Muistiinpano
Tämän sivun käyttö edellyttää valtuutusta. Voit yrittää kirjautua sisään tai vaihtaa hakemistoa.
Tämän sivun käyttö edellyttää valtuutusta. Voit yrittää vaihtaa hakemistoa.
Näissä usein kysytyissä kysymyksissä kuvataan analytiikan tukiominaisuuksien tekoälyvaikutukset Copilot Studio.
Miten generatiivista tekoälyä käytetään analytiikassa?
Copilot Studio käyttää tekoälyä luotavien vastausvastausten laadun mittaamiseen ja klustereiden luomiseen. Nämä klusterit tarjoavat merkityksellisiä tietoja agentin suorituskyvystä.
Luoduissa vastauksissa käytetään tietolähteitä, jotka päätät luoda vastauksen. Ominaisuus myös kerää annetun palautteen. Analytiikka luokittelee käyttäjien ja agenttien väliset keskusteluviestit suurilla kielimalleilla tasolle, joka osoittaa luotavien vastausvastausten laadun. Copilot Studio kokoaa nämä indikaattorit antaakseen sinulle yhteenvedon edustajan yleisestä suorituskyvystä.
Klusterointi käyttää suuria kielimalleja käyttäjien viestien lajittelemisessa ryhmiksi jaettujen aiheiden perusteella. Jokaiselle ryhmälle annetaan kuvaava nimi. Copilot Studio käyttää näiden klustereiden nimiä tarjotakseen erityyppisiä merkityksellisiä tietoja, joiden avulla voit parantaa agenttiasi.
Generatiivisiin vastauksiin annettujen vastausten laatu
Mikä on aiottuun käyttöön tarkoitetun vastauksen laatu?
Vastausanalytiikan laadun avulla voit löytää merkityksellisiä tietoja agentin käytöstä ja suorituskyvystä ja luoda sitten toimintoja agentin parantamiseksi. Tällä hetkellä voit analytiikan avulla ymmärtää, vastaako agentin luovien vastausten laatu odotuksiasi.
Yleisen laadun lisäksi vastausanalytiikan laatu tunnistaa alueet, joilla agentti suoriutuu huonosti tai ei onnistu saavuttamaan aiotuja tavoitteitasi. Voit määrittää alueet, joilla luodut vastaukset toimivat huonosti, ja voit parantaa niiden laatua vaiheittain.
Kun tunnistat huonon suorituskyvyn, noudata parhaita käytäntöjä, jotka voivat auttaa parantamaan laatua. Kun olet esimerkiksi tunnistanut tietolähteet, joiden suorituskyky on heikko, voit muokata tietolähdettä tai jakaa tietolähteen useisiin, keskittyneempiin lähteisiin laadun parantamiseksi.
Mitä tietoja vastauksen laadun analytiikan luomisessa käytetään?
Vastausanalytiikan laatu lasketaan käyttämällä mallia luotavista vastausvastauksista . Tämä vaatii käyttäjän kyselyn, agentin vastauksen ja asiaankuuluvat tietolähteet, joita generatiivinen malli käyttää generatiivisessa vastauksessa.
Vastausanalytiikan laatu käyttää kyseisiä tietoja arvioimaan, onko tulokseksi luotavan vastauksen laatu hyvä, ja jos ei, miksi laatu on huono. Vastauksen laatu voi esimerkiksi tunnistaa epätäydelliset ja merkityksettömät vastaukset sekä vastaukset, joita ei ole perusteltu riittävästi.
Mitä ovat vastausanalytiikan laadun rajoitukset ja miten käyttäjät voivat minimoida näiden rajoitusten vaikutuksen?
Vastausanalytiikan laatu ei hyödynnä kaikkia generatiivisia vastauksia. Sen sijaan analytiikka mittaa osaa käyttäjien ja agenttien istunnoista. Jos agenttien laatimien vastausten vähimmäismäärä on pienempi, hän ei saa laadukkaita analyysiyhteenvedon tuloksia.
Joissakin tapauksissa analytiikka ei arvioi yksittäistä vastausta oikein. Koostetulla tasolla se on tarkka useimmissa tapauksissa.
Vastauslaatu-analytiikka ei anna erittelyä niistä erityisistä kyselyistä, jotka johtivat heikkolaatuiseen suorituskykyyn. Se ei myöskään sisällä erittelyä yleisistä tietolähteistä tai aiheista, joita käytettiin, kun alhaisen laadun omaavia vastauksia annettiin.
Analytiikkaa ei lasketa vastauksille, jotka käyttävät generatiivista tietämystä.
Vastauksen täydellisyys on yksi mittareista, joilla arvioidaan vastauksen laatua. Tämä mittari mittaa, kuinka täysin vastaus käsittelee haetun dokumentin sisältöä.
Jos järjestelmä ei hae asiaankuuluvaa dokumenttia, jossa on lisätietoa kysymykseen, se ei arvioi kyseisen asiakirjan täydellisyysmittaria.
Mitä suojausta on olemassa vastausanalytiikan laadulle Copilot Studio vastuullisesta tekoälystä?
