OMNICHANNEL CONVERSATIONAL SEARCH: MAINTAINING CONTEXT AND CONSISTENCY ACROSS VOICE AND WEB INTERFACES
Notice bibliographique
Résumé
This research work presents an omnichannel conversational search platform that provides consistent, context-rich responses via voice and web channels. Current conversational agents address voice and web channels separately, leading to fragmented user experiences and context fragmentation between cross-channel interactions. Our platform, which is built on Dialogflow CX and Google Cloud, enables a single conversational agent to support Telephony Gateway voice calls and Web/Messaging requests. For context and to deliver earthed answers, we employ a Cloud Run tool-router for conversation-aware query rewriting and retrieval with Vertex AI Search/Embeddings with Matching Engine, including span-level citations. Scoped session memory is stored in Firestore with DLP redaction to preserve privacy while permitting shared context between channels. Apigee X enforces operation limits and circuit breakers, Cloud Tasks manages delayed enrichment, and BigQuery with Cloud Trace/Logging supports online and offline evaluation. A channel-consistency controller for synchronized answers across modalities, a handoff linker for state preservation during voice-to-web handoffs, and a latency/cost-aware cache enhancing sub-second FAQ answers are at the core of these. System performance is quantified using metrics like consistency of responses, groundedness, deflection ratio, session continuity after channel switch, customer satisfaction (CSAT/NPS), 95th percentile latency per channel, and cost per solved query. Outcomes demonstrate improved user experience, enhanced reliability of response, and seamless cross-channel interaction, establishing benchmarks for practical use in industrial-scale, multi-channel rollouts. This research has problem is maintaining consistent context and responses across voice and web interfaces, causing fragmented interactions and incoherent omnichannel search experiences. This work highlights the potential of merging AI-driven retrieval and robust context management to enhance omnichannel conversational search systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».