- Introducción
- Configuración de su cuenta
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Campos generales
- Etiquetas (predicciones, niveles de confianza, jerarquía de etiquetas y sentimiento de etiqueta)
- Modelos
- Transmisiones
- Clasificación del modelo
- Proyectos
- Precisión
- Recordar
- Mensajes anotados y no anotados
- Campos extraídos
- Fuentes
- Taxonomías
- Formación
- Predicciones positivas y negativas verdaderas y falsas
- Validación
- Mensajes
- Control y administración de acceso
- Gestionar fuentes y conjuntos de datos
- Comprender la estructura de datos y los permisos
- Crear o eliminar un origen de datos en la GUI
- Cargar un archivo CSV en un origen
- Preparando datos para cargar archivos .CSV
- Crear un conjunto de datos
- Fuentes y conjuntos de datos multilingües
- Habilitar sentimiento en un conjunto de datos
- Modificar la configuración del conjunto de datos
- Eliminar un mensaje
- Eliminar un conjunto de datos
- Exportar un conjunto de datos
- Utilizar integraciones de Exchange
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, los campos generales y los metadatos
- Jerarquía de etiquetas y mejores prácticas
- Comparar casos de uso de análisis y automatización
- Convertir tus objetivos en etiquetas
- Descripción general del proceso de entrenamiento del modelo
- Anotación generativa
- Estado de Dastaset
- Entrenamiento de modelos y mejores prácticas de anotación
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Chat de entrenamiento y datos de llamadas
- Comprender los requisitos de datos
- 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
- Razones para etiquetar 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
- Automations and Communications Mining™
- Desarrollador
- Uso de la API
- Tutorial de la API
- Fuentes
- Conjuntos de datos
- Comentarios
- Archivos adjuntos
- Predictions
- Crear una transmisión
- Actualizar una transmisión
- Obtener una transmisión por nombre
- Obtener todas las transmisiones
- Eliminar una transmisión
- Obtener resultados de la transmisión
- Obtener comentarios de una transmisión (heredado)
- Avanzar una transmisión
- Restablecer una transmisión
- Etiquetar una excepción
- Desetiquetar una excepción
- Eventos de auditoría
- Obtener todos los usuarios
- Cargar datos
- Descargando datos
- Integración de Exchange con el usuario del servicio de Azure
- Integración de Exchange con la autenticación de aplicaciones de Azure
- Integración de Exchange con Azure Application Authentication y Graph
- Obtener datos para Tableau con Python
- Integración de Elasticsearch
- Extracción de campos general
- Integración de Exchange autohospedado
- Marco de automatización de UiPath®
- Actividades oficiales de UiPath®
- Cómo aprenden las máquinas a entender palabras: una guía para las incrustaciones en PNL
- Aprendizaje basado en solicitudes con Transformers
- Efficient Transformers II: destilación de conocimientos y ajuste
- Transformadores eficientes I: mecanismos de atención
- Modelado de intenciones jerárquico profundo no supervisado: obtener valor sin datos de entrenamiento
- Corregir el sesgo de anotación con Communications Mining™
- Aprendizaje activo: mejores modelos ML en menos tiempo
- Todo está en los números: evaluar el rendimiento del modelo con métricas
- Por qué es importante la validación del modelo
- Comparación de Communications Mining™ y Google AutoML para la inteligencia de datos conversacional
- Licencia
- Preguntas frecuentes y más

Guía del usuario de Communications Mining
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.
- Tipos de procesos o solicitudes
- Calidad del servicio o demanda de fallos
- Causas raíz y excepciones
- Cliente o experiencias de cliente
- Sentimientos
- Tipos de productos
- Sistema y datos
Estas son las etiquetas típicas que utilizan 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 | Lo que captura | En qué ayuda responder |
---|---|---|
Procesos o tipos de solicitudes | Estos capturan los procesos básicos o las solicitudes entrantes que un equipo tiene que manejar. A menudo, coincide directamente con un catálogo de servicios de tareas que posee el equipo, y se organiza en una jerarquía que captura niveles añadidos de especificidad para subprocesos o 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 habilitando la automatización, la plataforma debe poder identificar los propios procesos. Para el análisis, se combinan 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, la falta de detalles comerciales para un equipo de operaciones de servicios financieros. | Estos son fundamentales para identificar oportunidades de mejora de procesos. Asignar etiquetas de causa raíz a etiquetas de tipo de proceso o solicitud proporciona una imagen clara de los problemas existentes en el canal de comunicación. |
Calidad de servicio o demanda de fallos | Estos capturan conceptos relacionados con el nivel de servicio dentro de un canal de comunicación, o la demanda generada por fallos en el proceso o servicio, por ejemplo, Chaser y Escalada. |
Estos ayudan a responder preguntas como:
|
Sentimientos | Si entrenas un modelo sin el análisis de sentimientos habilitado, que es la recomendación para los canales de comunicación B2B, puedes utilizar etiquetas que capturen los sentimientos expresados en las comunicaciones en su lugar. Por ejemplo, la frustración o la satisfacción del cliente. |
Estos están destinados a proporcionar información relacionada con el cliente, e incluso la experiencia de los empleados. Al asignar los sentimientos expresados a los otros conceptos predichos, puedes encontrar puntos problemáticos clave en los procesos y recorridos del cliente que tienen los mayores impactos negativos y positivos. |
Cliente o experiencias de cliente | Estos se relacionan con experiencias específicas de clientes y, a menudo, van de la mano con etiquetas que capturan tipos de solicitudes entrantes, por ejemplo, el elemento nunca llegó para una empresa minorista B2C. |
Estos son los impulsores últimos de por qué los clientes se ponen en contacto con una empresa y, por lo tanto, proporcionan información poderosa. Pueden solaparse con las etiquetas relacionadas con la causa raíz, aunque se centran en la experiencia del remitente, y potencialmente no en la causa raíz ascendente. |
Productos | Estos capturan los diferentes productos con los que trata un equipo o canal, ya sea como cliente, administrador o vendedor, como ETF o seguros de propiedad. | Estas etiquetas se pueden combinar en análisis con otros tipos de etiquetas para proporcionar información más profunda sobre qué productos se relacionan con qué proceso o tipo de solicitud, o causas raíz o 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, como Salesforce o SAP. | Al igual que los productos anteriores, estos pueden combinarse normalmente con otras etiquetas para proporcionar información más detallada. La combinación de sistemas y etiquetas relacionadas con los datos con procesos y tipos de excepciones puede ayudar a identificar oportunidades de mejora prioritarias en las fases iniciales. |
Una vez que hayas definido tus etiquetas y tu estructura de taxonomía de destino, debes definir los puntos de datos clave, es decir, los campos, que deseas extraer de tus datos de comunicaciones. Los campos se utilizan para facilitar la automatización posterior, pero también pueden ser útiles para el análisis. Para obtener más información sobre cómo definir y configurar tus campos correctamente, consulta y Uso de campos generales.