> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt. # Evaluación de éxito La evaluación de éxito te permite definir objetivos y métricas de éxito personalizados para tus conversaciones. Cada criterio se evalúa con respecto a la transcripción de la conversación y devuelve un resultado de `success`, `failure` o `unknown`, junto con una justificación detallada. ## Resumen La evaluación de éxito utiliza análisis basado en LLM para evaluar la calidad de las conversaciones según tus objetivos de negocio específicos. Esto permite medir sistemáticamente el rendimiento y garantizar la calidad en todas las interacciones con clientes. ### Cómo funciona Cada criterio de evaluación analiza la transcripción de la conversación mediante un prompt personalizado y devuelve: * **Resultado**: `success`, `failure` o `unknown` * **Justificación**: Explicación detallada de por qué se eligió el resultado ### Tipos de criterios de evaluación #### Criterios de prompt de objetivo Los **criterios de prompt de objetivo** envían la transcripción de la conversación junto con un prompt personalizado a un LLM para verificar si se cumplió un objetivo específico. Es el tipo de evaluación más flexible y se puede usar para lógica de negocio compleja. **Ejemplos:** * Evaluación de satisfacción del cliente * Verificación de resolución de problemas * Comprobación de cumplimiento normativo * Validación de reglas de negocio personalizadas ## Configuración #### Accede a los ajustes del agente Ve al panel de tu agente y selecciona la pestaña **Análisis** para configurar los criterios de evaluación. ![Ajustes de análisis](/docs/_fern-img/fee8bc444d5436c71eae3829b9ec8d5cdb6a57c4d4efe6483d7bfed2b066e438.webp) #### Añade criterios de evaluación Haz clic en **Añadir criterios** para crear un nuevo criterio de evaluación. Define tu criterio con: * **Identificador**: Un nombre único para el criterio (p. ej., `user_was_not_upset`) * **Descripción**: Prompt detallado que describe qué se debe evaluar ![Configuración de criterios de evaluación](/docs/_fern-files/elevenlabs.docs.buildwithfern.com/0e1ad5eec745d5733701dcf8cbf4f413473f55a0b5f26add4faac540dbbd086a/assets/images/conversational-ai/evaluation.gif) > **Note** > > Los criterios de evaluación están limitados a 30 por agente. #### Consulta los resultados Tras finalizar las conversaciones, los resultados de la evaluación aparecen en el panel de tu historial de conversaciones. Cada conversación muestra el resultado y la justificación de cada criterio configurado. ![Resultados de evaluación en el historial de conversaciones](/docs/_fern-files/elevenlabs.docs.buildwithfern.com/657888630b51010fa6920275cfbb8f3dce51c0cbcfdb8ecf3d5d938f17a8186a/assets/images/conversational-ai/evaluation_result.gif) ## Buenas prácticas #### Redactar prompts de evaluación eficaces * Especifica qué se considera éxito y qué fracaso * Incluye casos límite y ejemplos en tu prompt * Usa criterios claros y medibles cuando sea posible * Prueba tus prompts con distintos escenarios de conversación #### Criterios de evaluación habituales * **Satisfacción del cliente**: "Márcalo como exitoso si el cliente expresa satisfacción o si su problema se resolvió" - **Finalización del objetivo**: "Márcalo como exitoso si el cliente completó la acción solicitada (reserva, compra, etc.)" - **Cumplimiento normativo**: "Márcalo como exitoso si el agente siguió todos los procedimientos de cumplimiento obligatorios" - **Resolución de problemas**: "Márcalo como exitoso si el problema técnico del cliente se resolvió durante la llamada" #### Gestionar resultados ambiguos El resultado `unknown` se devuelve cuando el LLM no puede determinar el éxito o el fracaso a partir de la transcripción. Esto suele ocurrir con: * Conversaciones incompletas * Respuestas ambiguas de clientes * Información ausente en la transcripción Supervisa los resultados `unknown` para identificar áreas en las que tus prompts de criterios puedan necesitar ajustes. ## Casos de uso #### Calidad de la atención al cliente Mide las tasas de resolución de problemas, la satisfacción del cliente y las métricas de calidad del soporte para mejorar la prestación del servicio. #### Rendimiento de ventas Realiza un seguimiento del logro de objetivos, la gestión de objeciones y las tasas de conversión en las conversaciones de ventas. #### Supervisión del cumplimiento normativo Asegúrate de que los agentes sigan los procedimientos obligatorios y capturen las confirmaciones de consentimiento o divulgación necesarias. #### Formación y desarrollo Identifica oportunidades de formación y mide la mejora del rendimiento de los agentes a lo largo del tiempo. ## Solución de problemas #### Los criterios de evaluación devuelven resultados inesperados * Revisa la claridad y especificidad de tu prompt * Prueba con conversaciones de ejemplo para validar la lógica * Ten en cuenta los casos límite en tus criterios de evaluación * Comprueba si la transcripción contiene información suficiente para la evaluación #### Alta frecuencia de resultados 'unknown' * Asegúrate de que tus prompts especifiquen qué información buscar - Considera si las conversaciones contienen suficiente contexto para la evaluación - Revisa la calidad e integridad de la transcripción - Ajusta los criterios para gestionar los casos límite habituales #### Consideraciones de rendimiento * Cada criterio de evaluación añade tiempo de procesamiento al análisis de conversaciones * Los prompts complejos pueden tardar más en evaluarse * Considera el equilibrio entre un análisis exhaustivo y el tiempo de respuesta * Supervisa tu uso para optimizarlo según tus necesidades específicas > **Info** > > Los resultados de la evaluación de éxito están disponibles mediante [webhooks posteriores a la llamada](/docs/es/eleven-agents/workflows/post-call-webhooks) para integrarlos con sistemas externos > y plataformas de análisis.