Gegevensverzameling
Gegevensverzameling haalt automatisch gestructureerde informatie uit gesprekstranscripten met LLM-gestuurde analyse. Zo kun je waardevolle datapunten vastleggen zonder handmatige verwerking, wat de operationele efficiëntie en gegevensnauwkeurigheid verbetert.
Overzicht
Gegevensverzameling analyseert gesprekstranscripten om specifieke informatie te identificeren en te extraheren die je definieert. De geëxtraheerde gegevens worden volgens je specificaties gestructureerd en beschikbaar gesteld voor verdere verwerking en analyse.
Ondersteunde gegevenstypen
Gegevensverzameling ondersteunt vier gegevenstypen voor verschillende informatieformaten:
- String: Tekstuele informatie (namen, e-mailadressen, adressen)
- Boolean: Waar/onwaar-waarden (goedkeuringsstatus, geschiktheid)
- Integer: Gehele getallen (aantal, leeftijd, beoordelingen)
- Number: Decimale getallen (prijzen, percentages, metingen)
Configuratie
Open instellingen voor gegevensverzameling
Ga op het tabblad Analyse in de instellingen van je agent naar de sectie Gegevensverzameling.
Items voor gegevensverzameling toevoegen
Klik op Item toevoegen om een nieuwe regel voor gegevensextractie te maken.
Configureer elk item met:
- Identifier: Unieke naam voor het gegevensveld (bijv.
email,customer_rating) - Gegevenstype: Kies uit string, boolean, integer of number
- Beschrijving: Gedetailleerde instructies voor het extraheren van de gegevens uit het transcript
Het beschrijvingsveld wordt aan de LLM doorgegeven en moet zo specifiek mogelijk aangeven wat er moet worden geëxtraheerd en hoe dit moet worden opgemaakt.
Items voor gegevensverzameling zijn beperkt tot 40 per agent voor Trial- en Enterprise-abonnementen, en 25 per agent voor andere abonnementen.
Best practices
Effectieve prompts voor extractie schrijven
- Wees expliciet over het verwachte formaat (bijv. “e-mailadres in de indeling user@domain.com”)
- Geef aan wat er moet gebeuren als informatie ontbreekt of onduidelijk is
- Voeg voorbeelden van geldige en ongeldige gegevens toe
- Vermeld eventuele validatievereisten
Veelvoorkomende voorbeelden voor gegevensverzameling
Contactgegevens:
email: “Extraheer het e-mailadres van de klant in de standaardindeling (user@domain.com)”phone_number: “Extraheer het telefoonnummer van de klant, inclusief netnummer”full_name: “Extraheer de volledige naam van de klant zoals opgegeven”
Bedrijfsgegevens:
issue_category: “Classificeer het probleem van de klant als een van de volgende: technisch, facturering, account of algemeen”satisfaction_rating: “Extraheer elke numerieke tevredenheidsbeoordeling die de klant geeft (schaal van 1 tot 10)”order_number: “Extraheer elk bestel- of referentienummer dat de klant noemt”
Gedragsgegevens:
was_angry: “Bepaal of de klant tijdens het gesprek boosheid of frustratie uitte”requested_callback: “Bepaal of de klant om een terugbelafspraak of follow-up vroeg”
Omgaan met ontbrekende of onduidelijke gegevens
Wanneer de gevraagde gegevens niet kunnen worden gevonden of dubbelzinnig zijn in het transcript, retourneert de extractie null- of lege waarden. Overweeg het volgende:
- Gebruik conditionele logica in je applicaties om ontbrekende gegevens te verwerken
- Maak fallbackcriteria voor onvolledige extracties
- Train agents om vereiste informatie consistent te verzamelen
Richtlijnen voor gegevenstypen
String
Boolean
Integer
Number
Gebruik voor tekstuele informatie die niet onder andere typen valt.
Voorbeelden:
- Namen van klanten
- E-mailadressen
- Productcategorieën
- Probleembeschrijvingen
Best practices:
- Geef het verwachte formaat op wanneer dat relevant is
- Voeg validatievereisten toe
- Houd rekening met standaardisatiebehoeften
Toepassingen
Problemen oplossen
Gegevensextractie retourneert lege waarden
- Controleer of de gegevens in het gesprekstranscript staan
- Controleer of je extractieprompt specifiek genoeg is
- Zorg dat het gegevenstype overeenkomt met het verwachte formaat
- Overweeg of de informatie tijdens het gesprek duidelijk is gecommuniceerd
Inconsistente gegevensindelingen
- Controleer extractieprompts op formaatspecificaties
- Voeg validatievereisten toe aan prompts
- Overweeg nabewerking voor gegevensstandaardisatie
- Test met verschillende gespreksscenario’s
Prestatieoverwegingen
- Elke regel voor gegevensverzameling voegt verwerkingstijd toe
- Complexe extractielogica kan langer duren om te evalueren
- Bewaak de nauwkeurigheid van extractie tegenover snelheidseisen
- Optimaliseer prompts waar mogelijk voor efficiëntie
Geëxtraheerde gegevens zijn beschikbaar via Post-call Webhooks voor integratie met CRM-systemen, databases en analyseplatforms.