Los componentes de análisis de mensajes que funcionan con Navigator pueden comprender los mensajes de los clientes y automatizar decisiones personalizadas basadas en el contenido de canales de voz y digitales. Estos componentes funcionan realizando la detección del tema de la conversación mediante el empleo de modelos de lenguaje grandes (LLM).
Las siguientes prácticas son sugerencias para mejorar los resultados de esas colecciones de temas.
- Simplifique los nombres de los temas
- Evite la repetición entre temas.
- Evite solapar mensajes de contacto de muestra
- Limite el número de mensajes de contacto de muestra
- Divida varios temas similares en diferentes componentes
- Pruebe los cambios de manera sistemática
Simplifique los nombres de los temas
Los temas deben ser descriptivos e intuitivos, y estar acorde con los intents de los clientes. Evite usar siglas que no sean conocidas por el sistema. Por ejemplo, “Estado del pedido”, “Technical Support”, “Asistencia de ventas al cliente”.
Evite la repetición entre temas.
Si diferentes temas son similares o se solapan mucho en su significado semántico, disminuirá la precisión de la clasificación de temas. Para mejorar la clasificación de Navigator, debe evitar estas repeticiones dividiendo temas similares en diferentes componentes.
Evite solapar los mensajes de contacto de muestra
Si diferentes temas tienen el mismo mensaje de contacto de muestra o palabras clave similares en su mensaje de contacto de muestra, disminuirá la precisión de la clasificación de temas. Le recomendamos que evite estas repeticiones para mejorar la clasificación de Navigator.
Limite el número de mensajes de contacto de muestra
Dado que Navigator funciona con LLM, no es necesario proporcionar todas las variaciones de la petición del cliente en el mensaje de contacto de muestra (por ejemplo: «realizar pedido», «realizar un pedido», «realizar pedidos»). Si es necesario describir varias peticiones diferentes, utilice una estructura oracional como: “Cuando un cliente solicita X, Y o Z”.
Divida varios temas similares en diferentes componentes
Cuando se agrupan varios temas similares dentro de un único componente, existe una mayor probabilidad de clasificar mal las peticiones de los clientes. Para mejorar la eficacia, le recomendamos que utilice varios componentes consecutivos. El primer componente debe identificar el tema principal/genérico, y el componente posterior identificará el tema específico.
Ejemplo: Identifique temas específicos relacionados con los pedidos en un escenario de venta al por menor:
- El primer componente de análisis de mensajes tendrá «pedidos» como tema genérico, y el segundo componente de análisis de mensajes conectado al tema/salida «pedidos» clasificará los diferentes subtemas (por ejemplo, «Pedidos de clientes», «Renovar pedido», «Cancelar pedido» o «Rastreo de pedido»).
- El segundo componente utilizará el mensaje de contacto del cliente del primer componente como variable de entrada, eliminando la necesidad de solicitar información adicional al cliente.
Pruebe los cambios de manera sistemática
Mejorar el rendimiento es más fácil si puede medirlo. En algunos casos, una modificación en un campo logrará un mejor rendimiento en algunos ejemplos aislados, pero llevará a un peor rendimiento general en un conjunto más representativo de ejemplos. Le recomendamos que pruebe los cambios con un subconjunto considerable de ejemplos.