- Démarrage
- Présentation de Communications Mining
- Comment les entreprises peuvent utiliser Communications Mining
- Premiers pas avec Communications Mining
- Assistance technique
- Équilibre
- Clusters
- Dérive de concept
- Couverture
- Jeux de données
- Entités (Entities)
- Libellés (prédictions, niveaux de confiance, hiérarchie, etc.)
- Modèles
- Flux
- Évaluation du modèle
- Projets
- Précision
- Rappel
- Messages examinés et non examinés
- Sources
- Taxonomies
- Apprentissage
- Prédictions positives et négatives vraies et fausses
- Validation
- Messages
- Administration
- Gérer les sources et les jeux de données
- Comprendre la structure des données et les autorisations
- Créer une source de données dans l'interface graphique
- Téléchargement d’un fichier CSV dans une source
- Créer un nouveau jeu de données
- Sources et jeux de données multilingues
- Activation des sentiments sur un ensemble de données
- Modifier les paramètres d’un jeu de données
- Supprimer des messages via l'interface utilisateur
- Supprimer un jeu de données
- Exporter un jeu de données
- Utilisation des intégrations Exchange
- Préparation des données en vue du téléchargement .CSV
- Entraînement et maintenance du modèle
- Comprendre les libellés, les entités et les métadonnées
- Hiérarchie des libellés et bonnes pratiques
- Définition de vos objectifs de taxonomie
- Cas d'utilisation d'analyse vs d'automatisation
- Transformer vos objectifs en libellés
- Construire votre structure de taxonomie
- Meilleures pratiques de conception de taxonomie
- Importation de votre taxonomie
- Présentation du processus d'entraînement du modèle
- Annotation générative (New)
- Comprendre le statut de votre jeu de données
- Meilleures pratiques d'entraînement et de labellisation des modèles
- Entraînement avec l'analyse des sentiments des libellés activée
- Entraîner
- Vue d'ensemble (Overview)
- Examen des prédictions de libellé
- Entraînement à l'aide de « Mélanger »
- Entraînement à l'aide d'« Ensemble des libellés » (Explore)
- Entraînement à l'aide de l'option 'Faible confiance'
- Entraînement à l'aide de la recherche (Explorer)
- Réduction et réorganisation de votre taxonomie
- Introduction à 'Raffiner'
- Précision et rappel expliqués
- Précision et rappel
- Comment fonctionne la validation ?
- Comprendre et améliorer les performances du modèle
- Pourquoi un libellé peut-il avoir une précision moyenne faible ?
- Entraînement à l'aide de « Vérifier le libellé » et « Libellé manquant »
- Entraînement à l'aide du libellé En savoir plus (Affiner)
- Entraînement à l'aide de la recherche (affiner)
- Comprendre et augmenter la couverture
- Amélioration de l'équilibre et utilisation de « Rééquilibrer »
- Quand arrêter l'entraînement de votre modèle
- Définition et configuration de vos entités
- Comprendre les entités
- Quelles sont les entités pré-entraînées disponibles ?
- Activation, désactivation, mise à jour et création d'entités
- Filtrage des entités
- Examiner et appliquer des entités
- Validation pour les entités
- Amélioration des performances de l'entité
- Création d'entités Regex personnalisées
- Utilisation des analyses de surveillance &
- Automatisations et Communications Mining
- FAQ et plus
Présentation de Communications Mining
Le traitement du langage naturel (NLP), est un domaine de l'apprentissage automatique axé sur la création d'outils qui peuvent automatiquement comprendre et traiter les données en langage naturel de la même manière que les humains.
Les outils NLP se concentrent notamment sur la prise de données de communications non structurées et leur transformation en données structurées exploitables, en comprenant les intentions, les thèmes et les concepts qu'ils contiennent, et en extrayant les points de données clés.
de l’assistance aux ventes en passant par les finances et les services. La communication entre eux est la façon dont les affaires se font.
Le nombre d' e-mails, de tickets et de messages augmente chaque année, ce qui porte les services à un point d'arrêt. Cela augmente le coût de service et nuit à l'expérience des employés et des clients.
Grâce à elle, le traitement du langage naturel, une branche de l'IA qui vise à aider les machines à lire et à comprendre le langage humain, a connu des progrès considérables ces dernières années.
Le traitement des langages naturels, ou NLP, a atteint son âge, et surpasse désormais les humains en termes de compréhension des langues et de compréhension de lecture.
Cela génère de nouvelles solutions et opportunités pour l’entreprise.
Avec NLP, il est désormais possible de comprendre les communications à grande échelle.
