- Introdução
- Configurando sua conta
- Balanceamento
- Clusters
- Desvio de conceito
- Cobertura
- Conjuntos de dados
- Campos gerais
- Rótulos (previsões, níveis de confiança, hierarquia do rótulo e sentimento do rótulo)
- Modelos
- Transmissões
- Classificação do Modelo
- Projetos
- Precisão
- Lembrar
- Mensagens anotadas e não anotadas
- Campos de extração
- Fontes
- Taxonomias
- Treinamento
- Previsões positivos e negativos verdadeiros e falsos
- Validação
- Mensagens
- Controle de acesso e administração
- Gerencie origens e conjuntos de dados
- Entender a estrutura de dados e permissões
- Criando ou excluindo uma origem de dados na GUI
- Carregar um arquivo CSV para uma origem
- Preparando dados para carregamento de .CSV
- Criação de um conjunto de dados
- Origens e conjuntos de dados multilíngues
- Habilitando o sentimento em um conjunto de dados
- Como corrigir as configurações do conjunto de dados
- Excluindo uma mensagem
- Exclusão de um conjunto de dados
- Exportação de um conjunto de dados
- Usando integrações do Exchange
- Treinamento e manutenção do modelo
- Noções Básicas sobre rótulos, campos gerais e metadados
- Hierarquia de rótulos e práticas recomendadas
- Comparação de casos de uso de análise e automação
- Transformando seus objetivos em rótulos
- Visão geral do processo de treinamento do modelo
- Anotação generativa
- Status do conjunto de dados
- Treinamento de modelos e práticas recomendadas de anotação
- Treinamento com análise de sentimento de rótulo habilitada
- Dados de chamadas e chat de treinamento
- Compreensão dos requisitos de dados
- Treinamento
- Introdução ao Refine
- Precisão e recall explicados
- Precisão e recall
- Como a validação funciona
- Compreender e melhorar o desempenho do modelo
- Motivos para baixa precisão média do rótulo
- Treinamento usando Check label e Perda de rótulo
- Treinamento usando Ensinar rótulo (Refinar)
- Treinamento usando a Pesquisa (Refinamento)
- Noções Básicas e Aumentando a Cobertura
- Melhorando o balanceamento e usando o Rebalanceamento
- Quando parar de treinar seu modelo
- Uso dos campos gerais
- Extração generativa
- Uso de análise e monitoramento
- Automations e Communications Mining™
- Desenvolvedor
- Carregamento de dados
- Baixando dados
- Integração do Exchange com usuário do serviço do Azure
- Integração do Exchange com Autenticação de Aplicativo do Azure
- Integração do Exchange com Autenticação de aplicativo e gráfico do Azure
- Como buscar dados para o Tableau com o Python
- Integração do Elasticsearch
- Extração de campo geral
- Integração auto-hospedada do Exchange
- Framework de automação da UiPath®
- Atividades oficiais da UiPath®
- Como as máquinas aprendem a entender as palavras: um guia para incorporações ao NLP
- Aprendizado baseado em solicitação com Transformers
- Efficient Transformers II: extração de conhecimento e ajustes finos
- Transformers eficientes I: mecanismos de atenção
- Modelagem de intenção hierárquica profunda não supervisionada: obtenção de valor sem dados de treinamento
- Corrigindo viés de anotação com o Communications Mining™
- Aprendizado ativo: melhores modelos de ML em menos tempo
- Está tudo nos números - avaliando o desempenho do modelo com métricas
- Por que a validação de modelos é importante
- Comparação do Communications Mining™ e do Google AutoML para inteligência de dados de conversa
- Licenciamento
- Perguntas frequentes e mais

Guia do usuário do Communications Mining
Depois de definir seus objetivos, você pode começar a transformá-los em rótulos. Os rótulos devem conter todos os conceitos e intenções que você deseja capturar no conjunto de dados para atender aos seus objetivos específicos.
- Tipos de processo ou solicitação
- Qualidade do serviço ou demanda de falha
- Causas raiz e exceções
- Experiências do cliente
- Sentiments
- Tipos de produtos
- Sistema e dados
Esses são rótulos típicos que nossos clientes usam, independentemente de seu caso de uso ou setor. Nem todos podem ser aplicáveis ao seu modelo, e você pode ter outros tipos de rótulos que são importantes para atender aos seus objetivos.
