Zbieranie danych
Wyciągaj z rozmów uporządkowane informacje, takie jak dane kontaktowe i dane biznesowe.
Zbieranie danych automatycznie wyciąga uporządkowane informacje z transkrypcji rozmów za pomocą analizy opartej na LLM. Dzięki temu możesz pozyskiwać cenne dane bez ręcznego przetwarzania, zwiększając wydajność operacyjną i dokładność danych.
Omówienie
Zbieranie danych analizuje transkrypcje rozmów, aby rozpoznać i wyciągnąć określone informacje, które zdefiniujesz. Wyciągnięte dane są uporządkowane zgodnie z twoją specyfikacją i dostępne do dalszego przetwarzania oraz analizy.
Obsługiwane typy danych
Zbieranie danych obsługuje cztery typy danych dla różnych formatów informacji:
- String: Informacje tekstowe (imiona i nazwiska, e-maile, adresy)
- Boolean: Wartości prawda/fałsz (status zgody, kwalifikowalność)
- Integer: Liczby całkowite (ilość, wiek, oceny)
- Number: Liczby dziesiętne (ceny, wartości procentowe, pomiary)
Konfiguracja
Otwórz ustawienia zbierania danych
Na karcie Analiza w ustawieniach agenta przejdź do sekcji Zbieranie danych.
Dodaj elementy zbierania danych
Kliknij Dodaj zbieranie danych, aby utworzyć nową regułę wyciągania danych lub przypisać regułę z biblioteki analiz swojej przestrzeni roboczej.
Skonfiguruj każdy element, podając:
- Nazwa: Unikalna nazwa pola danych (np.
email,customer_rating) - Typ danych: Wybierz string, boolean, integer lub number
- Opis: Szczegółowe instrukcje wyciągania danych z transkrypcji
Pole opisu jest przekazywane do LLM, dlatego powinno jak najdokładniej określać, co wyciągnąć i jak to sformatować.
W planach Trial i Enterprise liczba elementów zbierania danych jest ograniczona do 50 na agenta, a w pozostałych planach do 25 na agenta.
Dobre praktyki
Tworzenie skutecznych promptów do wyciągania danych
- Jasno określ oczekiwany format (np. „adres e-mail w formacie user@domain.com”)
- Wskaż, co zrobić, gdy informacji brakuje lub są niejasne
- Podaj przykłady prawidłowych i nieprawidłowych danych
- Wspomnij o wymaganiach dotyczących walidacji
Typowe przykłady zbierania danych
Dane kontaktowe:
email: „Wyciągnij adres e-mail klienta w standardowym formacie (user@domain.com)”phone_number: „Wyciągnij numer telefonu klienta wraz z numerem kierunkowym”full_name: „Wyciągnij pełne imię i nazwisko klienta w podanej formie”
Dane biznesowe:
issue_category: „Przypisz problem klienta do jednej z kategorii: techniczny, płatności, konto lub ogólne”satisfaction_rating: „Wyciągnij liczbową ocenę satysfakcji podaną przez klienta (skala 1–10)”order_number: „Wyciągnij dowolny numer zamówienia lub numer referencyjny wspomniany przez klienta”
Dane o zachowaniu:
was_angry: „Określ, czy klient wyraził złość lub frustrację podczas rozmowy”requested_callback: „Określ, czy klient poprosił o oddzwonienie lub dalszy kontakt”
Obsługa brakujących lub niejasnych danych
Gdy żądanych danych nie można znaleźć w transkrypcji lub są niejednoznaczne, wyciąganie zwróci wartości null lub puste. Rozważ:
- Użycie logiki warunkowej w aplikacjach do obsługi brakujących danych
- Utworzenie kryteriów zapasowych dla niepełnych wyników
- Szkolenie agentów, aby konsekwentnie zbierali wymagane informacje
Wskazówki dotyczące typów danych
String
Boolean
Integer
Number
Używaj dla informacji tekstowych, które nie pasują do innych typów.
Przykłady:
- Imiona i nazwiska klientów
- Adresy e-mail
- Kategorie produktów
- Opisy problemów
Dobre praktyki:
- Określ oczekiwany format, gdy ma to znaczenie
- Uwzględnij wymagania dotyczące walidacji
- Rozważ potrzeby związane ze standaryzacją
Przypadki użycia
Rozwiązywanie problemów
Wyciąganie danych zwraca puste wartości
- Sprawdź, czy dane znajdują się w transkrypcji rozmowy
- Sprawdź, czy prompt do wyciągania danych jest wystarczająco szczegółowy
- Upewnij się, że typ danych odpowiada oczekiwanemu formatowi
- Rozważ, czy informacje zostały jasno przekazane podczas rozmowy
Niespójne formaty danych
- Sprawdź prompty pod kątem specyfikacji formatu
- Dodaj wymagania dotyczące walidacji do promptów
- Rozważ przetwarzanie końcowe w celu standaryzacji danych
- Testuj w różnych scenariuszach rozmów
Kwestie wydajności
- Każda reguła zbierania danych wydłuża czas przetwarzania
- Ocena złożonej logiki wyciągania danych może trwać dłużej
- Monitoruj dokładność wyciągania danych względem wymagań dotyczących szybkości
- Gdy to możliwe, optymalizuj prompty pod kątem wydajności
Wyciągnięte dane są dostępne przez webhooki po rozmowie, co umożliwia integrację z systemami CRM, bazami danych i platformami analitycznymi.