בוט צ'אט מבוסס AI עם מאגר ידע — הבוט שלכם מכיר את העסק שלכם
בוטים כלליים של בינה מלאכותית נותנים תשובות כלליות. אפליקציית Zentor מחברת את הבוט של הבינה המלאכותית למאגר הידע שלך: הבוט עונה אך ורק על בסיס טקסטים של החברה שלך — במדויק, בעקביות וללא מידע מדומה.
הבעיה של צ'אטבוטים כלליים
צ'אטבוט מבוסס בינה מלאכותית שמסתמך אך ורק על הידע הכללי של מודל שפה אינו יכול לענות באופן מהימן על שאלות הלקוחות שלכם. המודל לא מכיר את החברה שלכם, לא את מבנה המחירים שלכם, לא את תנאי השירות שלכם ולא את המוצרים העדכניים שלכם. התוצאה היא תשובות מעורפלות, כלליות או במקרה הגרוע – שגויות, וזה פוגע באמון הלקוחות שלכם.
צ'אטבוטים מבוססי כללים מהדור הראשון פותרים את הבעיה הזו בדרכים אחרות: הם מתוכנתים באופן קבוע ומגיבים רק למילות מפתח מדויקות. זה מוביל לשיחות נוקשות ולא גמישות — ברגע שהלקוח מנסח שאלה אחרת מזו שנקבעה מראש, המערכת נכשלת.
Zentor App משלב את הטוב ביותר משני הגישות: התשובות מבוססות על התוכן שלך, מבוסס על חוקים, אבל המודל הבינה מלאכותי מבין את השפה הטבעית של הלקוח ויכול להגיב בגמישות, כמו צ'אטבוט בינה מלאכותי מודרני. התוצאה היא צ'אטבוט שיודע באמת מי אתה. צ'אטבוט AI משלך במקום בוט גנרי.
מהי מאגר ידע — ומהו RAG?
בסיס ידע בהקשר של צ'אטבוטים מבוססי בינה מלאכותית הוא אוסף מובנה של כל התכנים שעל בסיסם הבוט אמור לענות על שאלות. אתם מעלים את מסמכי השאלות הנפוצות, טקסטי המוצרים, מידע השירות והנחיות התהליכים שלכם — הצ'אטבוט פונה לאוסף הזה בכל פנייה.
המנגנון הטכני העומד בבסיס זה נקרא יצור מוגבר-שליפה, בקיצור RAG. הוא פועל בשני שלבים: תחילה, המערכת מחפשת במאגר הידע שלך את קטעי הטקסט הרלוונטיים לשאלת הלקוח (שליפה). לאחר מכן, היא מעבירה את התוכן שנמצא יחד עם שאלת הלקוח לדגם הבינה המלאכותית, שמנסח מתוכם תשובה מובנת ומותאמת להקשר (יצירה).
התוצאה: הבוט לא ממציא דבר. הוא רק עונה על מה שמופיע במאגר הידע שלך — בשפה טבעית, ללא כפיית תסריט, ועם הבנה של הניסוחים של הלקוחות שלך. ניתן לקרוא הסבר טכני מפורט על Retrieval ו-Generation במאמר שלנו טכנולוגיית RAG מוסברת.
התכנים שלך — התשובות שלך
מאגר הידע Zentor App מתאים לכל תוכן מבוסס טקסט שקשור ללקוחות. כל מה שאתה רוצה ללמד את הצ'טבוט שלך, תעלה דרך לוח המחוונים אין תכנות, אין הגדרות טכניות. מבט מקרוב יותר על תוכן FAQ, PDF ומוצר טיפוסי מספק את האתר שלנו צ'טבוט עם נתונים משלו.
שאלות ותשובות נפוצות — הקלאסיקה של כל מאגר ידע. מובנים כמסמך שאלות ותשובות או כטקסט רציף.
תכונות, יתרונות, גרסאות וטווחי יישום של המוצרים שלך. הבוט יכול להתמקד במוצרים ספציפיים.
שעות פתיחה (במובן של שעות שירות של הבוט), תנאי משלוח, תהליכי החזרה ומידע רלוונטי אחר לשירות.
הנחיות פנימיות או חיצוניות צעד-אחר-צעד, המסייעות ללקוחות בשימוש במוצרים או בשירותים שלך.
מי אתה, מה אתה מציע וללקוחות למה לעבוד איתך. שימושי לבקשות ראשוניות ושיחות אוריינטציה כלליות.
רשימות מחירים, תצוגות כלליות של תעריפים ותנאים — ללא נתונים אישיים, אך עם כל המידע שלקוחות בדרך כלל מבקשים.
Starter: 1.000 MB מאגר ידע
התוכנית המוצלחת של Zentor App מכילה 1,000 MB של אחסון ידע (ניתן להרחיב על פי בקשה). זה נשמע בתחילה כמו מספר טכני כדאי לשים את זה בהשוואה: מסמך טקסט של 50,000 מילים בדרך כלל מקיף פחות מ-500 KB. אז עם 1,000 MB אתה יכול לאחסן כמות גדולה מאוד של טקסטים של החברה, מסמכים FAQ, תיאור מוצר והדרכים ללא בעיות קיבולת.
רוב העסקים הקטנים והבינויים נהנים ממאגר מידע זה, שהוא רחב בהרבה מהנדרש כדי לכסות את כל פרטי הלקוחות הרלוונטיים. הבוט משתמש במאגר זה ומספק תשובות איכותיות — ללא קשר למספר השיחות המתקיימות בו זמנית.
אתה מנהל את תוכן מאגר הידע בכל עת דרך לוח הבקרה: הוסף, עדכן או הסר מסמכים. השינויים נכנסים לתוקף מיד — הבוט ישיב בהתבסס על התוכן המעודכן החל מהשיחה הבאה.
