- Einleitung
- Einrichten Ihres Kontos
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- Allgemeine Felder
- Beschriftungen (Vorhersagen, Konfidenzniveaus, Beschriftungshierarchie und Beschriftungsstimmung)
- Modelle
- Streams
- Modellbewertung
- Projekte
- Präzision
- Rückruf
- Nachrichten mit und ohne Anmerkungen
- Extraktionsfelder
- Quellen
- Taxonomien
- Training
- „True“ und „false“ positive und negative Vorhersagen
- Validierung
- Messages
- Zugriffssteuerung und Administration
- Verwalten Sie Quellen und Datasets
- Verstehen der Datenstruktur und -berechtigungen
- Erstellen oder Löschen einer Datenquelle in der GUI
- Hochladen einer CSV-Datei in eine Quelle
- Vorbereiten von Daten für den CSV-Upload
- Ein Dataset wird erstellt
- Mehrsprachige Quellen und Datasets
- Aktivieren der Stimmung für ein Dataset
- Ändern der Dataset-Einstellungen
- Löschen einer Nachricht
- Löschen eines Datasets
- Exportieren eines Datasets
- Verwenden von Exchange-Integrationen
- Modelltraining und -wartung
- Grundlegendes zu Beschriftungen, allgemeinen Feldern und Metadaten
- Beschriftungshierarchie und Best Practices
- Vergleichen von Anwendungsfällen für Analyse und Automatisierung
- Konvertieren Ihrer Ziele in Bezeichnungen
- Übersicht über den Modelltrainingsprozess
- Generative Anmerkung
- Der Status des Datasets
- Best Practice für Modelltraining und Anmerkungen
- Training mit aktivierter Beschriftungs-Stimmungsanalyse
- Training von Chat- und Anrufdaten
- Grundlegendes zu Datenanforderungen
- Trainieren
- Einführung in Verfeinerung
- Erläuterungen zu Präzision und Rückruf
- Präzision und Rückruf
- So funktioniert die Validierung
- Verstehen und Verbessern der Modellleistung
- Gründe für die geringe durchschnittliche Beschriftungsgenauigkeit
- 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
- Automations and Communications Mining™
- Entwickler (Developer)
- Verwenden der API
- API-Tutorial
- Quellen
- Datasets
- Anmerkungen
- Anhänge (Attachments)
- Vorhersagen
- Erstellen Sie einen Stream
- Aktualisieren Sie einen Stream
- Rufen Sie einen Stream nach Namen ab
- Rufen Sie alle Streams ab
- Löschen Sie einen Stream
- Ergebnisse aus Stream abrufen
- Kommentare aus einem Stream abrufen (Legacy)
- Bringen Sie einen Stream vor
- Einen Stream zurücksetzen
- Kennzeichnen Sie eine Ausnahme
- Entfernen Sie das Tag einer Ausnahme
- Prüfungsereignisse
- Alle Benutzer abrufen
- Hochladen von Daten
- Herunterladen von Daten
- Exchange Integration mit einem Azure-Dienstbenutzer
- Exchange-Integration mit der Azure-Anwendungsauthentifizierung
- Exchange-Integration mit Azure Application Authentication und Graph
- Abrufen von Daten für Tableau mit Python
- Elasticsearch-Integration
- Allgemeine Feldextraktion
- Selbst gehostete Exchange-Integration
- UiPath® Automatisierungs-Framework
- Offizielle UiPath®-Aktivitäten
- Wie Maschinen lernen, Wörter zu verstehen: eine Anleitung zu Einbettungen in NLP
- Eingabeaufforderungsbasiertes Lernen mit Transformers
- Ef Robots II: Wissensdegesterration und Feinabstimmung
- Effiziente Transformer I: Warnmechanismen
- Tief hierarchische, nicht überwachte Absichtsmodellierung: Nutzen ohne Trainingsdaten
- Beheben von Anmerkungsverzerrungen mit Communications Mining™
- Aktives Lernen: Bessere ML-Modelle in weniger Zeit
- Auf Zahlen kommt es an – Bewertung der Modellleistung mit Metriken
- Darum ist Modellvalidierung wichtig
- Vergleich von Communications Mining™ und Google AutoML für Conversation Data Intelligence
- Lizenzierung
- Häufige Fragen und mehr

Communications Mining-Benutzerhandbuch
Nachdem Sie Ihre Ziele definiert haben, können Sie mit der Umsetzung in Beschriftungen beginnen. Beschriftungen sollten alle Konzepte und Absichten enthalten, die Sie im Dataset erfassen möchten, um Ihre spezifischen Ziele zu erreichen.
- Prozess- oder Anforderungstypen
- Servicequalität oder Fehleranforderung
- Ursachen und Ausnahmen
- Kunden- oder Klientenerfahrungen
- Stimmungen
- Produkttypen
- System und Daten
Dies sind typische Beschriftungen, die unsere Kunden unabhängig von ihrem Anwendungsfall oder ihrer Branche verwenden. Möglicherweise sind nicht alle davon auf Ihr Modell anwendbar, und Sie haben möglicherweise andere Arten von Beschriftungen, die für das Erreichen Ihrer Ziele wichtig sind.
Jede dieser Beschriftungstypen, einschließlich was sie erfassen und was sie beantworten helfen, wird in diesem Abschnitt ausführlicher behandelt.
