- Erste Schritte
- Übersicht über Communications Mining™
- Wie Unternehmen Communications Mining™ verwenden können
- Erste Schritte mit Communications Mining™
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- Allgemeine Felder (früher Entitäten)
- Bezeichnungen (Vorhersagen, Konfidenzniveaus, Hierarchie usw.)
- Modelle
- Streams
- Modellbewertung
- Projekte
- Präzision
- Rückruf
- Überprüfte und nicht überprüfte Nachrichten
- Quellen
- Taxonomien
- Training
- „True“ und „false“ positive und negative Vorhersagen
- Validierung
- Messages
- Verwaltung
- Verwalten Sie Quellen und Datasets
- Verstehen der Datenstruktur und -berechtigungen
- Erstellen Sie eine Datenquelle in der GUI
- Hochladen einer CSV-Datei in eine Quelle
- Ein neues Dataset erstellen
- Mehrsprachige Quellen und Datasets
- Aktivieren der Stimmung für ein Dataset
- Ändern Sie die Einstellungen eines Datasets
- Löschen Sie Nachrichten über die Benutzeroberfläche
- Löschen Sie ein Dataset
- Löschen Sie eine Quelle
- Exportieren Sie ein Dataset
- Verwenden von Exchange-Integrationen
- Vorbereiten von Daten für den CSV-Upload
- Modelltraining und -wartung
- Verstehen von Beschriftungen, allgemeinen Feldern und Metadaten
- Bezeichnungshierarchie und bewährte Methode
- Definieren Ihrer Taxonomieziele
- Analyse- vs. Automatisierungsanwendungsfälle
- Konvertieren Ihrer Ziele in Bezeichnungen
- Erstellen Ihrer Taxonomiestruktur
- Best Practices für den Taxonomieentwurf
- Ihre Taxonomie wird importiert
- Übersicht über den Modelltrainingsprozess
- Generative Anmerkung (NEU)
- Verstehen des Status Ihres Datasets
- Best Practice für Modelltraining und Anmerkungen
- Training mit aktivierter Beschriftungs-Stimmungsanalyse
- Trainieren
- Einführung in Verfeinerung
- Erläuterungen zu Präzision und Rückruf
- Präzision und Rückruf
- Wie funktioniert die Validierung?
- Verstehen und Verbessern der Modellleistung
- Warum kann eine Bezeichnung eine geringe durchschnittliche Genauigkeit haben?
- Training mit Beschriftung „Überprüfen“ und Beschriftung „Verpasst“.
- Training mit der Bezeichnung „Teach“ (Verfeinern)
- Training mit der Suche (verfeinern)
- Verstehen und Erhöhen der Abdeckung
- Verbesserung des Abgleichs und Verwendung des Abgleichs
- Wann das Training Ihres Modells beendet werden soll
- Verwenden von allgemeinen Feldern
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Lizenzierungsinformationen
- Häufige Fragen und mehr
Erste Schritte mit Communications Mining™
In der folgenden Liste werden die wichtigsten Schritte beschrieben, die zum Einrichten und Bereitstellen eines Communications Mining™-Anwendungsfalls erforderlich sind:
Automation Cloud- Benutzer
Wenn Sie ein Automation Cloud-Benutzer sind und AI Units aktiviert haben, kann Communications Mining™ über die Automation Cloud aufgerufen werden. Wenn Sie keine AI Units haben, aber Communications Mining™ verwenden möchten, wenden Sie sich bitte an Ihren Account Manager.
Für den Zugriff auf Communications Mining™ in Automation Cloud müssen die folgenden Bedingungen erfüllt sein:
- Communications Mining™ muss von einem Administrator als Dienst auf Ihrem Automation Cloud-Mandanten aktiviert werden. Dazu ist eine Enterprise-Lizenz erforderlich und Ihre Automation Cloud-Organisation muss über AI Units verfügbar sein
- Sie müssen ein vorhandener Benutzer im Automation Cloud-Mandanten sein – Wenn Sie kein vorhandener Benutzer sind, bitten Sie einen Administrator in Ihrem Automation Cloud-Mandanten, Sie hinzuzufügen
Weitere Informationen zum ersten Zugriff auf Communications Mining™ in der Automation Cloud finden Sie hier.