Agenttien käyttäjät eivät näe analytiikan tuloksia. Ne ovat vain agenttien ja järjestelmänvalvojien käytettävissä.
Tekijät ja järjestelmänvalvojat voivat käyttää vastausten laadun analytiikkaa vain laadukkaiden vastausten prosenttiosuuden sekä huonon suorituskyvyn mahdollisten ennalta määritettyjen syiden osalta. Tekijät näkevät vain laadukkaiden vastausten prosenttiosuuden ja ennalta määritetyt syyt.
Vastausten laadun analytiikkaa on testattu perusteellisesti kehityksen aikana analytiikan suorituskyvyn varmistamiseksi. Kuitenkin harvinaisissa tapauksissa vasteen laadun arvioinnit voivat olla epätarkkoja.
Tunneanalyysi keskustelusessioihin
Mikä on tunneanalyysin tarkoitus?
Asenneanalyysin avulla voit ymmärtää käyttäjien tyytyväisyystason keskusteluistunnoissa agenttille lähetettyjen käyttäjäviestien tekoälyanalyysin perusteella. Voit ymmärtää istunnon yleisen asenteen (positiivinen, negatiivinen tai neutraali), tutkia syitä ja ryhtyä toimiin asian korjaamiseksi.
Mitä tietoja käytetään tunteen määrittämiseen keskustelusessiossa?
Copilot Studio laskee asenneanalyysin agentille lähetettyjen käyttäjäviestien perusteella näytekeskusteluistuntoja varten.
Tunneanalytiikka käyttää tätä tietoa arvioidakseen, onko käyttäjätyytyväisyys istunnon aikana positiivista, negatiivista vai neutraalia. Esimerkiksi käyttäjä voi käyttää sanoja ja äänensävyä, jotka ilmaisevat turhautumista tai tyytymättömyyttä agentin kanssa käydyn vuorovaikutuksen perusteella. Tässä tapauksessa sessio luokitellaan negatiiviseksi mielialaksi.
Mitkä ovat sentimenttianalyysin rajoitukset, ja miten käyttäjät voivat lieventää näitä rajoituksia?
Sentimentaalisuusanalytiikkaa ei lasketa pelkästään keskustelusessioiden perusteella. Sen sijaan analytiikka mittaa osaa käyttäjien ja agenttien istunnoista. Agentit, joilla on alle vähimmäismäärän päivittäisiä onnistuneita generatiivisia vastauksia, eivät voi saada sentimenttipisteitä.
Sentimentaalianalyysi perustuu tällä hetkellä generatiivisiin vastauksiin ja vaatii vähintään päivittäisen määrän onnistuneita vastauksia agentin tunnepisteiden laskemiseksi.
Session tunteen laskemiseksi käyttäjäviestiä on oltava vähintään kaksi. Lisäksi nykyisten teknisten rajoitteiden vuoksi sentimenttianalyysiä ei tehdä sessioissa, joissa on yli 26 viestiä (mukaan lukien sekä käyttäjä- että agenttiviestit)
Sentimenttianalyysi ei anna erittelyä niistä yksittäisistä käyttäjäviesteistä, jotka johtivat sentimenttipisteytykseen.
Mitä suojausta on käytössä asenneanalyysille Copilot Studio vastuullisesta tekoälystä?
Agenttien käyttäjät eivät näe analytiikan tuloksia. Ne ovat vain agenttien ja järjestelmänvalvojien käytettävissä.
Asenneanalyysin avulla voit tarkastella vain asenne-erittelyä kaikissa istunnoissa.
Testasimme tunnelmaanalyysin perusteellisesti kehityksen aikana varmistaaksemme hyvän suorituskyvyn. Kuitenkin harvinaisissa tapauksissa tunteiden arvioinnit voivat olla epätarkkoja.
Käyttäjän kysymysten teemat
Miten teemoja on tarkoitus käyttää?
Tällä ominaisuudella analysoidaan automaattisia suuria käyttäjien kyselyjoukkoja ja ryhmitetään ne ylätason teemoiksi kutsutuiksi aiheiksi. Kukin teema ilmaisee yhtä ylätason aihetta, josta käyttäjät kysyivät. Teemojen avulla saadaan valvomaton tietopohjainen näkymä käyttäjäsisällöstä. Tämä näkymä auttaa tiimejä ymmärtämään, mikä on tärkeää käyttäjille ilman, että tuhansia kyselyjä olisi tarkasteltava manuaalisesti.
Mitä tietoja klustereiden luontiin käytetään?
Teemat-ominaisuus käyttää käyttäjien generatiiviset vastaukset käynnistäviä kyselyjä. Teemat analysoi kaikki kuluneen seitsemän päivän kyselyt ja luo uusia teemaehdotuksia.
Teemat ryhmittelevät kyselyt semanttisen samankaltaisuuden avulla. Kullekin klusterille luodaan sitten otsikko ja kuvaus kielimallin avulla. Klusteroinnin laatua parannetaan keräämällä myös tekijöiden antamaa palautetta (kuten peukku ylös/alas).
