> 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. # Avaliação de sucesso A avaliação de sucesso permite definir metas e métricas de sucesso personalizadas para suas conversas. Cada critério é avaliado em relação à transcrição da conversa e retorna um resultado de `success`, `failure` ou `unknown`, junto com uma justificativa detalhada. ## Visão geral A avaliação de sucesso usa análises com tecnologia de LLM para avaliar a qualidade das conversas em relação aos seus objetivos comerciais específicos. Isso permite medir o desempenho e assegurar a qualidade de forma sistemática em todas as interações com clientes. ### Como funciona Cada critério de avaliação analisa a transcrição da conversa usando um prompt personalizado e retorna: * **Resultado**: `success`, `failure` ou `unknown` * **Justificativa**: Explicação detalhada de por que o resultado foi escolhido ### Tipos de critérios de avaliação #### Critérios de prompt de meta Os **critérios de prompt de meta** enviam a transcrição da conversa junto com um prompt personalizado para um LLM verificar se uma meta específica foi atingida. Esse é o tipo de avaliação mais flexível e pode ser usado para lógicas comerciais complexas. **Exemplos:** * Avaliação da satisfação do cliente * Verificação da resolução de problemas * Verificação de conformidade * Validação de regras comerciais personalizadas ## Configuração #### Acessar as configurações do agente Acesse o painel do seu agente e selecione a aba **Análise** para configurar os critérios de avaliação. ![Configurações de análise](/docs/_fern-img/fee8bc444d5436c71eae3829b9ec8d5cdb6a57c4d4efe6483d7bfed2b066e438.webp) #### Adicionar critérios de avaliação Clique em **Adicionar critérios** para criar um novo critério de avaliação. Defina seu critério com: * **Identificador**: Um nome exclusivo para o critério (por exemplo, `user_was_not_upset`) * **Descrição**: Prompt detalhado que descreve o que deve ser avaliado ![Configurando critérios de avaliação](/docs/_fern-files/elevenlabs.docs.buildwithfern.com/0e1ad5eec745d5733701dcf8cbf4f413473f55a0b5f26add4faac540dbbd086a/assets/images/conversational-ai/evaluation.gif) > **Note** > > Os critérios de avaliação são limitados a 30 por agente. #### Ver resultados Depois que as conversas terminam, os resultados da avaliação aparecem no painel do histórico de conversas. Cada conversa mostra o resultado e a justificativa da avaliação para todos os critérios configurados. ![Resultados da avaliação no histórico de conversas](/docs/_fern-files/elevenlabs.docs.buildwithfern.com/657888630b51010fa6920275cfbb8f3dce51c0cbcfdb8ecf3d5d938f17a8186a/assets/images/conversational-ai/evaluation_result.gif) ## Práticas recomendadas #### Como escrever prompts de avaliação eficazes * Seja específico sobre o que constitui sucesso e falha * Inclua casos extremos e exemplos no seu prompt * Use critérios claros e mensuráveis quando possível * Teste seus prompts com vários cenários de conversa #### Critérios de avaliação comuns * **Satisfação do cliente**: "Marque como bem-sucedido se o cliente expressar satisfação ou se o problema dele tiver sido resolvido" - **Conclusão da meta**: "Marque como bem-sucedido se o cliente tiver concluído a ação solicitada (agendamento, compra etc.)" - **Conformidade**: "Marque como bem-sucedido se o agente tiver seguido todos os procedimentos de conformidade exigidos" - **Resolução de problemas**: "Marque como bem-sucedido se o problema técnico do cliente tiver sido resolvido durante a ligação" #### Como lidar com resultados ambíguos O resultado `unknown` é retornado quando o LLM não consegue determinar o sucesso ou a falha a partir da transcrição. Isso costuma acontecer em casos de: * Conversas incompletas * Respostas ambíguas dos clientes * Informações ausentes na transcrição Monitore os resultados `unknown` para identificar áreas em que os prompts dos seus critérios podem precisar ser refinados. ## Casos de uso #### Qualidade do suporte ao cliente Meça taxas de resolução de problemas, satisfação do cliente e métricas de qualidade do suporte para melhorar a prestação de serviços. #### Desempenho de vendas Acompanhe o alcance de metas, o tratamento de objeções e as taxas de conversão nas conversas de vendas. #### Monitoramento de conformidade Garanta que os agentes sigam os procedimentos exigidos e registrem as confirmações necessárias de consentimento ou divulgação. #### Treinamento e desenvolvimento Identifique oportunidades de treinamento e meça a melhoria no desempenho dos agentes ao longo do tempo. ## Solução de problemas #### Critérios de avaliação retornando resultados inesperados * Revise seu prompt quanto à clareza e especificidade * Teste com conversas de exemplo para validar a lógica * Considere casos extremos nos critérios de avaliação * Verifique se a transcrição contém informações suficientes para a avaliação #### Alta frequência de resultados 'unknown' * Garanta que seus prompts sejam específicos sobre quais informações procurar - Considere se as conversas contêm contexto suficiente para avaliação - Revise a qualidade e a integridade da transcrição - Ajuste os critérios para lidar com casos extremos comuns #### Considerações de desempenho * Cada critério de avaliação adiciona tempo de processamento à análise da conversa * Prompts complexos podem levar mais tempo para ser avaliados * Considere o equilíbrio entre análise abrangente e tempo de resposta * Monitore seu uso para otimizar conforme suas necessidades específicas > **Info** > > Os resultados da avaliação de sucesso estão disponíveis por meio de [Webhooks pós-chamada ](/docs/pt/eleven-agents/workflows/post-call-webhooks) para integração com sistemas externos > e plataformas de análise.