- Primeros pasos
- Información general de Communications Mining
- Cómo pueden las empresas utilizar Communications Mining
- Primeros pasos con Communication Mining
- Soporte técnico
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Entidades
- Etiquetas (predicciones, niveles de confianza, jerarquía, etc.)
- Modelos
- Transmisiones
- Clasificación del modelo
- Proyectos
- Precisión
- Recordar
- Mensajes revisados y no revisados
- Fuentes
- Taxonomías
- Formación
- Predicciones positivas y negativas verdaderas y falsas
- Validación
- Mensajes
- Administración
- Administrar fuentes y conjuntos de datos
- Comprender la estructura de datos y los permisos
- Crear un origen de datos en la GUI
- Cargar un archivo CSV en un origen
- Crear un nuevo conjunto de datos
- Fuentes y conjuntos de datos multilingües
- Habilitar sentimiento en un conjunto de datos
- Modificar la configuración de un conjunto de datos
- Eliminar mensajes a través de la IU
- Eliminar un conjunto de datos
- Exportar un conjunto de datos
- Uso de integraciones de Exchange
- Preparar datos para cargar archivos .CSV
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, las entidades y los metadatos
- Jerarquía de etiquetas y mejores prácticas
- Definición de los objetivos de taxonomía
- Casos de uso de análisis frente a automatización
- Convertir tus objetivos en etiquetas
- Crear tu estructura de taxonomía
- Mejores prácticas de diseño de taxonomía
- Importar tu taxonomía
- Descripción general del proceso de entrenamiento del modelo
- Anotación generativa (NUEVO)
- Comprender el estado de tu conjunto de datos
- Mejores prácticas de entrenamiento y etiquetado de modelos
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Entrenamiento
- Introducción a 'Perfeccionar'
- Explicación de la precisión y la recuperación
- Precisión y recuperación
- ¿Cómo funciona la validación?
- Comprender y mejorar el rendimiento del modelo
- ¿Por qué una etiqueta puede tener una precisión media baja?
- Entrenamiento utilizando 'Comprobar etiqueta' y 'Etiqueta perdida'
- Entrenamiento mediante la etiqueta de aprendizaje (refinar)
- Entrenamiento mediante Buscar (Refinar)
- Comprender y aumentar la cobertura
- Mejorar el equilibrio y usar 'Reequilibrar'
- Cuándo dejar de entrenar tu modelo
- Definir y configurar tus entidades
- Comprender las entidades
- ¿Qué entidades preentrenadas están disponibles?
- Habilitar, deshabilitar, actualizar y crear entidades
- Filtrado de entidades
- Revisar y aplicar entidades
- Validación para entidades
- Mejorar el rendimiento de la entidad
- Creación de entidades regex personalizadas
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Preguntas frecuentes y más
Primeros pasos con Communication Mining
La siguiente lista describe los pasos clave necesarios para configurar y entregar un caso de uso de Communications Mining:
Usuarios de Automation Cloud
Si eres usuario de Automation Cloud y tienes habilitadas las unidades de IA, puedes acceder a Communications Mining a través de Automation Cloud. Si no tienes ninguna unidad de IA pero quieres empezar a utilizar Communications Mining, ponte en contacto con tu gestor de cuentas.
Para acceder a Communications Mining en Automation Cloud, deben cumplirse las siguientes condiciones:
- Un administrador debe habilitar Communications Mining como servicio en tu tenant de Automation Cloud . Para ello, se requiere una licencia empresarial , y tu organización de Automation Cloud debe tener unidades de IA disponibles
- Debe ser un usuario existente en el tenant de Automation Cloud : si no es un usuario existente, solicite a un administrador de su tenant de Automation Cloud que le añada
Para obtener más información sobre cómo acceder a Communications Mining en Automation Cloud por primera vez, haz clic aquí.
Para obtener más información sobre cómo gestionar tu cuenta en Automation Cloud, haz clic aquí.
Usuarios heredados
No es necesario ser usuario de Automation Cloud para acceder a Communications Mining. Una vez que el administrador haya solicitado tu cuenta, recibirás un correo electrónico automático con instrucciones sobre cómo configurar tu cuenta. Tenga en cuenta que este correo electrónico contiene un enlace que es válido durante 24 horas antes de caducar.
Para obtener más información sobre cómo acceder a Communications Mining por primera vez, haz clic aquí.
Para obtener más información sobre cómo gestionar tu cuenta, haz clic aquí.
Los proyectos pueden considerarse como espacios de trabajo restringidos. Cada conjunto de datos y fuente de datos está asociado a un proyecto específico, y los usuarios requieren permisos en esos proyectos para poder trabajar con los datos dentro de ellos. Los conjuntos de datos de un proyecto pueden estar formados por orígenes de datos de varios proyectos. Los usuarios solo necesitarán permisos en ambos proyectos para ver y anotar los datos.
Para obtener más información sobre la estructura de datos, haz clic aquí.
