Práticas recomendadas de modelagem de tópicos

Siga estas diretrizes de práticas recomendadas para aproveitar ao máximo seus modelos de tópicos.

Ajustar um modelo de tópicos

A melhor maneira de melhorar as atribuições de tópicos é ajustar o modelo. Siga estas diretrizes para otimizar o modelo de tópicos ao adicionar, editar e remover tópicos.

Adicionar ou editar um tópico

Evite adicionar tópicos duplicados ou semelhantes, porque eles afetam negativamente a qualidade das inferências de tópicos. Ao criar ou mudar um tópico, siga as diretrizes de nomeação e descrição abaixo.

Nome

  • Use tópicos curtos e descritivos de três a seis palavras, como solução de problemas de controle remoto ou consulta sobre a política de faturamento.

  • Evite nomes genéricos ou abstratos, como Vendas.

Opcionalmente, siga estas práticas recomendadas:

  • Use nomes de tópicos personalizados disponíveis, como Faturamento.

  • Adicione uma breve descrição ao nome do tópico, como "Erros de faturamento e reembolsos".

  • Escolha uma configuração de modelo adequada com base nos resultados desejados.

Exemplo

Uma central de suporte de cartão de crédito executa a modelagem de tópicos nos registros de chamadas de suporte arquivados. A modelagem cria um tópico de um cluster de conversas e o nomeia Consultas sobre o limite do cartão de crédito. A empresa encurta o nome para Consultas sobre o limite de crédito.

Descrição

  • Use uma descrição geral seguida de alguns exemplos.

  • Evite incluir informações pessoais, como nomes, datas ou locais.

  • Muitos detalhes, como "não inclua o tópico X", podem afetar negativamente a inferência de tópicos.

Exemplos

  • O cliente está perguntando sobre o serviço de telefonia fixa. Ele pode querer cancelar ou consultar o faturamento atual.

  • O cliente está perguntando sobre a fatura. Ele pode querer saber o valor ou a data de vencimento.

Remover tópicos secundários

Depois de implantar o modelo de tópicos e concluir uma análise, confira a distribuição de tópicos na página Dados do modelo de tópicos implantado. Os tópicos secundários podem ser o tópico dominante nos resultados implantados porque são comuns e têm correspondências mais fortes. Os tópicos que correspondem a uma alta proporção (mais de 30%) das conversas de amostra provavelmente são tópicos secundários. Examine esses tópicos com cuidado e exclua-os se não forem relevantes.

A existência ou não de tópicos secundários irrelevantes depende muito dos dados de entrada. Se todos os tópicos principais na página Dados implantados tiverem uma distribuição relativamente uniforme e cada tópico corresponder apenas a uma pequena proporção (menos de 20%) de conversas, provavelmente não haverá tópicos secundários para excluir.

Dados de treinamento

Para dados de voz, a qualidade das saídas de Speech-to-Text é fundamental para a performance do modelo de tópicos. Siga estas diretrizes para melhorar a qualidade dos dados de treinamento.

Conversas

  • Evite usar conversas duplicadas no conjunto de dados.

  • Cada conversa precisa conter pelo menos 10 turnos no total, sendo 5 do agente e 5 do cliente.

  • Use conversas editadas, mas verifique a qualidade da edição do Cloud Data Loss Prevention. Às vezes, a edição remove informações importantes das transcrições, o que pode afetar a duração das conversas de treinamento.

  • Quase todas as conversas precisam estar no mesmo idioma.

Papéis do orador

Verifique se os papéis do orador da conversa estão atribuídos corretamente após a ingestão da conversa.

  • Rotule com precisão os turnos de conversa como sendo de um cliente ou de um agente. Conversas com apenas um papel não serão usadas no treinamento.

  • Use AGENT para papéis humanos e AUTOMATED_AGENT para papéis virtuais.

  • Use END_USER ou CUSTOMER para papéis de cliente.