自動標籤和關聯規則

Customer Experience Insights 推出兩項以規則為基礎的功能，可提升對話處理成效：

自動標籤規則：根據定義的條件，自動將鍵值標籤套用至對話。
關聯規則：定義如何將相關的對話片段連結在一起，形成完整的顧客互動檢視畫面。

這兩種規則類型都使用一般運算語言 (CEL)，提供彈性且動態的規則定義。CEL 是自動標記和關聯規則的基礎。您可以使用 API 或 CX Insights 控制台設定這些規則。

自動標籤規則

自動標籤規則會在匯入期間，自動為對話加上自訂鍵/值標籤。這些標籤可提升篩選、分類和整合其他分析及工作流程的成效。您可以透過自動標記規則執行下列動作：

依主題、顧客類型、產品或結果分類對話。
從對話中繼資料或 Dialogflow 參數 (例如 callId、isAuthenticated 和 intent 名稱) 擷取重要資料點，並匯入標籤。
標記需要特別注意的對話，例如 high_escalation_risk。

設定規則

請按照下列步驟，使用 API 或 CX Insights 主控台設定自動標籤規則。

API

使用 Create 作業設定 AutoLabelingRule。要求主體範例：

{
  "displayName": "$DISPLAY_NAME",
  "labelKey": "$UNIQUE_KEY_NAME",
  "labelKeyType": LABEL_KEY_TYPE_CUSTOM 
"conditions": [
    {
      "condition": "conversation.turn_count > 10 && conversation.duration > "60s"",
      "value": "'long_call'"
    },
    {
      "condition": "conversation.agent_id == "agent_007"",
      "value": "'special_agent'"
    }
  ],
"active": true
}

Curl 指令 (如果要求儲存在 auto_labeling_rule.json 中)：

  curl-X POST 

      -H "Authorization: Bearer $(gcloud auth --impersonate-service-account=$SA_EMAIL print-access-token)" 

      -H "Content-Type: application/json; charset=utf-8" 

      -d @auto_labeling_rule.json 

  "https://$ENDPOINT/v1/projects/$PROJECT/locations/$LOCATION/autoLabelingRules?auto_labeling_rule_id=$RULE_ID"

請按照下列格式為規則命名：projects/[project-id]/locations/[location-id]/autoLabelingRules/[auto_labeling_rule]。[auto_labeling_rule] ID 是自訂規則的 label_key。

您也可以對自動標記規則執行下列任一作業。每則對話最多可有 100 個自動標籤規則，每個項目最多 256 個字元。

Get。

curl  -X GET 

  -H "Authorization: Bearer $(gcloud auth --impersonate-service-account=$SA_EMAIL print-access-token)" 

  -H "Content-Type: application/json; charset=utf-8" \ "https://$ENDPOINT/v1/projects/$PROJECT/locations/$LOCATION/autoLabelingRules/$RULE_ID"

List。

curl  -X GET 

  -H "Authorization: Bearer $(gcloud auth --impersonate-service-account=$SA_EMAIL print-access-token)" 

  -H "Content-Type: application/json; charset=utf-8" \ "https://$ENDPOINT/v1/projects/$PROJECT/locations/$LOCATION/autoLabelingRules"

Update。視要更新的欄位而定，指定 update_mask。

curl  -X PATCH 

  -H "Authorization: Bearer $(gcloud auth --impersonate-service-account=$SA_EMAIL print-access-token)" 

  -H "Content-Type: application/json; charset=utf-8" 

  -d @update_payload.json \ "https://$ENDPOINT/v1/projects/$PROJECT/locations/$LOCATION/autoLabelingRules/$RULE_ID?update_mask=displayName,active"

TestAutoLabelingRule。酬載應包含要測試的規則，以及系統將根據規則評估的範例對話。範例：

{
"conversation": {
"agentId": "agent_007",
"turnCount": 15,
"duration": "75s"
/# Add other conversation fields relevant to the rule
},
"autoLabelingRule": {
"displayName": "Test Rule",
"labelKey": "test_category",
"conditions": [
  {
   "condition": "conversation.turn_count > 10 && conversation.duration > "60s"",
    "value": "'long_call_test'"
  }
],
"active": true
}
}

