הגדרה מומלצת ואסטרטגיית השקה של ניתוח נתונים בשיחה ב-Looker

המדריך הזה נועד לעזור לכם לתכנן את ההשקה של ניתוח נתונים בשיחה למשתמשים במופע Looker. מומלץ להטמיע את התכונה 'ניתוח נתונים שיחתי' ב-Looker בשלבים הבאים:

• שלב 1: אוספים נתונים ומגדירים את ההיקף הראשוני
• שלב 2: הגדרת סוכנים ואימות פנימי
• שלב 3: הרחבת השימוש בניתוח שיחות למשתמשים נוספים

הגישה הזו מאפשרת לכם להתחיל עם היקף קטן ומבוקר, לאמת את ההגדרה ואז להרחיב אותה למשתמשים ולנתונים נוספים.

שלב 1: אוספים נתונים ומגדירים את ההיקף הראשוני

בשלב הזה, מכינים את הנתונים כדי שהמשתמשים יוכלו להריץ עליהם שאילתות באמצעות ניתוח שיחות, ומגדירים את היקף הפריסה הראשונית. כדי להתחיל עם היקף קטן ומבוקר, מומלץ לפעול לפי ההמלצות הבאות:

• הגדרה ראשונית: פועלים לפי שלבי ההגדרה במאמר הגדרת ניתוח שיחות ב-Looker עבור המופע שלכם.
• הגבלת הגישה הראשונית של משתמשים: כדי לאפשר בדיקות ואימות פנימיים, משתמשים במערכת ההרשאות של Looker כדי להעניק הרשאות נדרשות לשימוש בניתוח שיחות לקבוצה קטנה של משתמשים שמכירים את הנתונים. כדי להתחיל, כדאי להגביל את הגישה למודל אחד או שניים שאצרתם לניתוח שיחות.
• בחירת ניתוחים מותאמים אישית: מתחילים עם ניתוח אחד או שניים מובנים היטב שמבוססים על נתונים נקיים יחסית ומספקים ערך עסקי ברור. כדי לבצע אופטימיזציה של הניתוחים האלה לניתוח נתונים בשיחה ב-Looker, פועלים לפי ההוראות המפורטות במאמר שיטות מומלצות להגדרת ניתוח נתונים בשיחה ב-Looker.

שלב 2: הגדרת סוכנים ואימות פנימי

בשלב הזה, תבנו ותשפרו את נציגי Conversational Analytics, ואז תבדקו אותם ביסודיות עם משתמשים פנימיים כדי לוודא שהם מדויקים ויעילים. השלב הזה כולל את הפעולות הבאות:

1. יצירת סוכנים מותאמים אישית: אתם יכולים ליצור סוכנים לניתוח נתוני שיחות שמבוססים רק על ניתוחים מותאמים אישית שהכנתם במהלך ההתאמה האישית ושלב ההגדרה הראשונית.

2. שיפור באמצעות הנחיות לסוכן: אפשר להשתמש בהנחיות לסוכן כדי לספק הקשר נוסף והנחיות נוספות. לדוגמה:

   • אפשר להשתמש בפרמטר synonym LookML כדי להגדיר מילים נרדפות לשמות או לערכים של שדות.
   • לספק הקשר ספציפי או כללים לגבי אופן השימוש בשדות מסוימים.
   הערה: יכול להיות שההוראות לסוכן יהיו שונות מ-LookML. שימו לב שיכול להיות שיהיו אי-התאמות.

3. אימות פנימי ושיפורים חוזרים: חשוב לבדוק את הסוכנים ביסודיות עם משתמשים שמכירים את הנתונים. כדאי לשאול שאלות שונות, לבדוק מקרים קיצוניים ולזהות חולשות. כדאי לבצע את השינויים הבאים על סמך המשוב שקיבלתם מהבדיקה:

   1. משפרים את ה-LookML. לדוגמה, אפשר לשנות את הערכים של פרמטרי LookML‏ label,‏ description או hidden.
   2. משנים את ההוראות לסוכן.
   3. להמשיך לסמן בעיות באיכות הנתונים.

שלב 3: הרחבת השימוש ב-Conversational Analytics למשתמשים נוספים

בשלב הזה, מרחיבים את השימוש ב-Conversational Analytics ליותר משתמשים על ידי הענקת גישה, איסוף משוב וביצוע איטרציות על הסוכנים. השלב הזה כולל את הפעולות הבאות:

1. הענקת גישה מטורגטת: הענקת גישה לניתוח שיחות למשתמשים נוספים, ועידוד המשתמשים האלה להשתמש בסוכנים הספציפיים והמאומתים שיצרתם.

2. השקה ואיסוף משוב: חשוב לבקש משוב באופן פעיל בנושאים הבאים:

   • דיוק התשובות
   • שימוש קל
   • מידע חסר או תוצאות מבלבלות

3. חזרה על התהליך באופן רציף: כדאי להשתמש במשוב כדי לבצע שיפורים נוספים ב-LookML ובהוראות לסוכן, ולתת עדיפות למאמצים לניקוי הנתונים.

4. הרחבת הגישה: אחרי שמוודאים שהסוכנים יציבים ומועילים, מרחיבים את הגישה לקבוצות משתמשים רלוונטיות אחרות ומציגים סוכנים חדשים שנבחרו בקפידה על ידי הענקת הרשאות מתאימות למשתמשים האלה. אתם יכולים גם להציג סוכנים חדשים שנבחרו בקפידה ולהרחיב את הגישה למודלים שזמינים לתפקיד Gemini, באמצעות אותם תהליכים ששימשו בשלבים הקודמים.