Weitere Informationen zur Verwaltung Ihres Kontos in der Automation Cloud finden Sie hier.
Legacy-Benutzer
Sie müssen kein Automation Cloud-Benutzer sein, um auf Communications Mining™ zugreifen zu können. Sobald Ihr Konto vom Administrator angefordert wurde, erhalten Sie automatisch eine E-Mail mit einer Anleitung zur Einrichtung Ihres Kontos. Bitte beachten Sie, dass diese E-Mail einen Link enthält, der 24 Stunden lang gültig ist, bevor sie abläuft.
Weitere Informationen zum ersten Zugriff auf Communications Mining™ finden Sie hier.
Weitere Informationen zur Verwaltung Ihres Kontos finden Sie hier.
Projekte können als eingeschränkte Arbeitsbereiche betrachtet werden. Jedes Dataset und jede Datenquelle ist einem bestimmten Projekt zugeordnet, wobei Benutzer Berechtigungen für diese Projekte benötigen, um mit den enthaltenen Daten arbeiten zu können. Datasets in einem Projekt können aus Datenquellen mehrerer Projekte bestehen. Benutzer benötigen lediglich Berechtigungen in beiden Projekten, um die Daten anzuzeigen und zu kommentieren.
Weitere Informationen zur Datenstruktur finden Sie hier.
Für Automation Cloud-Benutzer hat jeder Mandant ein „Standardprojekt“, auf das alle Benutzer innerhalb des Mandanten Zugriff haben. Vor dem Hochladen von Daten, dem Erstellen von Datasets und Trainingsmodellen wird dringend empfohlen, ein neues Projekt zu erstellen, auf das nur die Personen zugreifen können, die Zugriff auf diese Daten benötigen. Nach der Erstellung ist es schwierig, Datenquellen und Datasets in verschiedene Projekte zu verschieben.
Führen Sie die Schritte hier aus, um ein neues Projekt zu erstellen.
Der Zugriff auf Communications Mining™-Mandanten, -Projekte, -Datenquellen und -Datasets wird durch strenge Benutzerberechtigungen gesteuert. Berechtigungen müssen pro Benutzer zugewiesen werden. Sie können Zugriff auf vertrauliche Daten gewähren und es Benutzern ermöglichen, eine Reihe verschiedener Aktionen innerhalb der Plattform auszuführen. Benutzer sollten nur die Berechtigungen erhalten, die sie zur Erfüllung ihrer Rollen benötigen. Eine detailliertere Erklärung der Benutzerberechtigungen finden Sie hier .
Um einen neuen Legacy-Benutzer zu erstellen, führen Sie die Schritte hier aus.
Um einem Projekt einen Benutzer hinzuzufügen, führen Sie die Schritte hier aus.
Um Benutzerberechtigungen zu aktualisieren, führen Sie die Schritte hier aus.
Datenquellen sind Sammlungen von rohen, nicht erläuterten Kommunikationsdaten eines ähnlichen Typs (z. B E-Mails von einem freigegebenen Postfach oder einer Sammlung von NPS-Umfrageantworten).
Durch das Erstellen einer Quelle in der GUI wird im Wesentlichen eine leere Quelle mit definierten Eigenschaften eingerichtet, in die dann Daten über die API hochgeladen werden können. Die Einrichtung dieser Quelle kann auch über die API erfolgen.
Sobald die Quelle erstellt wurde, können Daten hochgeladen werden über:
- Integration (d. h Exchange-Integration, Salesforce-Integration usw.)
- Statischer CSV-Upload
Um eine neue Datenquelle in der GUI zu erstellen, führen Sie die hier angegebenen Schritte aus.
Führen Sie die hier angegebenen Schritte aus, um eine CSV-Datei in eine Quelle hochzuladen.
Eine Integrationsanleitung und technische Dokumentation finden Sie hier.
Datasets bestehen aus 1 oder mehreren Datenquellen (max. 20) und dem Modell, das Sie trainieren.
