Condividi tramite


Analisi per l'arricchimento degli argomenti

Copilot Studio include gli argomenti di sistema Potenziamento della conversazione e Fallback integrati. Questi argomenti si attivano quando il modello NLU (Natural Language Understanding) non riesce a trovare un argomento o un'azione corrispondente per una determinata query utente. In termini di priorità, il potenziamento della conversazione si attiva prima dell'argomento di fallback.

Se la maggior parte delle parole non riconosciute va a un rappresentante umano, puoi migliorare la deviazione affrontando i modelli d'uso che attivano costantemente il fallback.

Suggerimento

L'arricchimento degli argomenti è un esercizio di analisi dei dati offline, incentrato sul riutilizzo delle query utente che hanno attivato l'argomento Fallback per attivare argomenti pertinenti in Copilot Studio.

Le query degli utenti analizzate dall'argomento Fallback ricadono tipicamente in queste categorie:

  • Query degli utenti che dovrebbero attivare argomenti esistenti, ma che l'NLU dell'agente non riconosce correttamente

  • Domande degli utenti che possono essere convertite in nuovi argomenti suggeriti.

  • Domande dell'utente non mappate che non sono pertinenti ad argomenti esistenti o nuovi.

  • Altre categorie, tra cui:

    • Query degli utenti che attivavano un argomento Più argomenti corrispondenti (noto anche come "volevi dire") seguito da Potenziamento della conversazione o Fallback.
    • Domande utente poco chiare che riguardano Conversational boosting o Fallback.
    • Domande degli utenti derivanti da conversazioni incomplete che hanno portato a un potenziamento conversazionale o a un Fallback.

Di queste categorie, le prime due sono immediatamente applicabili. Sulla base dei risultati di queste categorie, puoi arricchire gli argomenti aggiungendo più frasi trigger per argomenti esistenti o creando nuovi argomenti.

Diagramma che illustra un flusso di processo per migliorare l'analisi di fallback.

Passo successivo

Impara a identificare e risolvere frasi trigger sovrapposte o semanticamente simili, così il tuo agente potrà ridurre la confusione, evitare domande di chiarimenti inutili e migliorare l'accuratezza e i tassi di deviazione dell'argomento.