Práticas recomendadas de modelagem de tópicos

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

Ajustar um modelo de tópico

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

Adicionar ou editar um tópico

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

Nome

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

• Evite nomes genéricos ou abstratos, como Vendas.

Se quiser, 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 a cartões de crédito executa a modelagem de temas nos registros de chamadas de suporte arquivados. A modelagem cria um tópico com base em um cluster de conversas e o nomeia como Consultas sobre o limite do cartão de crédito. A empresa abrevia o nome para Consultas de 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. Talvez eles queiram cancelar ou consultar o faturamento atual.

• O cliente está perguntando sobre a fatura. Talvez eles queiram saber o valor ou a data de vencimento.

Remover tópicos secundários

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

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

Dados de treinamento

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

Conversas

• Evite usar conversas duplicadas no conjunto de dados.

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

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

• Verifique se quase todas as conversas estão no mesmo idioma.

Funções de falante

Verifique se as funções do interlocutor da conversa estão atribuídas corretamente depois que ela é ingerida.

• Rotule com precisão as conversas como sendo de um cliente ou de um agente. As conversas com apenas uma função não serão usadas no treinamento.

• Use AGENT para funções humanas e AUTOMATED_AGENT para funções virtuais.

• Use END_USER ou CUSTOMER para papéis de cliente.