Para los usuarios de Automation Cloud, cada tenant tiene un "Proyecto predeterminado" al que tienen acceso todos los usuarios del tenant. Antes de cargar datos, crear conjuntos de datos y modelos de entrenamiento, se recomienda encarecidamente crear un nuevo proyecto con acceso limitado solo a aquellas personas que necesiten acceso a esos datos. Una vez creados, es difícil mover fuentes de datos y conjuntos de datos a diferentes proyectos.
Para crear un nuevo proyecto , sigue estos pasos.
El acceso a los tenants, proyectos, fuentes de datos y conjuntos de datos de Communications Mining está controlado por permisos de usuario estrictos. Los permisos deben asignarse por usuario. Pueden proporcionar acceso a datos confidenciales y permitir a los usuarios realizar una variedad de acciones diferentes en la plataforma. Los usuarios solo deben recibir los permisos que necesitan para cumplir con sus roles. Consulta aquí para obtener una explicación más detallada de los permisos de usuario.
Para crear un nuevo usuario heredado , sigue estos pasos.
Para añadir un usuario a un proyecto , sigue estos pasos.
Para actualizar los permisos de usuario , sigue estos pasos.
Las fuentes de datos son recopilaciones de datos de comunicaciones sin procesar y sin anotaciones de un tipo similar (p. ej. correos electrónicos desde un buzón de correo compartido o una colección de respuestas a encuestas NPS).
La creación de una fuente en la GUI esencialmente configura una fuente vacía con propiedades definidas, a la que luego se pueden cargar los datos a través de la API. La configuración de esta fuente también se puede realizar a través de la API.
Una vez creada la fuente, los datos pueden cargarse a través de:
- Integración (es decir, Integración de Exchange, integración de Salesforce, etc.)
- Carga de CSV estático
Para crear una nueva fuente de datos en la GUI , sigue estos pasos.
Para cargar un archivo CSV en un origen , sigue estos pasos.
Para obtener orientación sobre la integración y documentación técnica, haz clic aquí.
Los conjuntos de datos se componen de 1 o más fuentes de datos (máximo 20) y el modelo que entrenas.
Ten en cuenta que las fuentes pueden estar en un proyecto diferente a un conjunto de datos. Siempre que los usuarios tengan los permisos adecuados en cada proyecto, podrán ver y anotar los datos como de costumbre.
Si hay varias fuentes en un conjunto de datos, deberían compartir un propósito similar para tu análisis o automatización.
Cuando creas un nuevo conjunto de datos, puedes elegir crear una copia de un conjunto de datos preexistente. Esto significa que se copian las mismas fuentes, entidades, selección de sentimiento, etiquetas y ejemplos revisados.
Para crear un nuevo conjunto de datos , sigue estos pasos.
Para obtener más información sobre el uso de conjuntos de datos y fuentes multilingües, haz clic aquí.
Los requisitos previos antes de empezar a entrenar un modelo de Communications Mining incluyen:
- Objetivos definidos y criterios de éxito
- Taxonomía diseñada de etiquetas y entidades
- PYME empresariales con conocimientos específicos del dominio
- Tiempo delimitado para entrenar el modelo
Cualquier modelo que se utilice en producción debe mantenerse de forma efectiva para garantizar un alto rendimiento continuo. Esto incluye a) evitar la desviación de conceptos, yb) crear un proceso de excepciones.
Para obtener más información sobre el entrenamiento de modelos, consulta los siguientes enlaces:
- Preparación para el entrenamiento del modelo
- Entrenamiento de modelos:
- Mantenimiento del modelo
La plataforma tiene capacidades integradas de informes y análisis que pueden ayudarte a identificar posibles problemas y oportunidades de mejora en tus canales de comunicación, por ejemplo:
- Las solicitudes de naturaleza transaccional pueden ser buenas candidatas para la automatización o el autoservicio
- Las solicitudes que no obtienen respuesta o seguimiento pueden eliminarse potencialmente
- Correos electrónicos que no requieren ninguna acción (por ejemplo, OOO, spam, correos electrónicos generados automáticamente, correos electrónicos de agradecimiento) pueden eliminarse de un buzón
- Consultas urgentes que deben priorizarse y resolverse de inmediato
- Causas raíz que impulsan la insatisfacción del cliente, escalaciones, perseguidores
Para obtener más información sobre la generación de información y la creación de informes, haz clic aquí.
La plataforma permite la automatización posterior mediante la creación de una cola de comunicaciones que puede ser leída por un robot.
Estas colas están impulsadas por los niveles de los umbrales de confianza. Establecer un umbral significa que para que el mensaje entre en la cola, la plataforma debe predecir esa etiqueta con una confianza igual o mayor que el umbral establecido.
Para obtener más información sobre la creación y gestión de transmisiones (anteriormente conocidas como desencadenadores), haz clic aquí.
Para obtener una descripción detallada del marco de automatización de UiPath<>Communications Mining, haz clic aquí.
- 1. Acceder a Communications Mining
- 2. Crear un proyecto
- 3. Añadir usuarios a un proyecto con los permisos correctos
- 4. Crear un origen de datos
- 5. Crear un conjunto de datos
- 6. Entrenamiento y mantenimiento de un modelo
- 7. Explorar análisis
- 8. Implementar la automatización
- 9. Recursos adicionales para ayudarte a empezar