Bitte beachten Sie, dass Quellen sich in einem anderen Projekt als einem Dataset befinden können. Solange Benutzer in jedem Projekt über die entsprechenden Berechtigungen verfügen, können sie die Daten wie gewohnt anzeigen und kommentieren.
Wenn ein Dataset mehrere Quellen enthält, sollten sie einen ähnlichen Zweck für Ihre Analyse oder Automatisierung haben.
Wenn Sie ein neues Dataset erstellen, können Sie eine Kopie eines bereits vorhandenen Datasets erstellen. Das bedeutet, dass Sie die gleichen Quellen, allgemeinen Felder, Stimmungsauswahlen, Beschriftungen und überprüften Beispiele kopieren.
Führen Sie die Schritte hier aus, um ein neues Dataset zu erstellen.
Weitere Informationen zur Verwendung von mehrsprachigen Datasets und Quellen finden Sie hier.
Zu den Voraussetzungen vor dem Start eines Communications Mining™-Modells gehören:
- Definierte Ziele und Erfolgskriterien
- Entworfene Taxonomie von Beschriftungen und Feldern
- KMUs mit domänenspezifischem Wissen
- Abgegrenzte Zeit zum Trainieren des Modells
Jedes Modell, das in der Produktion verwendet wird, muss effektiv gewartet werden, um eine anhaltend hohe Leistung sicherzustellen. Dazu gehören a) das Verhindern von Konzeptabweichungen und b) das Erstellen eines Ausnahmeprozesses.
Weitere Informationen zum Modelltraining finden Sie unter den folgenden Links:
- Vorbereiten auf Modelltraining
- Modelltraining:
- Discover
- Erkunden
- Verfeinern
- Trainieren (neu)
- Modellwartung
Die Plattform verfügt über integrierte Berichts- und Analysefunktionen, die Ihnen helfen können, potenzielle Probleme und Verbesserungsmöglichkeiten in Ihren Kommunikationskanälen zu identifizieren, z. B.:
- Anforderungen, die transaktionaler Natur sind, können gute Kandidaten für die Automatisierung oder Selbstbedienung sein
- Anforderungen, die keine Antwort oder Weiterverfolgung erhalten, können möglicherweise eliminiert werden
- E-Mails mit keinen Aktionsanforderungen (d. h OOO, Spam, automatisch generierte E-Mails, Dankes-E-Mails) können potenziell aus einem Postfach gelöscht werden
- Dringende Anfragen, die sofort priorisiert und gelöst werden müssen
- Ursachen, die zu Unzufriedenheit bei den Kunden, Eskalationen und Verfolgungsanfragen führen
Weitere Informationen zum Generieren von Erkenntnissen und zum Erstellen von Berichten finden Sie hier.
Die Plattform ermöglicht die Downstream-Automatisierung, indem eine Kommunikationswarteschlange erstellt wird, die von einem Roboter gelesen werden kann.
Diese Warteschlangen werden durch die Konfidenz-Schwellenwertebenen gesteuert. Das Festlegen eines Schwellenwerts bedeutet, dass die Plattform diese Bezeichnung mit einer Konfidenz vorhersagen muss, die gleich oder größer als der von Ihnen festgelegte Schwellenwert ist, damit die Nachricht in die Warteschlange eingegeben werden kann.
Weitere Informationen zum Erstellen und Verwalten von Streams (früher als Trigger bekannt) finden Sie hier.
Eine detaillierte Übersicht über das Automatisierungsframework UiPath®<>Communications Mining™ finden Sie hier.
- 1. Zugreifen auf Communications Mining™
- 2. Erstellen eines Projekts
- 3. Hinzufügen von Benutzern zu einem Projekt mit den korrekten Berechtigungen
- 4. Erstellen einer Datenquelle
- 5. Erstellen eines Datasets
- 6. Training und Wartung eines Modells
- 7. Erkunden von Analysen
- 8. Implementieren der Automatisierung
- 9. Zusätzliche Ressourcen, die Ihnen den Einstieg erleichtern