Prácticas recomendadas: Modelado de temas

Para muchas organizaciones, es fundamental hacer un seguimiento de los temas populares y emergentes. Customer Experience Insights te permite detectar e identificar los principales factores de conversación de las llamadas o los chats sin necesidad de etiquetarlos previamente. Sigue estas prácticas recomendadas para usar la función de modelado de temas de CX Insights V2.1. Su modelado no supervisado simplifica la configuración y, al mismo tiempo, identifica automáticamente los principales factores que surgen en las conversaciones analizadas.

Entrena el modelo de temas

Comienza por entrenar un modelo de temas no supervisado sin proporcionar temas personalizados. Aunque es opcional, para identificar el idioma que se usa en las conversaciones, establece un filtro de idioma.

Cuando entrenes el modelo de temas, comprende tu caso de uso empresarial y decide la granularidad de los temas que deseas. El caso de uso puede incluir lo que buscas en el modelo de temas o los valores empresariales que aporta el modelo. La granularidad determina el tamaño del modelo en el entrenamiento. Pregunta lo siguiente: ¿Cuál es la cantidad aproximada de clústeres de temas en la solución existente, si la hay?

Si la calidad del modelo no supervisado es baja, intenta entrenar otro modelo de temas con una lista de temas personalizados.

Evalúa el modelo de temas

La evaluación de un modelo de temas entrenado se puede llevar a cabo en 2 fases: la validación de los temas y las descripciones generados, seguida de la evaluación de las conversaciones analizadas para los temas identificados.

Paso 1: Valida los temas y las descripciones generados

Te recomendamos que quites los temas que no sean relevantes para tus necesidades. Por ejemplo, quita un tema de "saludos" que hable principalmente sobre expresiones de saludo en las conversaciones. Puedes encontrar detalles sobre cómo quitar un tema en Borra un tema.

Agrega un tema nuevo para cualquier conjunto de temas que no haya identificado el modelo de temas. Es muy probable que veas esta situación con un modelo entrenado sin temas personalizados.

Paso 2: Evalúa las conversaciones analizadas

Cuando se complete el paso 1, se deben evaluar las conversaciones analizadas para los temas identificados.

¿Por qué se aprenden menos temas de los que se seleccionan para la granularidad?

Si hay pocos temas para descubrir, la cantidad final de temas podría ser significativamente menor que las cantidades indicadas en la granularidad seleccionada.

  • Más gruesa: hasta 30 temas
  • Gruesa: hasta 50 temas
  • Estándar: hasta 150 temas
  • Fina: hasta 200 temas
  • Más fina: hasta 350 temas

La cantidad de temas que aprende el modelo de temas entrenado también puede ser menor debido a problemas de calidad de los datos. Asegúrate de que se cumplan los requisitos de datos en cuanto a la cantidad de conversaciones de entrenamiento, los turnos de los agentes o clientes en las conversaciones, y la calidad de STT y la redacción.

¿Cómo aumentar la cantidad de temas?

Verifica que se cumplan los requisitos de calidad de los datos de entrenamiento, como se explicó anteriormente. Además, asegúrate de que se cumplan en cuanto a la cantidad de conversaciones de entrenamiento, los turnos de los agentes o clientes en las conversaciones, y la calidad de STT y la redacción. Si las conversaciones continúan durante demasiados turnos, puedes experimentar quitando su parte de autenticación.

Experimentar con un filtro de cantidad mínima de turnos (por ejemplo, 5, 10, 15, 20) mientras seleccionas conversaciones de entrenamiento en la fase de entrenamiento puede ayudar a aumentar la cantidad de temas aprendidos. También puede ayudar a descartar conversaciones que sean demasiado cortas para predecir temas.

¿Por qué la cantidad de entrenamiento es menor que la cantidad de conversaciones?

La cantidad de volumen de entrenamiento es la cantidad de conversaciones que se usan para entrenar el modelo de temas después de submuestrear los datos de conversación proporcionados durante la fase de entrenamiento.

Durante el entrenamiento, se filtran las conversaciones que no tienen expresiones lo suficientemente largas del cliente o que son demasiado cortas. Una vez que se entrena el modelo, la suma del volumen de entrenamiento en la consola de CX Insights representa el conjunto de conversaciones de entrenamiento o posteriores al filtrado.

¿Por qué mi modelo tiene más temas que los personalizados proporcionados?

Según el tamaño del modelo, se pueden agregar temas adicionales a los resultados del modelo. El tamaño del modelo afecta la cantidad de temas en el resultado, pero la cantidad real depende de los temas reales aprendidos en el modelo.

Si entrenas un modelo con un tamaño de modelo "Más fino" y esperas que aprenda hasta 350 temas, pero solo incorporas 30 temas personalizados al entrenamiento, es posible que veas en los resultados del modelo que solo se entrenan 32 temas. Esto se debe a que el modelo se entrena en conversaciones con aproximadamente 30 temas, no 350.