Beschriftungstyp | Was erfasst wird | Was sie hilft zu beantworten |
---|---|---|
Prozesse oder Anforderungstypen | Diese erfassen die Kernprozesse oder eingehenden Anforderungen, die ein Team bearbeiten muss. Häufig entspricht er direkt einem Dienstkatalog von Aufgaben, die das Team besitzt, und ist in einer Hierarchie angeordnet, die zusätzliche Spezifitätsebenen für Teilprozesse oder Anforderungen erfasst. |
Dies sind grundlegende Beschriftungen für Ihr Modell, die dazu beitragen, Einblicke, Überwachung und Maßnahmen im gesamten Kanal zu erhalten. Um Möglichkeiten zur Prozessverbesserung zu identifizieren oder Prozesse effizienter zu machen, indem sie die Automatisierung ermöglicht, muss die Plattform in der Lage sein, die Prozesse selbst zu identifizieren. Für Analysen werden sie mit allen anderen Beschriftungstypen kombiniert, um Erkenntnisse zu generieren, die sich auf Ursachen, Stimmungen, Servicequalität usw. konzentrieren. Die weitere Segmentierung der Daten mithilfe von Metadaten hilft, die Art und Quelle dieser Anforderungen besser zu verstehen. Für die Automatisierung sind sie für das automatische Routing und die durchgängige Automatisierung von Prozessen entscheidend. |
Ursache und Ausnahmen | Diese Beschriftungen sind dazu bestimmt, die Ursachen von Problemen oder Arten von Ausnahmen zu erfassen, die Teams oder Kunden dazu veranlassen, Kontakt aufzunehmen, beispielsweise fehlende Handelsdetails für ein Finanzdienstleistungsteam. | Diese sind für die Identifizierung von Prozessverbesserungsmöglichkeiten von grundlegender Bedeutung. Die Zuordnung von Ursachenbeschriftungen zu Prozess- oder Anforderungstypbeschriftungen liefert ein klares Bild der Probleme, die im Kommunikationskanal vorhanden sind. |
Servicequalität oder Fehleranforderung | Diese erfassen Konzepte in Bezug auf das Service-Level innerhalb eines Kommunikationskanals oder Anforderungen, die durch Fehler im Prozess oder Dienst generiert werden, z. B. Verfolger und Eskalation. |
Diese helfen Ihnen, Fragen zu beantworten wie:
|
Stimmungen | Wenn Sie ein Modell ohne aktivierte Stimmungsanalyse trainieren, was für B2B-Kommunikationskanäle empfohlen wird, können Sie stattdessen Beschriftungen verwenden, die die in der Kommunikation zum Ausdruck gebrachten Stimmungen erfassen. Zum Beispiel Kundenfrustration oder Kundenzufriedenheit. |
Diese zielen darauf ab, Erkenntnisse in Bezug auf Kunden-, Kunden- und sogar Mitarbeitererfahrung zu liefern. Durch die Zuordnung der ausgedrückten Stimmungen zu den anderen vorhergesagten Konzepten können Sie die Probleme in Prozessen und Kundenbeziehungen finden, die die größten negativen und positiven Auswirkungen haben. |
Kunden- oder Klientenerfahrungen | Diese beziehen sich auf bestimmte Erfahrungen von Kunden oder Kunden und gehen oft zusammen mit Beschriftungen, die eingehende Anforderungstypen erfassen, z. B. ist das Element bei einem B2C-Einzelhandelsunternehmen nie eingetroffen. |
Sie sind der entscheidende Faktor, warum Kunden sich mit einem Unternehmen in Verbindung setzen, und liefern daher wichtige Erkenntnisse. Sie können sich mit ursachenbezogenen Beschriftungen überschneiden, obwohl sie sich auf die Erfahrung des Absenders und möglicherweise nicht auf die vorgelagerte Ursache konzentrieren. |
Produkte | Diese erfassen die verschiedenen Produkte, mit denen ein Team oder ein Kanal zu tun hat, sei es als Kunde, Kundenservice oder Verkäufer, wie z. B. TFs oder Immobilienversicherungen. | Diese Beschriftungen können in der Analyse mit anderen Beschriftungsarten kombiniert werden, um tiefere Einblicke darüber zu erhalten, welche Produkte zu welchem Prozess- oder Anforderungstyp gehören oder zu Ursachen oder Ausnahmen. |
Systeme und Daten | Jedes Team interagiert im Laufe des Tages mit einer Reihe von Systemen und Datenquellen, nicht nur mit Outlook. Diese Beschriftungen erfassen Verweise auf diese, z. B. Salesforce oder SAP. | Wie die vorherigen Produkte können diese in der Regel mit anderen Beschriftungen kombiniert werden, um differenziertere Einblicke zu erhalten. Die Kombination von systemen- und datenbezogenen Beschriftungen mit Prozessen und Ausnahmetypen kann dazu beitragen, vorrangige Verbesserungsmöglichkeiten im Vorfeld zu identifizieren. |
Nachdem Sie Ihre Beschriftungen und Ihre Zieltaxonomiestruktur definiert haben, müssen Sie die Schlüsseldatenpunkte definieren, d. h. die Felder, die Sie aus Ihren Kommunikationsdaten extrahieren möchten. Die Felder werden verwendet, um die Automatisierung nachgelagert zu erleichtern, können aber auch für Analysen nützlich sein. Weitere Informationen zum korrekten Definieren und Einrichten Ihrer Felder finden Sie unter Verwenden von allgemeinen Feldern.