Ano ang pagkakaiba ng paunang pag-setup ng chatbot at ng advanced configuration?

Ang paunang pag-setup ay nagpapasagot sa chatbot ng mga katanungan: isang naka-konektang Flow, mga knowledge source, at isang inilapat na chat widget. Ang advanced configuration ay lahat ng pina-fine-tune mo pagkatapos nito—timing ng handover, pagkakasulat ng system message, multilingual na pag-uugali, at ang self-learning rule—upang ayusin ang mga partikular na problemang hindi kayang lutasin ng default setup nang mag-isa.

Paano ko makokontrol kung kailan magsa-turnover ang chatbot sa isang human agent?

I-set ang field na 'Required answers to initialize chat with human agent' sa Chatbot object sa LiveAgent. Ang numerong ito ay ang pinakamababang bilang ng AI response bago lumitaw ang transfer button. Maaari mo ring hayaang magpasya ang AI Agent nang mag-isa kung masyadong masalimuot ang isang query at awtomatikong mag-transfer, sa halip na maghintay sa bilang.

Maaari ko bang pigilan ang mga customer na direktang humingi ng human agent sa chatbot?

Oo. Sa default, pinapayagan ng template AI Agent ng LiveAgent ang isang bisita na humingi ng human agent anumang oras sa usapan. Para paghigpitan ito, i-edit ang system message ng AI Agent component sa FlowHunt at alisin o kondisyunan ang tagubiling nagpapahintulot dito.

Nakaaapekto ba ang pagpapalit ng AI model sa tono ng chatbot?

Di-tuwiran, oo. Ang FlowHunt ay sumusuporta sa mahigit 15 AI model, at bawat isa ay may iba't ibang default na istilo ng pagsulat. Ang pangunahing kontrol sa tono at persona ay ang system message na isinusulat mo para sa AI Agent component, hindi ang pagpili ng model, ngunit ang pagpapalit ng model ay maaaring magbago kung gaano literal na sinusunod ng bot ang pagkakasulat na iyon.

Ilang wika kayang suportahan ng chatbot?

Awtomatikong natutukoy ng chatbot ang wika ng bisita at sumasagot sa wikang iyon, na may suporta sa mahigit 100 wika depende sa AI model na naka-konekta. Ang mga malawakang ginagamit na wika ay maaasahang gumagana agad. Ang mga hindi gaanong karaniwang wika ay maaaring may mga puwang, kaya mainam na subukan ito nang direkta gamit ang aktwal na mga parirala bago ilunsad.

May karagdagang bayad ba ang self-learning loop?

Walang karagdagang singil ang LiveAgent para dito. Ang paggamit nito ay nasa ilalim ng credit-based pricing ng FlowHunt, ang parehong modelo ng pagsingil na sumasaklaw sa regular na mga usapan ng iyong chatbot, kaya ang dagdag na gastos ay limitado sa pagpoproseso ng mga resolved ticket na iyong na-tag para sa pag-aaral. Ang kabuuang gastos ay nakadepende pa rin sa dami ng ticket at kung aling AI model ang iyong naka-konekta.

LiveAgent Chatbot: Gabay sa Advanced na Configuration

Inilunsad mo na ang chatbot. Narito ang susunod na dapat i-configure: timing ng handover, daloy ng usapan, tono, multilingual na pag-uugali, at ang self-learning loop na nagpapabuti dito.

Published on Sep 15, 2026 by Adam Khaled.

AI Chatbots Customer Support Automation

Ang advanced na configuration ng LiveAgent chatbot ay nangangahulugan ng pag-fine-tune sa mga nangyayari pagkatapos ng default setup: ang handover threshold na nagdedesisyon kung kailan sasalo ang isang human agent, ang system message na kumokontrol sa tono at sa kung ano ang pinapayagang sabihin ng bot, multilingual na pag-uugali, at ang self-learning rule na nagpapalit ng mga resolved ticket sa bagong kaalaman ng chatbot nang awtomatiko.

