Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
Copilot Studio har indbyggede Conversational boost og Fallback systememner. Disse emner udløses, når NLU-modellen (Natural Language Understanding) ikke kan finde et tilsvarende emne eller en tilsvarende handling for en given brugerforespørgsel. Med hensyn til prioritet udløses Conversational Boosting før Fallback-emnet .
Hvis de fleste uerkendte ytringer går til en menneskelig repræsentant, kan du forbedre afbøjning ved at adressere brugsmønstre, der konsekvent udløser Fallback.
Tip
Emneforbedring er en offline-dataanalyse, der fokuserer på at genbruge brugerforespørgsler, der udløste Fallback emne til at udløse relevante emner i Copilot Studio.
De analyserede brugerforespørgsler fra Fallback-emnet falder typisk i følgende kategorier:
Brugerforespørgsler, der forventes at udløse eksisterende emner, men som agentens NLU har overset dem.
Brugerforespørgsler, der kan konverteres til nyligt foreslåede emner.
Ikke-tilknyttede brugerforespørgsler, der ikke er relevante for eksisterende eller nye emner.
Andre kategorier, herunder:
- Brugerforespørgsler, der udløste et emne Multiple Topics Matched (også kendt som "mente du") efterfulgt af Conversational boosting eller Fallback.
- Uklare brugerforespørgsler, der rammer samtale-boosting eller reserveemne.
- Brugerforespørgsler fra ufuldstændige samtaler, der førte til Conversational Boosting eller Fallback.
Af disse kategorier er de to første umiddelbart angribelige. På baggrund af resultaterne fra disse kategorier kan du forbedre emnerne ved at tilføje flere udløsersætninger for eksisterende emner eller ved at oprette nye emner.
Næste trin
Lær at identificere og løse overlappende eller semantisk lignende triggersætninger, så din agent kan reducere forvirring, undgå unødvendige afklaringsspørgsmål og forbedre emnets nøjagtighed og afledningsrater.