रिटर्न” शीर्षक वाला पाँच छोटे पैराग्राफ़ का सेक्शन, 40 पन्नों के उस शर्तों वाले डॉक्यूमेंट से कहीं बेहतर रिट्रीव होता है जिसमें रिटर्न की बात पन्ना 31 पर है। अगर किसी पन्ने में कई विषय हैं, तो उसे बाँट दीजिए।

जवाब सबसे पहले लिखें

हर सेक्शन की शुरुआत सीधे जवाब से कीजिए, फिर शर्तें और अपवाद जोड़िए। जो अंश रिट्रीव होगा, उसमें जवाब होना चाहिए, सिर्फ़ पृष्ठभूमि नहीं।

कमज़ोर:  हमारी कंपनी की स्थापना 2009 में हुई थी और हमने हमेशा
         ग्राहकों की संतुष्टि की परवाह की है। इन वर्षों में हमारी रिटर्न प्रक्रिया...

बेहतर:   ऑनलाइन ऑर्डर डिलीवरी के 14 दिनों के भीतर वापस किए जा सकते हैं।
         सामान इस्तेमाल न किया हुआ और मूल पैकेजिंग में होना चाहिए।
         सेल वाले सामान का एक्सचेंज हो सकता है, रिफ़ंड नहीं।

हर तथ्य एक बार लिखें

अगर आपका डिलीवरी शुल्क चार डॉक्यूमेंट में है और आप सिर्फ़ तीन अपडेट करते हैं, तो एजेंट पुराना वाला निकाल सकता है। हर तथ्य के लिए एक ही स्रोत रखिए और डुप्लिकेट हटा दीजिए।

वही शब्द इस्तेमाल करें जो ग्राहक करते हैं

ग्राहक “पैसे वापस” लिखते हैं, “प्रतिपूर्ति प्रक्रिया” नहीं। असली चैट में दिखने वाले शब्दों को सवाल के शीर्षक के रूप में जोड़िए, ताकि मतलब के आधार पर होने वाली खोज के पास मिलान के लिए ज़्यादा सामग्री हो।

टेबल और लिस्ट सरल रखें

सरल प्राइस टेबल और बुलेट लिस्ट आमतौर पर बँटने के बाद भी ठीक रहती हैं। मर्ज किए हुए सेल वाली जटिल स्प्रेडशीट और स्कैन की हुई इमेज अक्सर नहीं रहतीं। संदेह हो तो उन्हें छोटे वाक्यों में दोबारा लिख दीजिए।

चंकिंग आसान शब्दों में

कंटेंट को मतलब के आधार पर खोजने लायक बनाने से पहले उसे चंक में काटा जाता है, और हर चंक को एम्बेडिंग नाम की संख्याओं की सूची में बदला जाता है, जिसे वेक्टर डेटाबेस में रखा जाता है। जवाब देते समय सवाल को भी उसी तरह बदला जाता है और सबसे नज़दीकी चंक लौटाए जाते हैं।

दो सेटिंग नतीजों को आकार देती हैं:

• चंक का आकार। छोटे चंक सटीक होते हैं, पर संदर्भ खो सकते हैं (“14 दिनों के भीतर”, पर किस चीज़ के, यह नहीं बताया)। बड़े चंक संदर्भ बनाए रखते हैं, पर असंबंधित टेक्स्ट भी ले आते हैं, जो जवाब को उलझा सकता है।
• ओवरलैप। पास-पास के चंक के बीच थोड़ा टेक्स्ट दोहराने से यह संभावना घटती है कि कोई ज़रूरी वाक्य बीच से कट जाए।

पहले दिन आपको इन्हें शायद ही कभी ट्यून करना पड़े। अच्छी तरह संरचित कंटेंट के लिए सही डिफ़ॉल्ट काफ़ी होते हैं। इन्हें तभी दोबारा देखिए जब टेस्ट में दिखे कि एजेंट सही डॉक्यूमेंट तो निकाल रहा है, पर उसका ग़लत हिस्सा।

नॉलेज को उद्देश्य के हिसाब से अलग रखें

डॉक्यूमेंट का एक साझा ढेर जैसे-जैसे बढ़ता है, जवाब बिगड़ते जाते हैं। सेल्स असिस्टेंट को आपकी आंतरिक शिफ़्ट प्रक्रियाएँ नहीं चाहिए, और सपोर्ट एजेंट को ड्राफ़्ट प्राइस लिस्ट उद्धृत नहीं करनी चाहिए। कंटेंट को अलग-अलग डोमेन में बाँटिए, जैसे कस्टमर सपोर्ट, सेल्स और आंतरिक संचालन, और हर एजेंट को सिर्फ़ वही डोमेन दीजिए जिनकी उसे ज़रूरत है।