Sa artikulong ito:

Ano ang nagbabago sa pagitan ng setup at advanced configuration
Paano mo iko-configure kung kailan magsa-turnover ang chatbot sa isang human agent?
Paano mo paghihigpitan ang pinapayagang sabihin ng chatbot?
Paano mo pananatilihing consistent ang mga sagot para sa mga partikular na tanong?
Paano mo iko-configure ang multilingual na pag-uugali?
Paano mo pananatilihing natututo ang chatbot pagkatapos ilunsad?
Aling mga setting ang susuriin, at gaano kadalas

Support manager na nag-a-adjust ng LiveAgent chatbot handover at escalation settings sa isang laptop

Ang aming gabay sa pag-setup ng AI customer support bot ay sumasaklaw sa anim na hakbang para maisabuhay ang chatbot ng LiveAgent : gumawa ng Flow, magkonekta ng knowledge sources, ilapat ito sa widget. Iyan ang pinakamababa para ilunsad. Hindi iyan ang configuration na tumutukoy kung magiging mahusay ba talaga ang bot pagkalipas ng tatlong buwan. Kung nagkukumpara ka pa rin ng mga chatbot option sa halip na fine-tune ang isang gamit mo na, ang aming roundup ng pinakamahusay na AI chatbot para sa 2026 ang mas magandang simulan.

Ang gabay na ito ay nagpapatuloy mula roon. Bawat setting sa ibaba ay isang tunay na field o component na makikita mo sa LiveAgent o FlowHunt , hindi isang pangkalahatang listahan ng best practices.

Ano ang nagbabago sa pagitan ng setup at advanced configuration

Sinasagot ng setup ang “gumagana ba ang bot?” Sinasagot ng configuration ang “gumagana ba ito sa paraang aktuwal na kailangan ng aming team?” Ang pagkakaibang iyon ay makikita sa apat na lugar: kung kailan nag-escalate ang bot, kung ano ang pinapayagang sabihin nito, gaano ka-consistent ang mga sagot nito sa iba’t ibang session, at kung ito ay bumubuti o nananatiling static pagkatapos ilunsad.

Ang bot na pumasa sa first-week test nito ay maaari pa ring makapagpabigo sa mga customer makalipas ang isang buwan kung wala sa apat na ito ang muling susuriin. Ang knowledge sources na ikinonekta mo noong ilunsad ay tumatanda, nagbabago ang mga tanong ng customer, at ang default handover threshold na parang tama noong unang araw ay maaaring nagpapadala na ng sobra-sobra, o kulang-kulang, na usapan sa iyong mga agent.

Paano mo iko-configure kung kailan magsa-turnover ang chatbot sa isang human agent?

Buksan ang Chatbot object sa LiveAgent at i-set ang field na “Required answers to initialize chat with human agent.” Ang numerong ito ay ang pinakamababang bilang ng AI response bago maging available sa bisita ang button na “Request chat with human agent.” Itakda ito nang masyadong mababa, at mag-e-escalate ang bot sa mga tanong na kaya naman nitong sagutin, na mag-aaksaya ng oras ng agent sa mga request na hindi naman nangangailangan ng tao. Itakda ito nang masyadong mataas, at ang mga bigong customer ay paikut-ikot sa mga hindi nakakatulong na sagot bago makarating sa sinumang makakatulong.

May pangalawang paraan na hindi nakadepende sa bilang na ito: ang AI Agent ay maaaring magpasya nang mag-isa, sa gitna ng usapan, na ang isang query ay masyadong masalimuot at awtomatikong mag-transfer, nang hindi naghihintay sa required-answers threshold. Ito ang opsyon na dapat asahan para sa mga support topic kung saan ang maling sagot ay magastos (billing disputes, account security) at ang fixed count ay parang masyadong mahigpit.

Kapag na-transfer na ang usapan, sasaluhin ito ng mga agent mula sa Chats overview section gamit ang “Stop chatbot and join” button, at ang buong kasaysayan ng usapan ay dadalhin sa parehong ticket—ang mga mekanismong detalyadong tinalakay sa aming AI human handover feature guide . Walang bahagi ng handoff na iyon ang customer-configurable, ngunit ang pag-alam na ganito ito nangyayari ay nagpapaliwanag kung bakit mahalagang subukan ang transfer flow mula simula hanggang dulo, hindi lang ang mga sagot ng bot hanggang sa puntong iyon.

Paano mo paghihigpitan ang pinapayagang sabihin ng chatbot?

Sa default, pinapayagan ng template AI Agent ng LiveAgent ang isang bisita na humingi nang direkta ng human agent, anumang oras sa usapan, hiwalay sa required-answers threshold. Kung hindi iyon ang gusto mo—halimbawa, isang bot na nilayon na ganap na sumagot sa isang makitid na hanay ng mga tanong bago lumitaw ang anumang human option—ang solusyon ay ang pag-edit ng system message ng AI Agent component sa FlowHunt, hindi isang setting sa LiveAgent.

