Definição dos objetivos da taxonomia

Antes de começar a treinar seu modelo, certifique-se de entender como abordar sua taxonomia, incluindo a criação de seus rótulos, e o que eles devem capturar. Você também deve definir os principais pontos de dados (campos gerais), que deseja treinar se planeja explorar e implementar automações.

A taxonomia é uma coleção de todos os rótulos aplicados às mensagens em um conjunto de dados, estruturados de maneira hierarquizada. Ele também pode se referir e incluir os tipos de campos gerais habilitados em um conjunto de dados, embora estes estejam organizados em uma hierarquia simples.

Esta seção refere-se a taxonomias de rótulos.

Definição dos seus objetivos de taxonomia

Um caso de uso bem-sucedido é orientado principalmente por ter um conjunto de objetivos claramente definidos. Os objetivos não apenas garantem que todos estejam trabalhando em direção a um objetivo comum, mas também ajudam você a decidir sobre o tipo de modelo que deseja construir e moldar a estrutura de sua taxonomia. Por fim, seus objetivos ditarão os conceitos que você treina a plataforma para prever.

As taxonomias podem ser direcionadas para cumprir os objetivos de automação, análise ou ambos. Ao projetar sua taxonomia, você precisa se fazer as seguintes perguntas:

1. Quais intenções ou conceitos preciso reconhecer nos dados para gerar as automações ou insights de que preciso?
2. Todos estes conceitos podem ser reconhecidos apenas pelo texto da mensagem?
3. Certos conceitos precisam ser estruturados de uma determinada maneira para facilitar ações específicas?

Ao todo, com treinamento suficiente, seus rótulos devem criar uma representação precisa e equilibrada do conjunto de dados, dentro do contexto de seus objetivos. Por exemplo, cobrindo todos os tipos de solicitações que serão roteadas automaticamente a jusante.

Atendendo aos seus objetivos de taxonomia

Você pode não ser capaz de atender a todos os seus objetivos com uma única taxonomia em um conjunto de dados. Se você quiser obter análises amplas e detalhadas para um canal de comunicação, mas também automatizar um determinado número de tipos de solicitações de entrada em filas de fluxos de trabalho, você pode precisar de mais de um conjunto de dados para facilitar isso.

Geralmente, é melhor não tentar realizar exatamente tudo de uma vez dentro de uma extensa taxonomia de vários propósitos, pois isso pode ser muito difícil de treinar e manter um alto desempenho. É mais fácil começar com uma taxonomia para um propósito específico, por exemplo analisar os dados de feedback dos clientes no aplicativo em relação a solicitações e bugs de funcionalidades do produto; ou monitorar a qualidade do serviço ao cliente na caixa de entrada de uma equipe de operações.

Um detalhamento dos diferentes tipos de objetivos é abordado no próximo artigo sobre casos de uso focados em análise versus automação.