Chat de entrenamiento y datos de llamadas

Nota:

• Debes tener asignados los roles Espectador de IXP o Analista de IXP y Administrador de proyectos de IXP o Desarrollador de IXP , o los permisos Ver orígenes y Revisar y anotar como usuario heredado.
• Para ver los datos del chat y las llamadas, debes tener asignado el permiso Ver orígenes .
• Para ver etiquetas, debes tener el permiso Ver etiquetas , y para aplicar etiquetas, debes tener el permiso Revisar y anotar .

Información general

Los datos de chat o llamadas suelen entrenarse para casos de uso basados en análisis y supervisión para obtener una comprensión detallada de los procesos, problemas y sentimientos dentro de una conversación.

Algunos ejemplos de preguntas que puedes responder para estos tipos de comunicación:

• Cuántas conversaciones comienzan con un cliente que nos pregunta sobre un tema, una queja, etc.
• ¿Cuáles son los principales temas por los que los clientes se ponen en contacto con nosotros?
• ¿Cuánto tiempo se tarda en resolver una conversación sobre un tema determinado?
• ¿Cuál es la calidad del servicio que los agentes proporcionan a nuestros clientes?
• ¿Cuál es el sentimiento cuando se menciona un tema determinado?

Diseño

Un hilo de chat/llamada

Diseño explicado:

1. Esto se utiliza para indicar que un mensaje se ha marcado como no informativo
2. Esto indica que se ha añadido una etiqueta a un mensaje
3. Esto permite a un usuario marcar un mensaje como no informativo
4. Esto permite a un usuario añadir una etiqueta a un mensaje
5. Esto permite a un usuario reproducir una grabación de audio, controlar la velocidad/volumen o descargar una llamada.

Entrenamiento del modelo

Note: If you have sentiment analysis enabled on your chat/calls data, the differences when annotating are the same as annotating with sentiment for other communications channels (i.e. - assigning a sentiment each time you assign a label, using neutral label names, etc.). See here for more details on annotating with sentiment analysis.

El entrenamiento de los datos de chat/llamadas es muy similar al entrenamiento de otros tipos de mensajes, en los que un usuario pasaría por las fases Descubrir, Explorar y Refinar para entrenar aún más su modelo.

Las distinciones clave son:

1. Diseño de hilo : con los datos de chat/llamadas, los mensajes entre todas las partes en una conversación determinada se compilan automáticamente en una vista de hilo único, pero las etiquetas siguen asignándose a mensajes individuales (es decir, turnos en la conversación).
2. Mensajes no informativos : un mensaje en un chat/llamada puede marcarse como "no informativo" si no añade contexto o valor a la conversación dada. Al marcar un mensaje como no informativo, le estás enseñando al modelo que ninguna de las etiquetas es aplicable y, por lo tanto, el modelo aprenderá que no se debe esperar que mensajes similares tengan predicciones de etiquetas.
   Nota: al aplicar etiquetas a un mensaje ('mensaje A'), el modelo marcará automáticamente el mensaje anterior Mensaje B como no informativo si no se le aplican etiquetas. Por lo tanto, es importante leer el mensaje anterior y aplicarle etiquetas si es relevante. Esta característica ayuda a crear los datos de entrenamiento necesarios para 'Poco informativo', sin demasiadas anotaciones adicionales.
3. Coverage - When assessing coverage for chat/calls data, in addition to assessing the proportion of messages covered by informative (i.e - meaningful) label predictions, it also incorporates the proportion of messages that are predicted to be uninformative. For more information on how coverage is determined, select here.

Tarjeta de factor de validación para la cobertura de un conjunto de datos de chat o llamadas