Ang system message din ang lugar kung saan aktuwal na naninirahan ang tono at persona. Walang hiwalay na “personality” dropdown: anuman ang mga tagubiling isulat mo rito (pormal vs. kaswal, paano haharapin ang tanong na wala sa sakop, kung dapat bang humingi ng tawad bago mag-escalate) ay susundin ng bot. Ang FlowHunt ay sumusuporta sa mahigit 15 AI model, at ang pagpapalit ng model ay maaaring magbago kung gaano literal na sinusunod ng bot ang pagkakasulat na iyon, ngunit ang model mismo ay hindi ang pinagmumulan ng tono.

Paano mo pananatilihing consistent ang mga sagot para sa mga partikular na tanong?

Ang knowledge sources ay sumasagot nang maayos sa mga pangkalahatang tanong, ngunit para sa anumang bagay na gusto ng iyong team na magkapareho ang pagkakasulat sa bawat pagkakataon—mga pahayag ng presyo, wika ng polisiya, isang partikular na disclaimer—gamitin ang Questions & Answers feature ng FlowHunt sa halip. Pinapayagan ka nitong tukuyin ang isang nakapirming sagot para sa isang partikular na query, kaya ang bot ay nagbabalik ng eksaktong pagkakasulat na iyon sa halip na bumuo ng bagong paraphrase sa bawat may magtanong.

Ito ay mas mahalaga kaysa sa tila. Ang isang knowledge base na isinulat para sa pagbabasa ng tao, na nakakalat sa limang magkakaugnay na help article, ay hindi awtomatikong gumagawa ng isang malinis at consistent na sagot ng bot kapag sabay-sabay na hinugot ng AI ang lahat ng lima. Ang fixed Q&A entries ay sumasara sa puwang na iyon para sa ilang tanong kung saan ang katumpakan ng pagkakasulat ay aktuwal na mahalaga sa iyong team.

Paano mo iko-configure ang multilingual na pag-uugali?

Awtomatikong natutukoy ng chatbot ang wika ng bisita at sumasagot sa wikang iyon, na may suporta sa mahigit 100 wika depende sa AI model na naka-konekta. Hindi ito isang setting na kailangang i-on—gumagana ito sa default—ngunit hindi ito pare-pareho sa bawat wika. Maaaring may ilang limitasyon ang mga hindi gaanong malawakang ginagamit na wika, dahil ang kalidad ng model para sa mga wikang iyon ay nag-iiba-iba ayon sa provider.

Bago ilunsad ang bot sa isang market na may hindi gaanong karaniwang wika, subukan ito nang direkta gamit ang aktwal na mga pariralang ginagamit ng iyong mga customer, hindi isang direktang salin ng iyong English test questions. Ang literal na pagsasalin ay maaaring pumasa samantalang ang natural na parirala sa wikang iyon na hindi gaanong nakita ng model ay maaaring makagawa ng kapansin-pansing mahinang sagot.

Paano mo pananatilihing natututo ang chatbot pagkatapos ilunsad?

I-set up ang self-learning loop ng LiveAgent upang ang bawat escalated ticket ay nagtuturo sa bot ng bago sa halip na isa-isahang fix lang. Gumawa ng automation rule sa LiveAgent na mag-a-activate kapag ang isang ticket ay na-resolve at na-tag ng Update_AI, na nagpapadala ng ticket ID sa FlowHunt sa pamamagitan ng HTTP request o webhook.

Mula roon, awtomatikong nagsasagawa ang AI agent ng apat na hakbang: binabasa nito ang buong thread ng ticket upang makita kung ano ang hindi nakuha ng chatbot, inihahambing ito sa aktuwal na solusyon ng human agent, ginagawang pangkalahatan ang fix bilang isang reusable rule sa halip na isang besesang sagot, at ini-save ito bilang structured memory entry (topic, trigger, prerequisites, resolution) na maaaring makuha ng chatbot sa susunod na katulad na tanong. Ang personal na nakikilalang impormasyon ay awtomatikong tinatanggal bago i-save ang anuman.

Ang resulta ay nag-iipon. Ang mga escalation na na-resolve ng iyong team sa unang linggo ay nagiging kaalaman na mayroon ang bot sa ikalawang linggo, nang walang sinumang manu-manong magre-rewrite ng isang knowledge source article.

