- Erste Schritte
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- General fields (previously Entities)
- 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
- Exportieren Sie ein Dataset
- Verwenden von Exchange-Integrationen
- Vorbereiten von Daten für den CSV-Upload
- Modelltraining und -wartung
- Understanding labels, general fields and metadata
- 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
- Defining and setting up your general fields
- Understanding general fields
- Which pre-trained general fields are available?
- Enabling, disabling, updating and creating general fields
- General field filtering
- Reviewing and applying general fields
- Validation for general fields
- Improving general field performance
- Building custom regex general fields
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Häufige Fragen und mehr
Messages
verbatim(s) wurden in Nachrichten geändert.
Eine Nachricht bezeichnet man als eine einzelne Einheit der Freitextkommunikation. z. B. eine E-Mail, eine Umfrageantwort, eine Notiz oder ein Chat- oder Telefonanruf-Transkript. Nachrichten werden in Quellen gruppiert.
Im Folgenden finden Sie ein Beispiel dafür, wie eine Nachricht auf der Seite Erkunden der Benutzeroberfläche angezeigt wird.
Nachrichtenmetadaten
Jeder Nachricht sind Metadaten zugeordnet, die aus strukturierten Datenpunkten bestehen, die zusätzliche Informationen über die Kommunikation oder Konversation und deren Teilnehmer bereitstellen.
Allen Nachrichten muss ein Zeitstempel zugeordnet sein – der in der Regel dem Zeitpunkt entspricht, zu dem diese Nachricht ursprünglich erstellt wurde.
Zusätzlich zu Zeitstempeln speichert die Plattform in der Regel zusätzliche Metadaten, die mit jeder Nachricht verknüpft sind. Typische Beispiele für Metadatenfelder sind:
- Name und Kontaktdaten der Nachrichtenteilnehmer
- Absender- und Empfängerdomänen für E-Mails
- Anzahl der Nachrichten in einer Chatkonversation oder Anzahl der E-Mails in einem Thread
- Demografische Daten wie Geschlecht, Alter, Land usw
- Ein qualitatives Maß für die Kundenzufriedenheit mit der Interaktion, wie z. B. Net Aktionärs-Score (NPS), Kundenzufriedenheits-Score (CSAT) usw
- Bei Telefonanrufen das unformatierte Audio, das von der Plattform zum Transkribieren verwendet wird
- IDs von Drittanbietern, wenn die Nachrichten aus einem anderen System importiert werden, z. B. die E-Mail-Nachrichten-ID von einem Exchange-Server
Einige Datasets können Nachrichten mit PII (persönlich identifizierbare Informationen) in ihren Metadaten enthalten (z. B „userId“), können diese Felder als vertraulich markiert werden. Wenn Sie diese Felder als vertraulich markieren, um diese Metadaten anzuzeigen, sind erweiterte Benutzerberechtigungen erforderlich.
Umfangreiche Nachrichtenmetadaten ermöglichen es Benutzern, ihre Daten innerhalb der Plattform besser zu trainieren und zu analysieren, da Benutzer sowohl in Analysefenster als auch in Berichten nach Metadatenfeldern filtern können.
