データ収集
連絡先情報やビジネスデータなど、会話から構造化された情報を抽出します。
データ収集では、LLMを活用した分析により会話の文字起こしから構造化情報を自動抽出します。手作業による処理なしで価値あるデータポイントを取得でき、業務効率とデータ精度の向上に役立ちます。
概要
データ収集は、会話の文字起こしを分析して、定義した特定の情報を識別・抽出します。抽出されたデータは指定に従って構造化され、後続の処理や分析に利用できます。
対応データ型
データ収集では、さまざまな情報形式を扱うために4つのデータ型をサポートしています。
- 文字列：テキストベースの情報（名前、メールアドレス、住所）
- ブール値：真偽値（同意状況、適格性）
- 整数：整数値（数量、年齢、評価）
- 数値：小数値（価格、割合、測定値）
設定
データ収集項目を追加
Add data collectionをクリックして、新しいデータ抽出ルールを作成するか、ワークスペースの分析ライブラリからルールを追加します。
各項目は次のように設定します。
- 名前：データフィールドの一意の名前（例：
email、customer_rating） - データ型：文字列、ブール値、整数、数値から選択
- 説明：文字起こしからデータを抽出する方法についての詳細な指示
説明フィールドはLLMに渡されるため、抽出する内容と形式をできるだけ具体的に記述してください。
データ収集項目は、TrialおよびEnterpriseプランではエージェントあたり50件、その他のプランではエージェントあたり25件までです。
ベストプラクティス
効果的な抽出プロンプトの作成
- 想定する形式を明確に指定する（例：「user@domain.com形式のメールアドレス」）
- 情報が欠けている、または不明確な場合の対応を指定する
- 有効なデータと無効なデータの例を含める
- 検証要件を記載する
一般的なデータ収集の例
連絡先情報：
email：「標準形式（user@domain.com）で顧客のメールアドレスを抽出」phone_number：「市外局番を含む顧客の電話番号を抽出」full_name：「顧客が伝えた完全な氏名を抽出」
ビジネスデータ：
issue_category：「顧客の問題を、技術、請求、アカウント、一般のいずれかに分類」satisfaction_rating：「顧客が示した数値による満足度評価（1～10段階）を抽出」order_number：「顧客が言及した注文番号または参照番号を抽出」
行動データ：
was_angry：「通話中に顧客が怒りや不満を表したかどうかを判断」requested_callback：「顧客が折り返し連絡またはフォローアップを求めたかどうかを判断」
欠損データや不明確なデータの処理
要求したデータが文字起こし内に見つからない、または曖昧な場合、抽出結果はnullまたは空の値を返します。次の点を検討してください。
- アプリケーションで条件ロジックを使用して欠損データを処理する
- 不完全な抽出に備えたフォールバック基準を作成する
- 必要な情報を一貫して収集できるようエージェントをトレーニングする
データ型のガイドライン
文字列
ブール値
整数
数値
他の型に当てはまらないテキストベースの情報に使用します。
例：
- 顧客名
- メールアドレス
- 製品カテゴリ
- 問題の説明
ベストプラクティス：
- 必要に応じて想定する形式を指定する
- 検証要件を含める
- 標準化の必要性を検討する
ユースケース
トラブルシューティング
データ抽出で空の値が返される
- 会話の文字起こしにデータが存在することを確認する
- 抽出プロンプトが十分に具体的か確認する
- データ型が想定する形式と一致していることを確認する
- 会話中に情報が明確に伝えられたか検討する
データ形式に一貫性がない
- 抽出プロンプトの形式指定を確認する
- プロンプトに検証要件を追加する
- データ標準化の後処理を検討する
- さまざまな会話シナリオでテストする
パフォーマンスに関する考慮事項
- データ収集ルールごとに処理時間が追加される
- 複雑な抽出ロジックは評価に時間がかかる場合がある
- 抽出精度と速度要件のバランスを監視する
- 可能な場合は効率のためにプロンプトを最適化する
抽出データは、CRMシステム、 データベース、分析プラットフォームとのインテグレーション用に通話後 Webhookから利用できます。