Setting	Saan ito iko-configure	Ano ang kinokontrol nito
Required answers to initialize chat with human agent	Chatbot object, LiveAgent	Pinakamababang AI response bago maging available ang handover
AI Agent system message	AI Agent component, FlowHunt	Tono, persona, at kung ano ang pinapayagan/hindi pinapayagang sabihin ng bot
Questions & Answers	FlowHunt	Nakapirming, salita-para-salitang sagot para sa mga partikular na query
AI model	AI Agent component, FlowHunt	Estilo ng response at saklaw ng wika
`Update_AI` automation rule	Automation rules, LiveAgent	Nagti-trigger ng self-learning loop sa mga resolved ticket

Aling mga setting ang susuriin, at gaano kadalas

Suriin ang handover rate at ang mga partikular na tanong na nagti-trigger ng escalation linggo-linggo sa unang buwan pagkatapos ng anumang pagbabago sa configuration, pagkatapos ay buwanan na kapag naging stable na ang pattern. Ang tumataas na handover rate ay karaniwang nangangahulugan ng knowledge gap na hindi pa nasasara ng self-learning loop, hindi isang setting na kailangang itayong muli mula sa simula.

Kung ang tono ng bot ay lumihis mula sa tinutukoy ng system message, iyon ay senyales na muling suriin ang pagkakasulat nang direkta sa halip na magpalit ng AI model para mabayaran ito. At kung ang mga escalation ay naka-grupo sa isang paulit-ulit na paksa, iyon ang eksaktong senyales na ang Update_AI tag ay dinisenyong mahuli, kaya tiyakin na ang iyong mga agent ay aktuwal na inilalapat ito bago isiping hindi gumagana ang self-learning loop.

Kapag ang handover timing, system message, multilingual coverage, at self-learning rule ay lahat nang sinadyang itinakda sa halip na iwan sa default, ang pagkakaiba sa pagitan ng “gumagana ang bot” at “gumagana ang bot sa paraang kailangan ng aming team” ay halos nawawala nang mag-isa.

Share this article

Frequently asked questions

: Ang paunang pag-setup ay nagpapasagot sa chatbot ng mga katanungan: isang naka-konektang Flow, mga knowledge source, at isang inilapat na chat widget. Ang advanced configuration ay lahat ng pina-fine-tune mo pagkatapos nito—timing ng handover, pagkakasulat ng system message, multilingual na pag-uugali, at ang self-learning rule—upang ayusin ang mga partikular na problemang hindi kayang lutasin ng default setup nang mag-isa.
: I-set ang field na 'Required answers to initialize chat with human agent' sa Chatbot object sa LiveAgent. Ang numerong ito ay ang pinakamababang bilang ng AI response bago lumitaw ang transfer button. Maaari mo ring hayaang magpasya ang AI Agent nang mag-isa kung masyadong masalimuot ang isang query at awtomatikong mag-transfer, sa halip na maghintay sa bilang.
: Oo. Sa default, pinapayagan ng template AI Agent ng LiveAgent ang isang bisita na humingi ng human agent anumang oras sa usapan. Para paghigpitan ito, i-edit ang system message ng AI Agent component sa FlowHunt at alisin o kondisyunan ang tagubiling nagpapahintulot dito.
: Di-tuwiran, oo. Ang FlowHunt ay sumusuporta sa mahigit 15 AI model, at bawat isa ay may iba't ibang default na istilo ng pagsulat. Ang pangunahing kontrol sa tono at persona ay ang system message na isinusulat mo para sa AI Agent component, hindi ang pagpili ng model, ngunit ang pagpapalit ng model ay maaaring magbago kung gaano literal na sinusunod ng bot ang pagkakasulat na iyon.
: Awtomatikong natutukoy ng chatbot ang wika ng bisita at sumasagot sa wikang iyon, na may suporta sa mahigit 100 wika depende sa AI model na naka-konekta. Ang mga malawakang ginagamit na wika ay maaasahang gumagana agad. Ang mga hindi gaanong karaniwang wika ay maaaring may mga puwang, kaya mainam na subukan ito nang direkta gamit ang aktwal na mga parirala bago ilunsad.
: Walang karagdagang singil ang LiveAgent para dito. Ang paggamit nito ay nasa ilalim ng credit-based pricing ng FlowHunt, ang parehong modelo ng pagsingil na sumasaklaw sa regular na mga usapan ng iyong chatbot, kaya ang dagdag na gastos ay limitado sa pagpoproseso ng mga resolved ticket na iyong na-tag para sa pag-aaral. Ang kabuuang gastos ay nakadepende pa rin sa dami ng ticket at kung aling AI model ang iyong naka-konekta.
: Suriin ang handover rate at ang mga partikular na tanong na nagti-trigger ng escalation linggo-linggo sa unang buwan, pagkatapos ay buwanan na kapag naging stable na ang pattern. Ang tumataas na handover rate ay karaniwang nagpapahiwatig ng knowledge gap na hindi pa naaabot ng self-learning loop, hindi isang configuration na kailangang itayo muli.