इससे जोखिम भी घटता है। जो कंटेंट एजेंट निकाल नहीं सकता, वह लीक भी नहीं कर सकता। AI सिस्टम तक कौन-सा डेटा पहुँचना चाहिए और कौन-सा नहीं, इस बारे में और जानने के लिए हमारी AI चैटबॉट प्राइवेसी चेकलिस्ट देखें।

स्थिर नॉलेज को लाइव डेटा के साथ जोड़ें

नॉलेज बेस में वह कंटेंट रहता है जो धीरे-धीरे बदलता है: पॉलिसी, प्रोडक्ट विवरण, खुलने का समय। ऑर्डर की स्थिति, स्टॉक या किसी ग्राहक की अगली अपॉइंटमेंट रखने के लिए यह सही जगह नहीं है। ये सवाल पूछे जाने के क्षण पर आपके सिस्टम से आने चाहिए, टूल कॉल (फ़ंक्शन कॉलिंग) या इंटीग्रेशन के ज़रिए।

एक अच्छा नियम: अगर कोई तथ्य दिन में कई बार बदल सकता है, तो उसे लाइव निकालिए। अगर वह साल में कुछ ही बार बदलता है, तो उसे नॉलेज बेस में रखिए।

नॉलेज बेस को अद्यतन रखें

जो नॉलेज बेस लॉन्च के समय सही था, वह जल्दी पुराना पड़ने लगता है। रखरखाव को अपनी दिनचर्या में शामिल कीजिए:

1. हर सेक्शन का एक ज़िम्मेदार तय करें, जैसे संचालन टीम समय और लोकेशन देखे, फ़ाइनेंस टीम कीमतें।
2. बदलाव होते ही अपडेट करें। जब कोई पॉलिसी या कीमत बदले, उसी दिन नॉलेज बेस अपडेट करें और फिर उसे दोबारा इंडेक्स करें।
3. हर हफ़्ते बिना जवाब वाले सवाल देखें। हर वह सवाल जिसका जवाब एजेंट नहीं दे सका, या तो कंटेंट की कमी है, या शब्दों की समस्या, या इंसान के संभालने लायक मामला।
4. हर महीने ऑडिट करें। ऊपर के सेक्शन पढ़ें, पुराना कंटेंट हटाएँ और जाँचें कि मौसमी जानकारी (छुट्टियों का समय, कैंपेन की शर्तें) हट चुकी है।
5. हैंडओवर पर नज़र रखें। अगर कोई विषय बार-बार लोगों के पास जा रहा है, तो या तो कंटेंट जोड़ें या तय करें कि उसे हमेशा इंसान ही संभालेगा। नियमों के लिए हमारी AI से इंसान को हैंडऑफ़ वाली गाइड देखें।

लॉन्च से पहले नॉलेज बेस को कैसे टेस्ट करें

30 से 50 असली सवालों का टेस्ट सेट बनाइए, और हर एक के लिए अपेक्षित जवाब लिखिए। इनमें शामिल करें:

• आम सवाल, उसी तरह लिखे हुए जैसे ग्राहक लिखते हैं, टाइपिंग की ग़लतियों और छोटे संदेशों समेत।
• अपवाद वाले मामले, जहाँ पॉलिसी में छूट या अपवाद हैं।
• ऐसे सवाल जो कवर नहीं किए गए हैं, ताकि पक्का हो कि एजेंट अंदाज़ा लगाने के बजाय कहता है कि उसे नहीं पता।
• दूसरी भाषाओं में सवाल, अगर आप अंतरराष्ट्रीय ग्राहकों को सेवा देते हैं।

टेस्ट: "क्या मैं वो जूते वापस भेज सकता हूँ जो मैंने एक बार पहने थे"
अपेक्षित: समझाए कि रिटर्न के लिए सामान इस्तेमाल न किया हुआ होना चाहिए,
          और अपवादों के लिए ग्राहक को टीम से जोड़ने की पेशकश करे।
फ़ेल अगर: रिफ़ंड के लिए हाँ कह दे, या कोई अलग समय सीमा गढ़ ले।

दो चीज़ें अलग-अलग जाँचिए: क्या सिस्टम ने सही अंश निकाला, और क्या एजेंट ने उसका सही इस्तेमाल किया? सही अंश के बावजूद ग़लत जवाब प्रॉम्प्ट की समस्या है। ग़लत अंश से ग़लत जवाब कंटेंट या चंकिंग की समस्या है। टेस्ट सेट और मेट्रिक्स के बारे में और जानने के लिए हमारी लॉन्च से पहले AI एजेंट को टेस्ट करने वाली गाइड देखें।

नॉलेज बेस की आम ग़लतियाँ

• ग्राहकों को जो कंटेंट चाहिए उसके बजाय अपने पास मौजूद हर डॉक्यूमेंट अपलोड कर देना।
• कीमतें या डिलीवरी के वादे एजेंट के निर्देशों में रखना, जहाँ उन्हें अपडेट करना किसी को याद नहीं रहता।
• पॉलिसी के पुराने संस्करण नए संस्करणों के साथ रहने देना।
• स्कैन की हुई इमेज या जटिल स्प्रेडशीट को पढ़ने लायक कंटेंट मान लेना।
• कुछ प्रासंगिक न मिलने पर कोई फ़ॉलबैक न होना, जो हैलुसिनेशन को न्योता देता है।

