탐색으로 건너뛰기

데이터 수집

연락처 정보와 비즈니스 데이터 등 대화에서 구조화된 정보를 추출하세요.

데이터 수집은 LLM 기반 분석을 사용하여 대화 기록에서 구조화된 정보를 자동으로 추출합니다. 이를 통해 수동 처리 없이 가치 있는 데이터 포인트를 수집하여 운영 효율성과 데이터 정확도를 높일 수 있습니다.

개요

데이터 수집은 대화 기록을 분석하여 정의한 특정 정보를 식별하고 추출합니다. 추출된 데이터는 지정한 형식에 따라 구조화되며 후속 처리 및 분석에 사용할 수 있습니다.

지원되는 데이터 유형

데이터 수집은 다양한 정보 형식을 처리하기 위해 4가지 데이터 유형을 지원합니다.

  • 문자열: 텍스트 기반 정보(이름, 이메일, 주소)
  • 불리언: 참/거짓 값(동의 상태, 자격 여부)
  • 정수: 정수 값(수량, 나이, 평점)
  • 숫자: 소수 값(가격, 백분율, 측정값)

구성

1

데이터 수집 설정 열기

에이전트 설정의 Analysis 탭에서 Data collection 섹션으로 이동합니다.

데이터 수집 설정

2

데이터 수집 항목 추가

Add data collection을 클릭하여 새 데이터 추출 규칙을 만들거나 워크스페이스의 분석 라이브러리에서 규칙을 연결합니다.

각 항목을 다음과 같이 구성합니다.

  • 이름: 데이터 필드의 고유 이름(예: email, customer_rating)
  • 데이터 유형: 문자열, 불리언, 정수 또는 숫자 중에서 선택
  • 설명: 기록에서 데이터를 추출하는 방법에 관한 자세한 지침

설명 필드는 LLM에 전달되므로 무엇을 추출하고 어떤 형식으로 지정할지 최대한 구체적으로 작성해야 합니다.

데이터 수집 항목은 Trial 및 Enterprise 플랜에서 에이전트당 50개, 기타 플랜에서는 에이전트당 25개로 제한됩니다.

3

추출된 데이터 검토

추출된 데이터는 대화 기록에 표시되므로 각 상호작용에서 어떤 정보가 수집되었는지 검토할 수 있습니다.

대화 기록의 데이터 수집 결과

모범 사례

  • 예상 형식을 명확하게 지정합니다(예: “user@domain.com 형식의 이메일 주소”)
  • 정보가 없거나 불명확할 때 수행할 작업을 지정합니다.
  • 유효한 데이터와 유효하지 않은 데이터의 예시를 포함합니다.
  • 검증 요구 사항을 언급합니다.

연락처 정보:

  • email: “표준 형식(user@domain.com)의 고객 이메일 주소를 추출합니다”
  • phone_number: “지역 번호를 포함한 고객 전화번호를 추출합니다”
  • full_name: “제공된 고객의 전체 이름을 추출합니다”

비즈니스 데이터:

  • issue_category: “고객의 문제를 기술, 청구, 계정 또는 일반 중 하나로 분류합니다”
  • satisfaction_rating: “고객이 제공한 숫자형 만족도 평가(1~10점)를 추출합니다”
  • order_number: “고객이 언급한 주문 번호 또는 참조 번호를 추출합니다”

행동 데이터:

  • was_angry: “통화 중 고객이 분노나 불만을 표현했는지 판단합니다”
  • requested_callback: “고객이 재통화 또는 후속 조치를 요청했는지 판단합니다”

요청한 데이터를 기록에서 찾을 수 없거나 모호한 경우, 추출 결과는 null 또는 빈 값으로 반환됩니다. 다음을 고려하세요.

  • 애플리케이션에서 누락된 데이터를 처리하는 조건부 로직 사용
  • 불완전한 추출을 위한 대체 기준 생성
  • 에이전트가 필수 정보를 일관되게 수집하도록 훈련

데이터 유형 가이드

다른 유형에 해당하지 않는 텍스트 기반 정보에 사용합니다.

예시:

  • 고객 이름
  • 이메일 주소
  • 제품 카테고리
  • 문제 설명

모범 사례:

  • 필요한 경우 예상 형식을 지정합니다.
  • 검증 요구 사항을 포함합니다.
  • 표준화 필요성을 고려합니다.

사용 사례

리드 검증

영업 대화에서 연락처 정보, 검증 기준 및 관심 수준을 추출합니다.

고객 인텔리전스

전략적 인사이트를 위해 고객 선호도, 피드백 및 행동 패턴에 관한 구조화된 데이터를 수집합니다.

지원 분석

운영 개선을 위해 문제 카테고리, 해결 세부 정보 및 만족도 점수를 수집합니다.

규정 준수 문서화

감사 추적을 위해 필수 고지, 동의 및 규제 정보를 추출합니다.

문제 해결

  • 대화 기록에 데이터가 있는지 확인합니다.
  • 추출 프롬프트가 충분히 구체적인지 확인합니다.
  • 데이터 유형이 예상 형식과 일치하는지 확인합니다.
  • 대화 중 정보가 명확하게 전달되었는지 고려합니다.
  • 형식 사양이 포함되었는지 추출 프롬프트를 검토합니다.
  • 프롬프트에 검증 요구 사항을 추가합니다.
  • 데이터 표준화를 위한 후처리를 고려합니다.
  • 다양한 대화 시나리오로 테스트합니다.
  • 데이터 수집 규칙마다 처리 시간이 추가됩니다.
  • 복잡한 추출 로직은 평가에 더 오래 걸릴 수 있습니다.
  • 추출 정확도와 속도 요구 사항의 균형을 모니터링합니다.
  • 가능한 경우 효율성을 위해 프롬프트를 최적화합니다.

추출된 데이터는 CRM 시스템, 데이터베이스 및 분석 플랫폼과 통합할 수 있도록 통화 후 웹훅을 통해 사용할 수 있습니다.