跳到导航
监控对话分析

数据收集

从对话中提取联系人详情和业务数据等结构化信息。

数据收集使用由 LLM 驱动的分析，从对话转录文本中自动提取结构化信息。无需人工处理即可获取有价值的数据点，提高运营效率和数据准确性。

概览

数据收集会分析对话转录文本，识别并提取你定义的特定信息。提取的数据会按你的规格进行结构化，并可用于后续处理和分析。

支持的数据类型

数据收集支持 4 种数据类型，以处理不同的信息格式：

  • 字符串：文本信息（姓名、邮箱、地址）
  • 布尔值：真/假值（同意状态、资格）
  • 整数：整数值（数量、年龄、评分）
  • 数字：小数值（价格、百分比、测量值）

配置

1

访问数据收集设置

在智能体设置的 Analysis 标签页中，前往 Data collection 部分。

设置数据收集

2

添加数据收集项目

点击 Add data collection，创建新的数据提取规则，或从工作区的分析库关联规则。

为每个项目配置：

  • 名称：数据字段的唯一名称（例如 email、customer_rating）
  • 数据类型：选择字符串、布尔值、整数或数字
  • 描述：关于如何从转录文本中提取数据的详细说明

描述字段会传递给 LLM，应尽可能具体地说明要提取什么内容及其格式。

Trial 和企业版套餐中，每个智能体最多可添加 50 个数据收集项目；其他套餐最多 25 个。

3

查看提取的数据

提取的数据会显示在对话记录中，方便查看每次互动获取了哪些信息。

对话记录中的数据收集结果

最佳实践

  • 明确预期格式（例如，“格式为 user@domain.com 的邮箱地址”）
  • 说明信息缺失或不清晰时该如何处理
  • 提供有效和无效数据示例
  • 说明所有验证要求

联系信息：

  • email：“以标准格式提取客户邮箱地址（user@domain.com）”
  • phone_number：“提取包含区号的客户电话号码”
  • full_name：“提取客户提供的完整姓名”

业务数据：

  • issue_category：“将客户问题归类为以下之一：技术、账单、账户或一般问题”
  • satisfaction_rating：“提取客户给出的任何数值满意度评分（1-10 分）”
  • order_number：“提取客户提到的任何订单号或参考编号”

行为数据：

  • was_angry：“判断客户是否在通话中表达愤怒或沮丧情绪”
  • requested_callback：“判断客户是否请求回电或后续跟进”

如果在转录文本中找不到请求的数据，或数据存在歧义，提取结果将返回 null 或空值。建议：

  • 在应用中使用条件逻辑处理缺失数据
  • 为不完整的提取创建备用标准
  • 训练智能体稳定收集所需信息

数据类型指南

用于不适合其他类型的文本信息。

示例：

  • 客户姓名
  • 邮箱地址
  • 产品类别
  • 问题描述

最佳实践：

  • 相关时指定预期格式
  • 包含验证要求
  • 考虑标准化需求

使用场景

销售线索资格评估

从销售对话中提取联系信息、资格标准和兴趣程度。

客户洞察

收集有关客户偏好、反馈和行为模式的结构化数据，为战略洞察提供支持。

支持分析

获取问题类别、解决详情和满意度评分，以改进运营。

合规文档

提取审计记录所需的披露信息、同意记录和监管信息。

故障排除

  • 确认对话转录文本中存在该数据
  • 检查提取提示词是否足够具体
  • 确保数据类型符合预期格式
  • 考虑信息在对话中是否表达清楚
  • 检查提取提示词中的格式说明
  • 在提示词中添加验证要求
  • 考虑进行后处理以标准化数据
  • 使用各种对话场景进行测试
  • 每条数据收集规则都会增加处理时间
  • 复杂的提取逻辑可能需要更长的评估时间
  • 监控提取准确性与速度要求之间的平衡
  • 尽可能优化提示词以提高效率

可通过通话后 Webhook获取提取的数据，并将其集成到 CRM 系统、 数据库和分析平台中。