Cela permet aux entreprises de :
Communications Mining, ou Comms Mining, est un domaine qui se concentre sur la compréhension et l'extraction de valeurs à partir de données de communications.
La pratique consiste à convertir les informations non structurées que ces données contiennent en données structurées et lisibles par machine qui peuvent ensuite être utilisées à des fins d' analyse et d'automatisation.
Plus important encore, UiPath Communications Mining identifie non seulement les points faibles, mais peut également aider à en résoudre un grand nombre en activant des automatisations plus intelligentes.
UiPath Communications Mining, anciennement Re:infer, automatise l'interprétation des communications, aidant les entreprises à comprendre et à automatiser les messages - à grande vitesse, à grande échelle, sur n'importe quel canal.
Notre solution combine l'apprentissage automatique (ML), le traitement des langages naturels (NLP) et l'apprentissage supervisé par les employés dans une solution puissante et sans code , accessible par tous.
Elle offre une visibilité complète sur les canaux tels que les e- mails, les tickets et les commentaires des clients, aidant les entreprises à mieux comprendre leurs clients et à identifier les emplacements qui auront le plus grand impact.
Il permet également l'automatisation intelligente des communications, car il génère les données structurées requises par les automatisations en aval vers les demandes d'action sans intervention humaine.
Voici un aperçu du parcours type de vos données au sein de la plate-forme :
- Connecteurs pré-construits pour l'ingestion dans le magasin de communs historiques. Moteur de segmentation et de nettoyage ML propriétaire pour nettoyer les données.
- Les modèles Deep Learning Sentence propriétaires extraient la sémantique pour un apprentissage efficace des données.
- Les modèles d’apprentissage non supervisés propriétaires identifient les intentions communes et en recherchent constamment de nouvelles.
- Formez efficacement des modèles supervisés sur mesure dans notre moteur et interface d’apprentissage actif propriétaires .
- Statistiques agrégées en temps réel pour des informations et des analyses de gestion basées sur le sens.
- Validation du modèle en temps réel et gestion du cycle de vie des modèles.
Se connecter (Connect)
Nous nous connectons d'abord à vos canaux de données de communication non structurées.
Il peut s'agir de boîtes de réception par e-mail, de tickets de workflow ou de collections de réponses à des enquêtes, pour ne lister que quelques exemples.
L'intégration de ces données dans la plate-forme peut être effectuée via :
- Intégration en direct avec des connecteurs pré-construits, pour des canaux tels que Microsoft Exchange ou Salesforce
- Création d'intégrations d'API
- Téléchargement de données historiques via un fichier CSV ou via notre API
Découvrir
Une fois les données téléchargées, la plate-forme démarre automatiquement le processus de découverte.
Il utilise l'apprentissage non supervisé pour regrouper des groupes de communications qui partagent des thèmes et des concepts similaires.
Ces clusters peuvent être liés à des processus, requêtes, problèmes et sentiments répétitifs. Ils peuvent à la fois nous aider à définir la structure appropriée de notre modèle et accélérer la première étape de l'entraînement du modèle.
En examinant ces clusters et en appliquant des étiquettes et des entités qui capturent les concepts et les points de données pertinents, la plate-forme commence rapidement à construire une image du contenu des données.
Entraîner
Ensuite, nous utilisons une variété de modes d'entraînement pour créer les données d'entraînement de notre modèle.
Ici, nous apprenons à la plate-forme à identifier en toute confiance ces libellés et entités, dans l'ensemble de nos données.
Ces modes d'entraînement sont conçus pour maximiser l'impact des actions d'entraînement et minimiser le temps consacré à la formation. Pendant ce temps, l'interface zéro code de la plate-forme signifie qu'un entraîneur de modèle peut être n'importe quel utilisateur professionnel travaillant dans le canal de communication. Aucun scientifique ou ingénieur en données requis.
À chaque action d'entraînement, la plate-forme se réentraîne en continu, améliore sa compréhension de chaque concept et point de données, et met à jour ses prédictions en temps réel.
En annotant un petit échantillon représentatif de données d'entraînement, la plate-forme est en mesure d'appliquer sa compréhension de chaque libellé et entité à grande échelle, en interpréter et à faire automatiquement des prédictions sur l'ensemble de données.
Prévoir (Predict)
Le résultat final ? Libellé structuré et prédictions d'entité, chacune avec ses propres scores de confiance, pour chaque communication, comme dans cet exemple d'e-mail :
Ces prédictions sont mises à disposition pour les analyses dans la plate-forme ou via l'API pour être utilisées par les bots UiPath et d'autres outils pour l'automatisation ou l'analyse plus poussée.