控制台

前往 CX Insights 控制台，登入並選取專案。 CX Insights 主控台
依序點選「設定」 >「自動標籤規則」。
使用 Monaco 編輯器輸入 CEL 運算式。
按一下 [儲存]。

CEL 範例

依代理商 ID 標籤：

label_key: "agent_category"
conditions {
condition: "conversation.agent_id == '007'"
value: "'special_agent'"
}
conditions {
condition: "conversation.agent_id.startsWith('team_a')"
value: "'tier_1_support'"
}
conditions {
condition: "" // Default
value: "'standard'"
}

標記負面情緒：

label_key: "needs_review"
conditions {
// This example assumes sentiment scores are present in the conversation's latest_analysis
condition: "has(conversation.latest_analysis.analysis_result.call_analysis_metadata.sentiments) && conversation.latest_analysis. analysis_result.call_analysis_metadata.sentiments.exists(s, s.    sentiment_data.score < -0.5)"
value: "'true'"
}

擷取 Dialogflow 參數：

label_key: "df_session_outcome"
conditions {
condition: "" // Always try to extract
value: "conversation.runtime_annotations.map(a, a.dialogflow_interaction.detect_intent_response_v3.query_result.parameters).filter(p, has(p.outcome)).map(p, p.outcome).first_element_or_empty_string()"
}

在分析規則篩選器中使用自動標籤

自動標籤規則可套用標籤，控管主要分析規則處理哪些對話。分析規則中的 conversation_filter 欄位可以使用標籤對應參照標籤。

範例：

// AnalysisRule to run detailed analysis on conversations labeled 'needs_review: true'
display_name: "Detailed Analysis for Reviewed Conversations"
conversation_filter: "labels.needs_review = \"true\""
annotator_selector: {
  run_summarization_annotator: true
  // ... other annotators
}
analysis_percentage: 1.0
active: true

關聯規則

關聯規則會定義 Customer Experience Insights 如何識別及連結相關的對話片段。對話片段代表擷取的單一對話內容，例如 Dialogflow 工作階段或單一服務專員互動。完整對話是指由一或多個區隔組成的完整連結對話。根據預設，所有新對話都會以區隔形式開始。關聯規則可協助您建立完整的顧客互動記錄，即使互動橫跨多位服務專員、管道或工作階段也沒問題。

關聯規則可為顧客服務對話分析帶來下列好處。

整合轉錄稿：查看單一的依時間排序轉錄稿，其中整合了多個來源的語音內容，例如聊天機器人對話和隨後的真人服務專員通話。
跨管道分析：連結不同管道 (例如即時通訊和語音) 的互動，分析整個對話歷程中的情緒趨勢和主題進展。
指標準確度：計算完整互動的指標，例如總處理時間或解決率，而非僅計算個別部分。
服務專員的背景資訊：提供先前自動互動的完整記錄給真人服務專員。

關聯程序

如果關聯規則比對到多個對話片段，CX Insights 會將這些片段分組。CX Insights 接著會建立新項目，代表完整對話，並指派專屬對話 ID。CX Insights 會將完整對話的關聯 ID 設為連結區隔的通用鍵，並將其類型設為 FULL。CX Insights 會將原始區隔的關聯 ID 設為通用鍵，並將類型設為 SEGMENT。如果區隔與任何其他區隔沒有關聯，CX Insights 會同時提供 SEGMENT 和 FULL 關聯類型。

連結訊息

關聯規則會連結來自不同來源和管道的相關對話區隔。CX Insights 會按照下列步驟連結對話片段：

依聯結鍵分組：CX Insights 會評估 CEL 聯結鍵運算式，從對話中擷取通用 ID，例如 callId。如果對話共用相同的加入金鑰，就可能適合連結。連結鍵必須具體明確，如果某個鍵與超過 20 個對話相符，系統可能會拒絕建立關聯，以免發生效能問題。
使用限制條件調整：CEL 限制運算式是選用的布林值檢查，會成對評估候選人。這個運算式有助於確認共用金鑰的兩個區隔是否應實際連結。這項檢查是雙向的，因此可能包含連結至區隔 B 的區隔 A，以及連結至區隔 A 的區隔 B。
遞移連結：連結是遞移的。如果對話 A 連結至 B，而 B 連結至 C，則 A、B 和 C 會合併為單一FULL對話群組。

