Für viele Organisationen ist es wichtig, Trends und neue Themen im Blick zu behalten. Mit Customer Experience Insights können Sie die wichtigsten Konversationsfaktoren aus Anrufen oder Chats ohne vorherige Kennzeichnung erkennen und identifizieren. Hier finden Sie Best Practices für die Verwendung der Funktion „CX Insights-Themenmodellierung V2.1“. Die Einrichtung ist durch die unüberwachte Modellierung einfacher. Außerdem werden automatisch die wichtigsten Faktoren identifiziert, die in analysierten Unterhaltungen ermittelt wurden.
Themenmodell trainieren
Beginnen Sie mit dem Training eines unüberwachten Themenmodells, ohne benutzerdefinierte Themen anzugeben. Obwohl optional, sollten Sie einen Sprachfilter festlegen, um die in den Unterhaltungen verwendete Sprache zu identifizieren.
Berücksichtigen Sie beim Trainieren des Themenmodells Ihren geschäftlichen Anwendungsfall und legen Sie die Granularität der gewünschten Themen fest. Der Anwendungsfall kann Informationen dazu enthalten, was Sie vom Themenmodell erwarten oder welchen geschäftlichen Nutzen das Modell bietet. Die Granularität bestimmt die Modellgröße beim Training. Fragen Sie: Wie viele Themencluster gibt es in der vorhandenen Lösung (falls vorhanden)?
Wenn die Qualität des nicht überwachten Modells niedrig ist, können Sie ein weiteres Themenmodell mit einer Liste benutzerdefinierter Themen trainieren.
Themenmodell bewerten
Die Bewertung eines trainierten Themenmodells kann in zwei Phasen erfolgen: Validierung der generierten Themen und Beschreibungen, gefolgt von der Bewertung der analysierten Unterhaltungen für identifizierte Themen.
Schritt 1: Generierte Themen und Beschreibungen validieren
Wir empfehlen, Themen zu entfernen, die für Sie nicht relevant sind. Entfernen Sie beispielsweise das Thema „Begrüßungen“, in dem es hauptsächlich um Begrüßungsäußerungen in den Konversationen geht. Weitere Informationen zum Entfernen eines Themas finden Sie unter Thema löschen.
Fügen Sie ein neues Thema für alle Themen hinzu, die nicht vom Themenmodell identifiziert wurden. Dieses Szenario tritt am wahrscheinlichsten bei einem Modell auf, das ohne benutzerdefinierte Themen trainiert wurde.
Schritt 2: Analysierte Unterhaltungen auswerten
Nach Abschluss von Schritt 1 sollten die analysierten Unterhaltungen auf die identifizierten Themen hin untersucht werden.
Warum werden weniger Themen gelernt als für die Granularität ausgewählt?
Wenn es nur wenige Themen zu ermitteln gibt, kann die endgültige Anzahl der Themen deutlich geringer sein als die in der ausgewählten Granularität angegebenen Zahlen.
- Gröber: bis zu 30 Themen
- Grob: bis zu 50 Themen
- Standard: bis zu 150 Themen
- Fein: bis zu 200 Themen
- Feiner: bis zu 350 Themen
Die Anzahl der Themen, die vom trainierten Themenmodell gelernt werden, kann auch aufgrund von Problemen mit der Datenqualität geringer sein. Achten Sie darauf, dass die Datenanforderungen in Bezug auf die Anzahl der Trainingsunterhaltungen, die Agent- oder Kundenbeiträge in den Unterhaltungen sowie die Qualität von STT und Anonymisierung erfüllt sind.
Wie kann ich die Anzahl der Themen erhöhen?
Prüfen Sie, ob die Anforderungen an die Datenqualität der Trainingsdaten erfüllt sind (siehe oben). Achten Sie auch darauf, dass die Anforderungen in Bezug auf die Anzahl der Trainingsunterhaltungen, die Anzahl der Agenten- oder Kundenrunden in den Unterhaltungen sowie die Qualität von STT und Schwärzung erfüllt sind. Wenn Unterhaltungen zu lange dauern, können Sie den Authentifizierungsteil entfernen.
Wenn Sie in der Trainingsphase mit einem Filter für die Mindestanzahl von Turns (z. B. 5, 10, 15 oder 20) experimentieren, während Sie Trainingsunterhaltungen auswählen, kann die Anzahl der gelernten Themen erhöht werden. Außerdem können so Unterhaltungen verworfen werden, die zu kurz sind, um Themen vorherzusagen.
Warum ist die Anzahl der Trainings kleiner als die Anzahl der Unterhaltungen?
Die Anzahl des Trainingsvolumens ist die Anzahl der Unterhaltungen, die zum Trainieren des Themenmodells verwendet werden, nachdem die bereitgestellten Unterhaltungsdaten während der Trainingsphase downsampled wurden.
Während des Trainings werden Unterhaltungen herausgefiltert, in denen die Äußerungen des Kunden nicht lang genug sind oder die zu kurz sind. Nachdem das Modell trainiert wurde, stellt die Summe des Trainingsvolumens in der CX Insights-Konsole die Trainings-/postgefilterte Konversationsgruppe dar.
Warum hat mein Modell mehr Themen als die bereitgestellten benutzerdefinierten Themen?
Je nach Modellgröße können den Modellausgaben zusätzliche Themen hinzugefügt werden. Die Modellgröße wirkt sich auf die Anzahl der Themen in der Ausgabe aus. Die tatsächliche Anzahl hängt jedoch von den tatsächlichen Themen ab, die im Modell gelernt wurden.
Wenn Sie ein Modell mit der Modellgröße „More fine“ trainieren und erwarten, dass es bis zu 350 Themen lernt, aber nur 30 benutzerdefinierte Themen in das Training einbringen, sehen Sie in den Modellausgaben möglicherweise, dass nur 32 Themen trainiert werden. Das liegt daran, dass das Modell mit Unterhaltungen zu etwa 30 Themen trainiert wurde, nicht mit 350.