É fundamental para muitas organizações acompanhar os temas atuais e emergentes. O Customer Experience Insights permite detectar e identificar os principais fatores de conversas em chamadas ou chats sem rotulagem prévia. Siga estas práticas recomendadas para usar o recurso de modelagem de tópicos V2.1 do CX Insights. A modelagem não supervisionada simplifica a configuração e identifica automaticamente os principais fatores que surgem nas conversas analisadas.
Treinar o modelo de tópicos
Comece treinando um modelo de tópicos não supervisionado sem fornecer tópicos personalizados. Embora seja opcional, defina um filtro de idioma para identificar o idioma usado nas conversas.
Ao treinar o modelo de tópicos, entenda seu caso de uso comercial e decida a granularidade dos tópicos que você quer. O caso de uso pode incluir o que você está procurando no modelo de tópicos ou os valores comerciais que o modelo oferece. A granularidade determina o tamanho do modelo no treinamento. Pergunte: qual é o número aproximado de clusters de tópicos na solução atual, se houver?
Se a qualidade do modelo não supervisionado for baixa, tente treinar outro modelo de tópicos com uma lista de tópicos personalizados.
Avaliar o modelo de tópicos
A avaliação de um modelo de tópicos treinado pode ser realizada em duas fases: validação de tópicos e descrições gerados, seguida da avaliação de conversas analisadas para tópicos identificados.
Etapa 1: validação de tópicos e descrições gerados
Recomendamos que você remova os tópicos que não são relevantes para suas necessidades. Por exemplo, remova um tópico de "saudações" que fale principalmente sobre frases de cumprimento nas conversas. Os detalhes sobre como remover um tópico podem ser encontrados em Excluir um tópico.
Adicione um novo tópico para qualquer conjunto de tópicos não identificados pelo modelo de tópicos. É mais provável que você veja esse cenário com um modelo treinado sem tópicos personalizados.
Etapa 2: avaliar conversas analisadas
Quando a etapa 1 for concluída, as conversas analisadas deverão ser avaliadas para os tópicos identificados.
Por que menos tópicos são aprendidos do que selecionados para granularidade?
Se houver poucos tópicos a serem descobertos, o número final de tópicos poderá ser significativamente menor do que os números indicados na granularidade selecionada.
- Mais grosseiro: até 30 tópicos
- Grosseiro: até 50 tópicos
- Padrão: até 150 tópicos
- Fino: até 200 tópicos
- Mais fino: até 350 tópicos
O número de tópicos aprendidos pelo modelo de tópicos treinado também pode ser menor devido a problemas de qualidade de dados. Verifique se os requisitos de dados são atendidos em termos de contagem de conversas de treinamento, turnos de agentes ou clientes nas conversas e qualidade de STT e redação.
Como aumentar a contagem de tópicos?
Verifique se os requisitos de qualidade de dados de treinamento são atendidos, conforme discutido anteriormente. Além disso, verifique se eles são atendidos em termos de contagem de conversas de treinamento, turnos de agentes ou clientes nas conversas e qualidade de STT e redação. Se as conversas continuarem por muitos turnos, você poderá fazer um teste removendo a parte de autenticação delas.
Testar um filtro de contagem mínima de turnos (por exemplo, 5, 10, 15, 20) ao selecionar conversas de treinamento na fase de treinamento pode ajudar a aumentar o número de tópicos aprendidos. Ele também pode ajudar a descartar conversas que são muito curtas para prever tópicos.
Por que a contagem de treinamento é menor que a contagem de conversas?
A contagem de volume de treinamento é o número de conversas usadas para treinar o modelo de tópicos após a subamostragem dos dados de conversa fornecidos durante a fase de treinamento.
Durante o treinamento, as conversas que não têm frases longas o suficiente do cliente ou que são muito curtas são filtradas. Depois que o modelo é treinado, a soma do volume de treinamento no console do CX Insights representa o conjunto de conversas de treinamento/pós-filtragem.
Por que meu modelo tem mais tópicos do que os personalizados fornecidos?
Dependendo do tamanho do modelo, outros tópicos podem ser adicionados às saídas do modelo. O tamanho do modelo afeta o número de tópicos na saída, mas o número real depende dos tópicos reais aprendidos no modelo.
Se você treinar um modelo com um tamanho de modelo "Mais fino" e esperar que ele aprenda até 350 tópicos, mas você trouxer apenas 30 tópicos personalizados para o treinamento, poderá ver nas saídas do modelo que apenas 32 tópicos são treinados. Isso ocorre porque o modelo é treinado em conversas com cerca de 30 tópicos, não 350.