Mitä rajoituksia teemojen klusterointiin liittyy ja miten käyttäjät voivat lieventää näitä rajoituksia?
Teemoihin klusteroinnin onnistuminen perustuu kyselymäärään. Jos kyselyt eivät riitä tai jos kyselyt eivät liity liian toisiinsa, Copilot Studio klusteroitua kyselyjä teemoihin, jotka ovat liian laajoja tai liian kapeita.
Teemat voi joskus jakaa samankaltaiset aiheet ja yhdistää toisiinsa liittymättömät aiheet.
Kielen vaihtuminen kyselyissä saattaa vaikuttaa klustereiden yhdenmukaisuuteen ajan mittaan.
Voit tarkastella teemoja säännöllisesti ja antaa palautetta nimeämisen laadun parantamiseksi.
Mitä suojauksia teemoille on Copilot Studio sisällä vastuullisen tekoälyn suhteen?
Vain tekijät ja järjestelmänvalvojat näkevät teemat. Sisällön valvontaa käytetään nimien ja kuvausten luonnissa, mikä vähentää haitallisten tai epäsopivien tulosten riskiä.
Mukautettujen mittarien analysointi
Mikä on mukautettujen mittareiden aiottu käyttö?
Tekijät käyttävät mukautettuja mittausarvoja analysointia ymmärtääkseen, kuinka paljon keskusteluagentit vaikuttavat liiketoiminnan tuloksiin. Nämä mittarit täydentävät säästöanalyysia. Mukautettuja mittareita ovat esimerkiksi tarkkuusaste, asiakasaikeen luokitus ja muut toimialuekohtaiset tulokset.
Mukautetut mittarit voivat näyttää, missä agentit eivät ole tarkoittaneet tavoitteita. Tekijät voivat määrittää, mitä mitata, testata mittareita todellisista istunnon tiedoista ja tarkentaa määritelmiä tulosten perusteella.
Mitä tietoja käytetään mukautettujen mittareiden laskemiseen?
Mukautetut mittarit lasketaan käyttämällä mallia aiemmista agenttiistuntoista. Laskenta käyttää istunnon aikana vaihdettuja keskusteluviestejä.
Tekoälymalli luokittelee istuntotiedot mittausarvon määrityksen perusteella. Agentti koostaa tulokset koko otoksesta näyttääkseen valitun ajanjakson yleisen mittausarvojen suorituskyvyn.
Mitä ovat mukautettujen mittareiden rajoitukset ja miten käyttäjät voivat minimoida rajoitusten vaikutuksen?
Mukautettuja mittareita ei lasketa käyttämällä kaikkia agenttiistuntoja. Sen sijaan he mittaavat mallia istunnoista valitulta ajanjaksolta. Koska tulokset perustuvat otokseen, niitä olisi käsiteltävä suuntailmaisimina eikä tarkkoina lukuina.
Ota huomioon, että mittausarvon laskutoimitus perustuu viestien tallennusversioon mittareita tulkittaessa. Vältä päätelmiä käyttäytymisestä, jotka tapahtuvat pääasiassa viestien ulkopuolella, kuten aiheissa ja työkaluissa.
Tekoälymalli saattaa luokitella istunnot virheellisesti. Koostetulokset ovat yleensä tarkkoja. Istunnot, jotka eivät vastaa määritettyä luokkaa, sijoitetaan varaluokkaan (Muut). Jos testitulokset eivät vastaa odotettuja tuloksia, voit päivittää mittausarvon kuvauksen ja luokan määritykset.
Jos agentin ohjeita tai määritystä muutetaan huomattavasti arvon määrittämisen jälkeen, mittausarvo ei ehkä enää vastaa tarkasti agentin päivitettyä toimintaa. Tarkista heidän mukautetut mittausarvonsa sen jälkeen, kun olet tehnyt merkittäviä muutoksia edustajaan.
Mitkä suojaukset ovat käytössä Copilot Studion sisällä vastuullista tekoälyä varten?
Mukautettujen mittarien tulokset ovat vain agenttien tekijöiden ja järjestelmänvalvojien käytettävissä. Agentin käyttäjillä ei ole käyttöoikeutta analyysituloksiin.
Tarkista ja hyväksy kaikki mukautetut mittarit ennen tallentamista. Mittareiden määrityksen aikana voit testata mittausarvoja, jotka koskevat malliistunnon tietoja, sekä tarkastella yksittäisiä tuloksia ja mallin päättelyä. Jos tulokset eivät vastaa odotuksia, voit päivittää tai hylätä arvon. Mittareita ei käytetä ilman eksplisiittistä vahvistusta.
Istuntojen luokittelemiseen käytettävä tekoälyn luoma kehote näkyy käyttöliittymässä, jotta ymmärrät, miten malli tulkitsee mittausarvomäärityksesi. Voit muokata tai poistaa mukautettuja mittareita milloin tahansa.
Joissain harvoissa tapauksissa yksittäisten istuntojen luokitukset saattavat olla virheellisiä. Tulokset tulee tulkita koosteina yksittäisen istunnon tason sijaan.