Valider
Mais avant de nous fier à ces prédictions pour influencer les décisions ou permettre l'action, nous devons connaître les performances de notre modèle.
La fonctionnalité de validation de la plate-forme offre une transparence complète en matière de performances, validant votre modèle automatiquement à chaque réentraînement.
Nous pouvons facilement comprendre si notre modèle fonctionne comme il le devrait pour tous les facteurs de performance clés qui sont agrégés en une seule notation de modèle pour plus de simplicité.
La plate-forme guide également les entraîneurs de modèles pour apporter des améliorations au besoin avec les meilleures actions recommandées.
Analyser
Une fois que nous sommes satisfaits des performances de notre modèle, nous pouvons générer très rapidement des informations précieuses et exploitables à partir de ces conversations professionnelles.
La plate-forme regroupe toutes les prédictions des libellés et des entités avec des métadonnées clés pour fournir une multitude de données consultables, offrant ainsi une visibilité sur les processus et canaux auparavant masqués.
Cela permet aux utilisateurs de :
- Créez des tableaux de bord dynamiques personnalisés pour suivre les métriques clés et la qualité du service rendu à vos clients
- Exécuter des analyses pour identifier les opportunités d'amélioration des processus ou de l'expérience client
- Ou configurer des alertes pour surveiller les performances des canaux et les événements à risque
Juste pour nommer quelques exemples.
Outre les analyses, nous pouvons déployer des modèles entraînés pour activer les automatisations de production.
Les robots UiPath et les systèmes en aval peuvent utiliser les données structurées créées par UiPath Communications Mining pour étendre l'automatisation aux processus basés sur les services et les conversations. Cela permet aux entreprises d’automatiser les requêtes transactionnelles et les workflows.
Les tâches telles que le tri des e-mails, la mise à jour des informations client et la création de cas peuvent désormais être automatisées de bout en bout par UiPath.
Les principales entreprises font confiance à Communications Mining pour analyser et automatiser leurs communications, et voici quelques-unes des raisons pour lesquelles :
- Pas de code - Nous démocratisons le NLP pour l’utilisateur professionnel. L'interface zéro code de la plate-forme offre une expérience utilisateur guidée que n'importe quel employé peut utiliser, indépendamment de ses capacités techniques.
- Entièrement personnalisable - Vous pouvez créer des modèles entièrement personnalisés qui extraient exactement les intentions, les thèmes et les sentiments dont votre entreprise a besoin.
- Précis - Vous pouvez entraîner des modèles précis avec un minimum de données d'entraînement, avec une transparence complète sur les performances du modèle pour éviter les résultats inattendus en production
.
- Rapide à entraîner - Vous pouvez réduire les coûts et les efforts et maintenir la confiance, grâce à des modèles qui sont rapides à entraîner et à adapter.
- Hyper évolutif - Vous devez commencer petit pour réussir, mais vous aurez besoin d'une solution qui peut rapidement évoluer avec vos besoins pour des cas d'utilisation plus importants, ce que fait notre plate-forme.
- Surveillance et alertes en temps réel - Grâce aux tableaux de bord configurables, aux alertes par e-mail et aux rapports de suivi des métriques clés en temps réel, vous disposerez de toutes les données nécessaires pour prendre des décisions actives et éclairées.
- Sécurisé - Par-dessus tout, vous avez besoin d'une solution avec laquelle vous pouvez faire confiance à vos données, et les autorisations et le chiffrement de notre plate-forme garantissent la sécurité et la protection des données des clients.
- Facile à intégrer - Nous avons des intégrations pré-construites pour les canaux de communication clés, des API faciles à utiliser avec des API et des connecteurs pour le workflow et la RPA, ce qui permet de l'adapter facilement à votre pile technologique.
Notre solution ouvre la puissance de l'IA et du NLP à tous les utilisateurs professionnels, et pas seulement aux scientifiques des données et aux ingénieurs.
- Qu’est-ce que le traitement des langages naturels (NLP) ?
- Pourquoi le NLP devient-il essentiel pour les entreprises ?
- Comment les solutions NLP peuvent-elles aider à résoudre ces défis ?
- Qu’est-ce que Communications Mining ?
- Communications Mining vs Task Mining et Process Mining
- Qu'est-ce que la solution Communications Mining d'UiPath et que fait-elle ?
- Comment cela contribue-t-il à nos clients ?
- Mode de fonctionnement : Vue d'ensemble
- Mode de fonctionnement : Approfondissement
- Pourquoi les entreprises font-elles confiance à UiPath Communications Mining ?
- Qu’est-ce que Communications Mining signifie pour vous ?
- Que signifie Communications Mining pour votre entreprise ?