Vous pouvez exporter l'historique des conversations vers BigQuery. Une fois la configuration effectuée, l'historique des conversations en direct est écrit dans votre table BigQuery. Vous disposez ainsi d'outils d'analyse avancée qui peuvent vous aider à déboguer et à améliorer votre agent, et à découvrir des tendances dans les données de conversation.
Limites
Les limites suivantes s'appliquent :
- Vous pouvez exporter jusqu'à 500 tours de conversation par conversation.
Autorisations multiprojet
Si votre agent Dialogflow et vos données BigQuery ne se trouvent pas dans le même projet, le compte de service associé à votre projet Dialogflow Google Cloud doit également disposer de l'autorisation IAM roles/bigquery.dataEditor pour l'ensemble de données BigQuery de votre projet BigQuery Google Cloud .
Format du compte de service : service-<dialogflow-project-number>@gcp-sa-dialogflow.iam.gserviceaccount.com
L'utilisateur qui configure l'exportation dans Dialogflow doit disposer des autorisations nécessaires sur le projet BigQuery. Sinon, le projet BigQuery n'apparaîtra pas comme option dans la console Dialogflow.
L'autorisation minimale requise pour le projet BigQuery afin que l'utilisateur puisse le voir dans Dialogflow est resourcemanager.projects.get.
Vous pouvez également attribuer l'un des Google Cloud rôles prédéfinis suivants qui incluent cette autorisation, mais ne nécessitent pas que l'utilisateur ait accès à l'ensemble de données BigQuery : roles/browser ou roles/bigquery.metadataViewer.
Description de la table
Chaque ligne du tableau contient un tour de conversation avec les colonnes suivantes :
| Colonne | Type | Description |
|---|---|---|
| project_id | STRING | ID du projet. |
| agent_id | STRING | ID de l'agent. |
| conversation_name | STRING | Nom complet de la ressource pour la session. |
| turn_position | INTEGER | Numéro du tour de conversation. |
| request_time | TIMESTAMP | Heure du tour de conversation. |
| language_code | STRING | Le tag de langue. |
| request | JSON | Requête de détection d'intent. |
| réponse | JSON | Réponse de détection d'intent. |
| partial_responses | JSON | Réponses partielles, le cas échéant. |
| derived_data | JSON | Métadonnées supplémentaires pour ce tour de conversation. |
| conversation_signals | JSON | Données analytiques liées au NLU. Pour consulter le schéma JSON, reportez-vous à ConversationSignals. |
| bot_answer_feedback | JSON | Commentaires sur la réponse, le cas échéant. |
Configuration
Pour configurer l'exportation de l'historique des conversations :
- Assurez-vous que l'historique des conversations est activé.
- Suivez le guide de création d'ensembles de données BigQuery pour créer un ensemble de données. Notez le nom de l'ensemble de données, car vous en aurez besoin à l'étape suivante.
Suivez le guide de création de tables BigQuery pour créer une table avec une définition de schéma SQL. Utilisez l'instruction SQL suivante pour la création :
CREATE TABLE <your_dataset_name>.dialogflow_bigquery_export_data( project_id STRING, agent_id STRING, conversation_name STRING, turn_position INTEGER, request_time TIMESTAMP, language_code STRING, request JSON, response JSON, partial_responses JSON, derived_data JSON, conversation_signals JSON, bot_answer_feedback JSON );Configurez les paramètres de votre agent pour activer l'exportation vers BigQuery et fournir les noms de l'ensemble de données et de la table créés ci-dessus.