Cada um desses tipos de rótulos, incluindo o que capturam e o que ajudam a responder, será abordado com mais detalhes nesta seção.
Tipo de Rótulo | O que ele captura | O que ajuda a responder |
---|---|---|
Processos ou tipos de solicitação | Eles capturam os processos principais ou solicitações de entrada que uma equipe tem que lidar. Muitas vezes, ele corresponde diretamente a um catálogo de tarefas que a equipe possui e é organizado em uma hierarquia que captura níveis adicionais de especificidade para subprocessos ou solicitações. |
Esses são rótulos fundamentais para seu modelo, ajudando a fornecer insights, monitoramento e ação em todo o canal. Para ajudar a identificar oportunidades de melhoria de processos ou tornar os processos mais eficientes habilitando a automação, a plataforma precisa ser capaz de identificar os próprios processos. Para análise, eles são combinados com todos os outros tipos de rótulos para gerar insights focados em causas raiz, opiniões, qualidade do serviço e assim por diante. Segmentar ainda mais os dados usando metadados ajuda a entender melhor a natureza e a origem dessas solicitações. Na automação, eles são cruciais para o roteamento automático e automatização de processos de ponta a ponta. |
Causa raiz e exceções | Esses rótulos destinam-se a capturar as causas raiz de problemas ou tipos de exceções que levam equipes ou clientes a entrar em contato, como por exemplo, a falta de detalhes comerciais para uma equipe de operações de serviços financeiros. | Elas são fundamentais para identificar oportunidades de melhoria de processos. O mapeamento de rótulos de causa raiz para processar ou rótulos de tipo de solicitação fornece uma imagem clara dos problemas existentes no canal de comunicação. |
Qualidade do serviço ou demanda de falha | Capturam conceitos relacionados ao nível de serviço dentro de um canal de comunicação ou a demanda gerada por falhas no processo ou serviço, por exemplo, Perseguidor e Escalonamento. |
Elas ajudam a responder a perguntas como:
|
Sentiments | Se treinar um modelo sem análise de sentimento habilitada, que é a recomendação para canais de comunicação B2B, você pode usar rótulos que capturam os sentimentos expressos nas comunicações. Por exemplo, frustração ou satisfação do cliente. |
Elas têm como objetivo fornecer insights relacionados à experiência de clientes, clientes e até mesmo de funcionários. Ao mapear os opiniões expressos para os outros conceitos previstos, você pode encontrar os principais pontos problemáticos em processos e jornadas de clientes que têm os maiores impactos negativos e positivos. |
Experiências do cliente | Isso está relacionado a experiências específicas realizadas por clientes e, muitas vezes, vêm de mãos dadas com rótulos que capturam tipos de solicitações de entrada como, por exemplo, o item nunca chegou para uma empresa de varejistas B2C. |
Estes são os principais motivadores do motivo pelo qual os clientes estão entrando em contato com uma empresa e, portanto, fornecem insights importantes. Eles podem se sobrepor com rótulos relacionados à causa raiz, embora estejam focados na experiência do remetente e potencialmente não na causa raiz upstream. |
Produtos | Elas capturam os diferentes produtos com os quais uma equipe ou canal lida, seja como cliente, administrador ou vendedor, como ETFs ou seguros de propriedades. | Esses rótulos podem ser combinados em análises com outros tipos de rótulos para fornecer insights mais profundos sobre quais produtos se relacionam com qual processo ou tipo de solicitação, ou causas raiz ou exceções. |
Sistemas e dados | Cada equipe interage com vários sistemas e fontes de dados durante o dia a dia, não apenas com o Outlook. Esses rótulos capturam referências a eles, como Salesforce ou SAP. | Como os produtos anteriores, esses normalmente podem ser combinados com outros rótulos para fornecer insights mais granulares. A combinação de sistemas e rótulos relacionados a dados com processos e tipos de exceção pode ajudar a identificar oportunidades de melhoria de prioridade upstream. |
Depois de definir seus rótulos e sua estrutura taxonômica de destino, você deve definir os principais pontos de dados, ou seja, os campos, que você deseja extrair de seus dados de comunicação. Os campos são usados para facilitar a automação downstream, mas também podem ser úteis para análise. Para obter mais detalhes sobre como definir e configurar seus campos corretamente, consulte Uso de campos gerais.