Looker の会話分析の推奨設定とロールアウト戦略

このガイドは、Looker インスタンスのユーザーに会話分析をロールアウトする計画を立てる際に役立ちます。Looker で会話分析を実装するには、次の段階的なアプローチをおすすめします。

このアプローチでは、小規模で制御された範囲から開始し、設定を検証してから、より多くのユーザーとデータに拡大できます。

フェーズ 1: データをキュレートし、初期スコープを定義する

このフェーズでは、ユーザーが会話分析でクエリを実行できるようにデータを準備し、初期デプロイの範囲を定義します。小規模で制御されたスコープから始めるための推奨事項は次のとおりです。

  • 初期設定: インスタンスの Looker で会話分析を設定するの手順に沿って設定します。
  • 初期ユーザーのアクセスを制限する: 内部テストと検証を有効にするには、Looker の権限システムを使用して、データに精通している少数のユーザーに会話分析の使用に必要な権限を付与します。まず、会話分析用にキュレートした 1 つまたは 2 つのモデルへのアクセスを制限することを検討してください。
  • 厳選された Explore を選択する: 比較的クリーンなデータに基づいており、明確なビジネス価値を提供する、構造化された 1 つまたは 2 つの Explore から始めます。Looker で会話分析を構成するためのベスト プラクティスの詳細な手順に沿って、Looker の会話分析用にこれらのデータ探索を最適化します。

フェーズ 2: エージェントを構成して内部で検証する

このフェーズでは、会話分析エージェントを構築して改良し、内部ユーザーによる徹底的なテストを実施して、精度と有効性を確認します。このフェーズには次の手順が含まれます。

  1. キュレートされたエージェントを作成する: キュレーションと初期設定のフェーズで準備したキュレートされたデータ探索のみに基づいて、会話分析エージェントを作成します。

  2. エージェントの指示で絞り込む: エージェントの指示を使用して、追加のコンテキストと詳細なガイダンスを提供します。次に例を示します。

    • synonym LookML パラメータを使用して、フィールド名または値の同義語を定義します。
    • 特定のフィールドの使用方法に関する具体的なコンテキストやルールを指定します。

  3. 内部で検証して反復処理を行う: データをよく知っているユーザーにエージェントを徹底的にテストしてもらいます。さまざまな質問をしたり、エッジケースをテストしたりして、弱点を特定します。テストからのフィードバックに基づいて、次の変更を行います。

    1. LookML を調整します。たとえば、label、description、hidden の LookML パラメータの値を調整します。
    2. エージェントの指示を調整します。
    3. データ品質に関する問題の報告を続けます。

フェーズ 3: 会話分析の導入をより多くのユーザーに拡大する

このフェーズでは、アクセス権を付与し、フィードバックを収集し、エージェントを反復処理することで、会話型分析の導入をより多くのユーザーに拡大します。このフェーズには次の手順が含まれます。

  1. ターゲットを絞ったアクセス権を付与する: 追加のユーザーに会話分析へのアクセス権を付与し、作成した特定の審査済みのエージェントを使用するようユーザーに促します。

  2. リリースしてフィードバックを収集する: 以下のトピックについて積極的にフィードバックを求めます。

    • 回答の精度
    • 使いやすさ
    • 情報が不足している、または結果がわかりにくい

  3. 継続的に反復処理する: フィードバックを使用して LookML とエージェントの手順をさらに絞り込み、データ クリーンアップの取り組みを優先します。

  4. アクセスを拡大する: エージェントが安定していて価値があることが証明されたら、他の関連するユーザー グループにアクセスを拡大し、これらのユーザーに適切な権限を付与して、新しいキュレートされたエージェントを導入します。また、前のフェーズで使用したのと同じプロセスに沿って、新しいキュレートされたエージェントを導入したり、Gemini ロールで使用できるモデルへのアクセスを拡大したりすることもできます。