- Démarrage
- Équilibre
- Clusters
- Dérive de concept
- Couverture
- Jeux de données
- Champs généraux (anciennement entités)
- 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
- Supprimer une source
- Exporter un jeu de données
- Utilisation des intégrations Exchange
- Préparation des données en vue du téléchargement du fichier .CSV
- Entraînement et maintenance du modèle
- Comprendre les libellés, les champs généraux 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)
- Statut du jeu de données
- Entraînement des modèles et annotation des meilleures pratiques
- Entraînement avec l'analyse des sentiments des libellés activée
- Entraîner
- Vue d'ensemble (Overview)
- Examen des prédictions de libellé
- Entraînement à l'aide de la classification par glisser-déposer
- Entraînement à l'aide de l'option Enseigner le libellé (Explore)
- Entraînement à l'aide d'une confiance faible
- Entraînement à l'aide de la recherche (Explorer)
- Réduction et réorganisation de votre taxonomie
- Introduction à affiner
- 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 du libellé Vérifier (Check label) et du libellé Manqué (Missed Label)
- 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 du rééquilibrage
- Quand arrêter l'entraînement de votre modèle
- Utilisation de champs généraux
- Extraction générative
- Utilisation des analyses et de la surveillance
- Automatisations et Communications Mining
- Informations de licence
- FAQ et plus encore
Transformer vos objectifs en libellés
Une fois que vous avez défini vos objectifs, vous pouvez commencer à les transformer en libellés. Les libellés doivent contenir tous les concepts et intentions que vous souhaitez capturer dans l'ensemble de données pour atteindre vos objectifs spécifiques. Les groupes typiques de libellés que vous pouvez inclure sont :
Il s'agit de libellés typiques utilisés par nos clients, quel que soit leur cas d'utilisation ou leur secteur. Tous ne s'appliquent pas à votre modèle, et vous pouvez avoir d'autres types de libellés importants pour atteindre vos objectifs.
Chacun de ces types de libellés, y compris ce qu'ils capturent et ce à quoi ils aident à répondre, est expliqué plus en détail dans cette section.
Type de libellé | Que capture-t-il ? | Qu’est-ce que cela permet de répondre ? |
---|---|---|
Processus/Types de requêtes | Ceux-ci capturent généralement les processus de base ou les demandes entrantes qu'une équipe doit gérer. Il correspond souvent directement à un « catalogue de services » de tâches appartenant à l'équipe, et est organisé en hiérarchie capturant des niveaux supplémentaires de spécificité pour les sous-processus/demandes. |
Il s'agit de libellés de base pour votre modèle, fournissant des informations, une surveillance et des actions sur l'ensemble du canal. Pour aider à identifier les opportunités d'amélioration des processus ou à rendre les processus plus efficaces en activant l'automatisation, la plate-forme doit être capable d'identifier les processus eux-mêmes. Dans le cadre des analyses, elles sont généralement combinées à tous les autres types d'étiquettes pour générer des informations axées sur les causes profondes, les sentiments, la qualité du service, etc. La segmentation des données à l'aide de métadonnées permet de mieux comprendre la nature et la source de ces requêtes. Dans le cadre de l'automatisation, ils sont essentiels pour le routage automatique et l'automatisation des processus de bout en bout. |
Causes profondes et exceptions | Ces libellés sont destinés à capturer les causes profondes des problèmes, ou des types d'exceptions, qui incitent les équipes ou les clients à entrer en contact, par exemple « Détails commerciaux manquants » pour une équipe d’opérations de services financiers. | Ils sont essentiels pour identifier les opportunités d'amélioration des processus. Le mappage des libellés de cause profonde aux libellés de type de processus/demande fournit une image claire des problèmes existant dans le canal de communication. |
Qualité de service/demande d'échec | Ces concepts capturent des concepts relatifs au niveau de service dans un canal de communication ou à la demande générée par des échecs de processus ou de service, par exemple « Chaser » et « Escalade ». |
Celles-ci aident à répondre à des questions telles que : « Obtenez les clients les plus touchés? », « Sur quel processus faisons-nous à plusieurs reprises des erreurs ou manquons-nous des SLA ? », « Quels domaines du canal génèrent le sentiment client le plus négatif? » Inversement, ils peuvent également identifier les domaines de force et de bonnes performances. Plus encore, elles peuvent également être utilisées dans la fonctionnalité de surveillance de la qualité de service de la plate-forme, un outil d'analyse puissant qui permet d'agréger les performances des canaux en une seule mesure QoS, de les suivre au fil du temps et de les comparer avec celles-ci par rapport à d'autres canaux/équipes. |
Sentiments | Si vous entraînez un modèle sans analyse des sentiments activée (recommandation pour les canaux de communication B2B), vous pouvez utiliser des libellés qui capturent plutôt les sentiments exprimés dans les communications, par exemple « Texturation du client » ou « déception du client ». |
Celles-ci visent généralement à fournir des informations relatives à l'expérience des clients, des clients et même des employés. En mappant les sentiments exprimés aux autres concepts prédits, vous pouvez trouver les principaux points faibles dans les processus et les parcours clients qui ont les plus gros répercussions négatives (et positives). |
Client/expériences client | Celles-ci sont liées à des expériences spécifiques des clients/clients, et vont souvent de pair avec des libellés capturant les types de demandes entrantes, par ex. « Élément n'est jamais arrivé » pour une entreprise de vente au détail B2C. |
Ce sont les principaux moteurs de la raison pour laquelle les clients/clients contactent une entreprise, et fournissent donc des informations puissantes. Ils peuvent chevaucher des libellés liés aux « causes profondes », bien qu’ils soient axés sur l’expérience de l’expéditeur, et potentiellement pas la cause profonde en amont. |
Produits | Ceux-ci capturent les différents produits qu'une équipe/un canal traite, que ce soit en tant que client, service d'assistance ou vendeur, par exemple « ETF » ou « assurance propriété » | Ces libellés peuvent être combinés dans les analyses avec d'autres types de libellés pour fournir des informations plus détaillées sur les produits liés à quel type de processus/requête, ou les causes profondes/exceptions. |
Systèmes et données | Chaque équipe interagit avec un certain nombre de systèmes et de sources de données au cours de sa vie quotidienne, pas seulement Outlook. Ces libellés capturent des références à ces derniers, par ex. « Salesforce » ou « SAP ». | Comme les produits ci-dessus, ceux-ci peuvent généralement être combinés avec d'autres libellés pour fournir des informations plus précises. La combinaison de systèmes et de libellés liés aux données avec des processus et des types d'exceptions peut aider à identifier les opportunités d'amélioration des priorités en amont. |
Une fois que vous avez défini vos libellés et votre structure de taxonomie cible, il est important de définir les points de données clés (c'est-à-dire les champs généraux que vous souhaitez extraire de vos données de listes. Ceux-ci sont généralement utilisés pour faciliter l'automatisation en aval, mais peuvent également être utiles pour les analyses. Pour obtenir des conseils pour définir et configurer correctement vos champs généraux, veuillez consulter notre guide de formation ici.