- Primeros pasos
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Campos generales (anteriormente 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
- Gestionar 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
- Eliminar una fuente
- Exportar un conjunto de datos
- Uso de integraciones de Exchange
- Preparando datos para cargar archivos .CSV
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, los campos generales 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)
- Estado de Dastaset
- Entrenamiento de modelos y mejores prácticas de anotación
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Entrenamiento
- Introducción a Refinar
- 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 la etiqueta Comprobar y la etiqueta Perdida
- Entrenamiento mediante la etiqueta de aprendizaje (refinar)
- Entrenamiento mediante Buscar (Refinar)
- Comprender y aumentar la cobertura
- Mejorar el equilibrio y utilizar Reequilibrar
- Cuándo dejar de entrenar tu modelo
- Uso de campos generales
- Extracción generativa
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Información de licencia
- Preguntas frecuentes y más
Convertir tus objetivos en etiquetas
Una vez que hayas definido tus objetivos, puedes empezar a convertirlos en etiquetas. Las etiquetas deben contener todos los conceptos e intenciones que deseas capturar en el conjunto de datos para cumplir tus objetivos específicos. Los grupos típicos de etiquetas que puedes incluir son:
Estas son las etiquetas típicas utilizadas por nuestros clientes, independientemente de su caso de uso o industria. Es posible que no todas sean aplicables a tu modelo, y es posible que tengas otros tipos de etiquetas que sean importantes para cumplir tus objetivos.
Cada uno de estos tipos de etiquetas, incluido lo que capturan y lo que ayudan a responder, se tratan con más detalle en esta sección.
Tipo de etiqueta | ¿Qué captura? | ¿Qué ayuda a responder? |
---|---|---|
Procesos/Tipos de solicitudes | Estos suelen capturar los procesos principales o las solicitudes entrantes que un equipo tiene que manejar. A menudo coincide directamente con un "catálogo de servicios" de tareas propiedad del equipo, y se organiza en una jerarquía que captura niveles añadidos de especificidad para los subprocesos/solicitudes. |
Estas son etiquetas fundamentales para tu modelo, que ayudan a proporcionar información, supervisión y acción en todo el canal. Para ayudar a identificar oportunidades de mejora de procesos, o hacer que los procesos sean más eficientes al permitir la automatización, la plataforma debe ser capaz de identificar los propios procesos. En el caso de los análisis, suelen combinarse con todos los demás tipos de etiquetas para generar información centrada en las causas raíz, los sentimientos, la calidad del servicio, etc. Segmentar aún más los datos utilizando metadatos ayuda a comprender mejor la naturaleza y el origen de estas solicitudes. Para la automatización, son cruciales para el enrutamiento automático y la automatización de procesos de extremo a extremo. |
Causa raíz y excepciones | Estas etiquetas están destinadas a capturar las causas raíz de los problemas, o tipos de excepciones, que impulsan a los equipos o clientes a ponerse en contacto, por ejemplo "Faltan detalles comerciales" para un equipo de operaciones de servicios financieros. | Estos son fundamentales para identificar oportunidades de mejora de procesos. La asignación de etiquetas de causa raíz a etiquetas de tipo de proceso/solicitud proporciona una imagen clara de los problemas existentes en el canal de comunicación. |
Calidad de servicio/Demanda de fallos | Estos capturan conceptos relacionados con el nivel de servicio dentro de un canal de comunicación, o la demanda generada por fallas en el proceso o servicio, por ejemplo 'Chaser' y 'Escalación'. |
Estos ayudan a responder preguntas como: "¿Dónde están los clientes experimentando los peores puntos débiles?", "¿En qué procesos cometemos errores repetidamente o no cumplimos con los SLA ?", "¿Qué áreas del canal están impulsando el sentimiento del cliente más negativo?" A la inversa, también pueden identificar áreas de fortaleza y buen rendimiento. Es importante destacar que también se pueden utilizar dentro de la función de supervisión de calidad de servicio de la plataforma: una potente herramienta de análisis que ayuda a agregar el rendimiento del canal en una única métrica de QoS, realizar un seguimiento a lo largo del tiempo y permitir que se compare con otros canales/equipos. |
Sentimientos | Si entrenas un modelo sin el análisis de sentimientos habilitado (la recomendación para los canales de comunicaciones B2B), puedes utilizar etiquetas que capturen los sentimientos expresados en las comunicaciones, por ejemplo 'frustración del cliente' o 'satisfacción del cliente'. |
Suelen estar destinados a proporcionar información relacionada con la experiencia del cliente, del cliente e incluso de los empleados. Al asignar los sentimientos expresados a los otros conceptos predichos, puedes encontrar los puntos débiles clave en los procesos y los recorridos del cliente que tienen los mayores impactos negativos (y positivos). |
Experiencias de cliente/cliente | Estos se relacionan con experiencias específicas de los clientes y, a menudo, van de la mano con etiquetas que capturan tipos de solicitudes entrantes, por ejemplo "El elemento nunca ha llegado" para una empresa minorista B2C. |
Estos son los principales impulsores de por qué los clientes se ponen en contacto con una empresa y, por lo tanto, proporcionan información valiosa. Pueden superponerse con las etiquetas relacionadas con la "causa raíz", aunque se centran en la experiencia del remitente y, potencialmente, no en la causa raíz anterior. |
Productos | Estos capturan los diferentes productos con los que trata un equipo/canal, ya sea como cliente, administrador o vendedor, por ejemplo 'ETF' o 'Seguro de propiedad' | Estas etiquetas pueden combinarse en análisis con otros tipos de etiquetas para proporcionar información más detallada sobre qué productos se relacionan con qué proceso/tipo de solicitud, o causas raíz/excepciones. |
Sistemas y datos | Cada equipo interactúa con una serie de sistemas y fuentes de datos durante su día a día, no solo con Outlook. Estas etiquetas capturan referencias a estos, por ejemplo 'Salesforce' o 'SAP'. | Al igual que los productos anteriores, estos pueden combinarse normalmente con otras etiquetas para proporcionar información más detallada. La combinación de etiquetas relacionadas con sistemas y datos con procesos y tipos de excepciones puede ayudar a identificar oportunidades de mejora prioritarias en sentido ascendente. |
Una vez que hayas definido tus etiquetas y tu estructura de taxonomía de destino, es importante definir los puntos de datos clave (es decir, campos generales) que desea extraer de sus datos de comunicaciones. Suelen utilizarse para facilitar la automatización posterior, pero también pueden ser útiles para el análisis. Para obtener orientación sobre la definición y configuración correcta de los campos generales, consulta nuestra guía de formación aquí.