Vous pouvez exporter l'historique des conversations vers BigQuery. Une fois configuré, l'historique de toutes les conversations en direct est écrit dans votre table BigQuery. Vous disposez ainsi d'outils d'analyse avancés 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 un maximum de 500 tours pour chaque conversation.
Autorisations inter-projets
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.dataEditorpour l'ensemble de données BigQuery dans
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 pour le projet BigQuery. Sinon, le projet BigQuery n'apparaît pas comme option dans la console Dialogflow.
L'autorisation minimale requise pour que l'utilisateur puisse voir le projet BigQuery dans Dialogflow est resourcemanager.projects.get.
Vous pouvez également attribuer l'un des rôles prédéfinis suivants Google Cloud qui incluent cette autorisation, mais qui 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 de la table 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. |
| response | 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 à la NLU. Consultez ConversationSignals pour le schéma JSON. |
| 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'un ensemble 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 d'une table 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 BigQuery et fournir les noms de l'ensemble de données et de la table créés ci-dessus.