合併的對話最多可包含五個區段。

設定關聯規則

您可以使用 API 或 CX Insights 控制台設定關聯規則。

API

執行下列程式碼，設定 CorrelationConfig。

curl  -X PATCH 

  -H "Authorization: Bearer $(gcloud auth --impersonate-service-account=$SA_EMAIL print-access-token)" 

  -H "Content-Type: application/json; charset=utf-8" 

  -d @update_corr_config.json 

"https://$ENDPOINT/v1/projects/$PROJECT/locations/$LOCATION/correlationConfig?update_mask=fullConversationConfig"

為規則命名，格式如下： projects/{project-id}/locations/{location-id}/correlationConfig。
在「Conversation.CorrelationInfo」欄位中查看結果。

您可以使用下列任一作業搭配關聯性規則。

GetCorrelationConfig。

curl-X GET 

-H "Authorization: Bearer $(gcloud auth --impersonate-service-account=$SA_EMAIL print-access-token)" 

-H "Content-Type: application/json; charset=utf-8" 

"https://$ENDPOINT/v1/projects/$PROJECT/locations/$LOCATION/correlationConfig"

UpdateCorrelationConfig。如果儲存在 updated_corr_config.json 中，要求主體範例如下：

{
"fullConversationConfig": {
"correlationRules": [
  {
    "joinKeyExpression": "conversation.labels.uui",
    "active": true
  }
]
}
}

TestCorrelationConfig。除了關聯規則，酬載也應指定範例對話詳細資料，以利測試。範例：

{
"correlationConfig": {
"fullConversationConfig": {
  "correlationRules": [
   {
      "joinKeyExpression": "conversation.agent_id",
     "active": true
    }
  ]
}
},
"filter": "agent_id="agent_007"",
"maxSampleCount": 100
}

控制台

前往 CX Insights 控制台，登入並選取專案。 CX Insights 主控台
依序點選「設定」 >「關聯設定」。
按一下 [儲存]。

管理員可以在 CorrelationConfig 中定義及管理 CorrelationRule 項目。選取對話即可測試關聯規則。測試結果會新增至資料集供您查看。

CEL 範例

透過 Dialogflow 連結：callId

join_key_expression:
// Extracts 'callId' from Dialogflow parameters, falls back to conversation name.
default(conversation.runtime_annotations.map(a,
  a.dialogflow_interaction.detect_intent_response_v3.query_result.parameters)
  .filter(p, has(p.callId))
  .map(p, p.callId)
  .first_element_or_empty_string(), conversation.name)

區隔和對話層級分析

透過 CX Insights，您可以分析不同精細程度的對話，包括所有功能的每個區隔和每場對話分析。

前往 CX Insights 控制台，登入並選取專案。 CX Insights 主控台
依序點按「設定」「設定」，然後選擇分析精細度。這項選擇會套用至日後的分析，也可以追溯套用，但可能需要額外付費。
按一下 [儲存]。

控制台中的「對話中心」和「品質 AI」頁面會比較對話和區隔層級的資料，並指出連結對話的多區隔結構。

篩選指標和分析

如要在 API 或控制台中指定分析層級，請使用下列篩選器。

區隔層級檢視畫面

這個檢視畫面的目標是分析互動的特定部分，例如單一服務專員的回合。使用 correlation_info.correlation_types:SEGMENT 參數篩選區隔層級檢視畫面。

完整對話檢視畫面

無論顧客流程是由已連結或獨立的對話組成，您都可以使用這個檢視畫面分析完整的顧客流程。使用 correlation_info.correlation_types:FULL 參數篩選完整對話檢視畫面。

自動標籤和關聯規則 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

自動標籤規則

標籤

設定規則

API

控制台

CEL 範例

在分析規則篩選器中使用自動標籤

關聯規則

關聯程序

連結訊息

設定關聯規則

API

控制台

CEL 範例

區隔和對話層級分析

篩選指標和分析

區隔層級檢視畫面

完整對話檢視畫面

自動標籤和關聯規則