Vector-RAG בחבילה אישית
עבור חברות עם בסיסי ידע נרחבים או דרישות איכותיות גבוהות יותר, Zentor App מציעה את חבילת Vector-RAG האישית. ההבדל ממחפש הסטנדרטי: במקום לחפש על ידי מילות מפתח, Vector-RAG הופך את תוכן הידע ואת שאילת הלקוח לקטורים מתמטיים. וקטורים אלה מייצגים את התוכן הסמנטי כלומר המשמעות של טקסט.
זה מאפשר חיפוש מבוסס דמיון סמנטי: כאשר לקוח שואל "איך אני יכול לבטל?", המערכת מוצאת גם את הסעיף שכותרתו "ביטול החוזה" — גם אם אין מילות מפתח משותפות. דיוק החיפוש עולה משמעותית, מה שמשפיע ישירות על איכות התשובות של הבוט.
Vector-RAG בחבילה אינדיבידואלית ניתן לשילוב עם מודלי AI מקומיים: מאגר הידע והעיבוד של ה-AI נשארים לחלוטין בתשתית שלכם. ריבונות נתונים מקסימלית תוך שמירה על איכות חיפוש סמנטי.
שאלות נפוצות על בסיס הידע
מהי טכנולוגיית RAG?
RAG ראשי תיבות של Retrieval-Augmented Generation. השיטה משלבת שני שלבים: ראשית, המערכת סורקת את מאגר הידע שלך אחר התוכן המתאים לשאילתה (Retrieval). לאחר מכן, מודל הבינה המלאכותית משתמש בתוכן שנמצא כדי לנסח תשובה מדויקת ומותאמת להקשר (Generation). התוצאה היא תשובות המבוססות על טקסטים ארגוניים משלך — ולא על ידע כללי מאימון מודל הבינה המלאכותית.
איזה תוכן ניתן להעלות למאגר הידע?
נית להעלות את כל התוכן הבסיסי-טקסטואלי הנוגע ללקוחות שלכם: מסמכי שאלות ותשובות, תיאורי מוצרים, תנאי שירות, רשימות מחירים (ללא נתונים אישיים), הנחיות תהליך, מדריכי שימוש במוצר או מידע כללי על החברה. מאגר הידע ניתן לניהול דרך לוח הבקרה של אפליקציית Zentor — ללא צורך בידיעות טכניות.
כמה אחסון כלול?
בתוכנית ההתחלה עומדים לרשותך 1,000 MB של מאגר ידע (ניתן להרחבה לפי בקשה). זה שווה ערך לכמות גדולה מאוד של מסמכי טקסט — עבור רוב העסקים בינוניים, מאגר זה הוא רב-דיי מספיק. בחבילה המותאמת אישית ניתן להגדיר מאגר נוסף וחיפוש Vector-RAG סמנטי לפי הצורך.
האם הבוט עונה רק מתוך מאגר הידע?
בתצורה הסטנדרטית, הבוט עונה על שאלות רק על בסיס התוכן שבמאגר הידע שלך. זה מונע מהבוט לתת תשובות כלליות או שגויות מתוך הידע הכללי של מודל ה-AI. אם לא נמצא תוכן מתאים לשאלה, ניתן להגדיר את הבוט כך שיפנה את הלקוח לעובד במקום לתת תשובה לא בטוחה.
מה ההבדל בין Starter לבין Individuell במאגר הידע?
בתוכנית ההתחלתית, הבוט משתמש באחזור מילים מפתח קלאסי מתוך מאגר הידע שלך: הבוט מחפש מילות מפתח מתוך בקשת הלקוח. בחבילה המותאמת אישית, זמין גם Vector-RAG: כאן, הבקשות ותוכן הידע מומרים לוקטורים סמנטיים, כך שהבוט ימצא תשובות מתאימות גם כאשר הלקוח מנסח שאלה אחרת מזו שמופיעה במאגר הידע — מה שמשפר משמעותית את אחוזי ההתאמה.
האם ניתן למלא באופן אוטומטי את מאגר הידע ממערכות חיצוניות?
Zentor App תומך ביבוא מסמכים דרך ממשק המדד. עבור יבואים אוטומטיים ממערכות חיצוניות (CMS, ניהול מסמכים, CRM), יש בפעקל האישי גישה API ותנועות עבודה n8n, אשר ניתן לייבא ולחדש את התוכן בצורה מובנית ללא העלאה ידנית דרך המדד.
כמה מהר השינויים במאגר הידע נכנסים לתוקף?
שינויים שאתה עושה בדאשבורד Zentor App מעובדים מיידית. החל מהשיחה הבאה, הצ'אט-בוט יענה בהתבסס על התוכן המופץ. אין עיכוב בשל מחזורים של ניטריינינג ידני מערכת RAG קוראת את התוכן הנוכחי בכל בקשה ישירות מבנק המידע.
מה קורה כאשר הבוט לא מוצא תשובה מתאימה?
אם מערכת ה-RAG לא מוצאת תוכן מתאים לבקשת במאגרי הידע, הצ'אט-בוט מגיב באופן מותאם: הוא יכול להודיע ללקוח שאין לו תשובה ולהוביל את ההנפקה לעובד, או להגיש שאלה כללית. ניתן להגדיר את התגובה המדויקת למקרי אי-הצלה בדשבארד Zentor App אין תשובות לא בטוחות מתוך הידע הכללי של אימון בינה מלאכותית.
הפוך את הבוט שלך למומחה של העסק שלך
תבדקו את Zentor App, הצ'אט-בוט המלאכותי עם מסד הנתונים של הידע בדמו או תבררו על התוכניות המתאימות לעסק שלכם.
Mehr dazu im Hilfe-Center