MonoChat में अपना AI नॉलेज बेस कैसे बनाएँ

आपके एजेंट को क्या पता होना चाहिए, इसे बनाने के दो तरीक़े MonoChat देता है, इस पर निर्भर करते हुए कि आप कितना नियंत्रण चाहते हैं।

तेज़ शुरुआत: MonoChat Start

MonoChat Start आपकी वेबसाइट पढ़ता है और नॉलेज बेस आपके लिए लिख देता है: बिज़नेस प्रोफ़ाइल, आपके प्रोडक्ट और सेवाएँ, आपकी लोकेशन, आपकी पॉलिसी और लगभग चालीस ऐसे सवाल जो आपके ग्राहक सच में पूछते हैं। वेबसाइट नहीं है, या उस पर पढ़ने लायक कम है? तब आप इसके बदले पाँच सवालों के जवाब देते हैं।

असिस्टेंट जो कुछ भी कह सकता है, वह चार टैब में रहता है: Questions, Products & services, Locations और Policies। आप किसी भी एंट्री को बदल सकते हैं, चालू या बंद कर सकते हैं, या एक्सपोर्ट कर सकते हैं। असिस्टेंट कभी ऐसी कीमत, डिलीवरी समय या गारंटी नहीं बताता जो वहाँ लिखी नहीं है। जो जवाब उसने आपकी साइट से नहीं, बल्कि आपके सेक्टर की सामान्य जानकारी से लिखे हैं, वे “Check this” बैज के साथ बंद अवस्था में आते हैं, जब तक आप उन्हें मंज़ूर नहीं करते।

जब उसके पास जवाब नहीं होता, तो वह अंदाज़े से नहीं बोलता। वह अनुरोध को Messages taken के नीचे लिख लेता है और ग्राहक को बताता है कि कोई इंसान उनसे संपर्क करेगा, और उसकी रिपोर्ट में वे सवाल दिखते हैं जिनका वह जवाब नहीं दे सका, जो आपके हर हफ़्ते के अपडेट की सूची है। वह WhatsApp, Instagram, Telegram या आपकी वेबसाइट की चैट पर जवाब देता है।

पूरा नियंत्रण: AI नॉलेज बेस और RAG

बड़े कंटेंट सेट के लिए, AI नॉलेज बेस में आप PDF, Excel फ़ाइलें, टेक्स्ट और वेब पेज अपलोड कर सकते हैं, बल्क अपलोड, मेटाडेटा और टैग के साथ। आप कंटेंट को स्कोप में व्यवस्थित करते हैं, जैसे कस्टमर सपोर्ट, सेल्स या आंतरिक प्रक्रियाएँ, जिनमें से हर एक का अपना एक्सेस कंट्रोल होता है, और हर स्कोप उन एजेंट और फ़्लो को सौंपते हैं जिन्हें उसका इस्तेमाल करना चाहिए।

MonoChat कंटेंट को इस्तेमाल के लिए तैयार डिफ़ॉल्ट के साथ चंक और एम्बेड करता है, और ज़रूरत पड़ने पर आप एम्बेडिंग मॉडल, चंक का आकार, ओवरलैप और प्रीप्रोसेसिंग नियम चुन सकते हैं। वेक्टर MonoChat के एम्बेडेड वेक्टर डेटाबेस में, या VectorDB इंटीग्रेशन के ज़रिए आपके अपने डेटाबेस में रखे जाते हैं। जब कंटेंट बदलता है, तो आप स्कोप अपडेट करके उसे दोबारा इंडेक्स करते हैं, और असिस्टेंट नए संस्करण से जवाब निकालने लगता है, आपको अपने फ़्लो दोबारा बनाने नहीं पड़ते।

दस्तावेज़ों को लाइव डेटा के साथ मिलाने के लिए, RAG ऑर्केस्ट्रेशन क्वेरी रीराइट, रिट्रीवल, रीरैंकिंग, टूल कॉल, सिटेशन और अंतिम जवाब जैसे चरणों को एक श्रृंखला में जोड़ता है, और AI फ़ंक्शन टूल उसी जवाब में ऑर्डर की स्थिति या CRM रिकॉर्ड जैसी चीज़ें ले आते हैं।

आप मुफ़्त Basic प्लान (एक एजेंट, एक चैनल) पर app.monochat.ai पर शुरुआत कर सकते हैं और हमारे कीमतें पेज पर प्लान की तुलना कर सकते हैं।

स्रोत

• Meta for Developers: WhatsApp Business Platform का अवलोकन
• WhatsApp Business मैसेजिंग पॉलिसी