Poängsättare och egna poängsättare (beta)
Poängsättare (Beta) är utvärderingskomponenter i Agentforce Studio som analyserar agentsessioner och producerar betyg, dimensioner och mått för Agentforce Optimering och Analytics. Para ihop Salesforces standardbetyg med egna utvärderingar för dina nyckeltal, skapa egna betygsättare med Next Gen Testing, tillämpa dem på sessioner och använd utdata i Optimering och Analytics för att prioritera agentförbättringar.
Versioner som krävs
| Tillgängliga i: Tillägget Enterprise, Performance och Unlimited Editions med Einstein för försäljning, Einstein för plattform, Einstein för tjänst, Einstein 1 tjänst eller Einstein GPT-tjänst. För att köpa tillägg, kontakta din kundansvariga på Salesforce. |
Poängsättare är en betatjänst som omfattas av villkoren för betatjänster i avtal - Salesforce.com eller ett skriftligt enhetligt pilotavtal om det utförs av kunden, och tillämpliga villkor i produktvillkorskatalogen. Användning av denna betatjänst sker efter kundens eget gottfinnande.
Där betygsättare visas i optimering och Analytics
- Nästa generations test — Skapa egna betygsättare som en del av en ny eller befintlig testsvit, förfina och publicera den.
- Betygsnav (Agentforce Studio) – Central plats för att visa, aktivera och hantera betygsättare.
- Tabellen Sessioner och syften — Sessioner visar betygsresultat; filtrera och analysera efter egna betygsdimensioner.
- Sessionssida — Sessioner visar associerade betygsetiketter och betyg.
- Analytics-instrumentpaneler — Egna betygsmått visas som mått för rapportering.
Överväganden och begränsningar
- Finns i Lightning Experience i Enterprise, Performance och Unlimited Editions med Salesforce Foundations eller Agentforce 1 Edition där Agentoptimering och Analytics har aktiverats.
- Egna betygsättare är i beta och kräver ingen ytterligare licens utöver Agentforce.
- Under beta stöds endast betygsättare på sessionsnivå.
- Egna betygsättare stöds inte för Agentforce Employee Agent-agenttyper (AEA).
- Agenttypen SDR visas i Scorer Hub men inte i agentmenyn Optimering UI.
- Standardbetyg (A&D, Kvalitetsbetyg) skapas när STDM provisioneras. Om de saknas, kontrollera om det finns ett provisioneringsproblem.
- Du måste klona en standardpoängsättare innan du redigerar den. Direktredigering stöds inte under beta.
- Uttrycksbaserade betygsättare kräver en boolesk utdatatyp.
- Numeriska betygsättare på en skala mellan 0 och 1 rekommenderas inte eftersom LLM presterar dåligt på mycket smala numeriska intervall.
- Testcentersessioner betygsätts inte av egna betygsättare. Testcentersessioner får ingen sluttidsstämpel, så den dataåtgärd som utlöser egen betygsättning aktiveras aldrig.
Översikt
Poängsättare utvärderar agentsessioner och skapar betyg, dimensioner (Textvärden) och mått (Numeriska värden). De är en del av Agentforce Optimering och observerbarhet. De körs automatiskt mot en konfigurerbar procentandel sessioner och lyfter fram resultat i Optimering och Analytics, så att administratörer och utvecklare kontinuerligt kan förbättra agenters prestanda.
Det finns två typer av betygsättare:
- Standardbetyg tillhandahålls av Salesforce färdigbyggda.
- Egna betygsättare definieras av din organisation för att utvärdera verksamhetsspecifika kriterier.
Standardbetygare
Standardbetygare är färdigbyggda utvärderingar som skapas automatiskt med STDM-provisionering. De körs på agentsessioner utan ytterligare kundkonfiguration.
Nuvarande standardbetyg
- Övergivandebetyg — Indikerar om kunden avslutade sessionen i förtid innan agenten löste sitt problem.
- Avledningsbetyg — Indikerar om agenten framgångsrikt avledde en interaktion från att kräva mänsklig omflyttning.
- Kvalitetsresultat — Mäter övergripande sessionskvalitet baserat på fördefinierade Salesforce-kriterier.
Standardbetygsättare använder en reserverad plats i användargränssnittet och är separata från den egna betygslistan.
Det går inte att redigera en standardpoängsättare direkt. Klona den för att skapa en ny egen version med ändrad logik.
Egna betygsättare
Egna betygsättare låter dig definiera utvärderingslogik och tillämpa den på sessioner. De använder en LLM-as-a-judge-metod (snabbbaserad utvärdering) eller uttrycksbaserad logik för att märka, betygsätta eller klassificera sessioner mot dina kriterier.
Du skapar egna betygsättare i Next Gen Testing (NGT) i Agentforce Studio. Se Konfigurera och kör tester i Agentforce Studio (beta). Mer information finns i Next Gen Testing on Slack.
Egna betygsättare körs mot sessioner och lyfter fram egna betyg och dimensioner i Observability.
Hur egna betygsättare fungerar
En egen betygsättare backas upp av en uppmaningsmall som körs automatiskt som ett batchjobb när sessionen avslutas. Efter att en betygsättare körs på en session associeras sessionen med den betygsättaren och etiketter och betyg visas i Optimering och Analytics.
- En betygsättare är en uppmaningsmall som körs på en konfigurerbar procentandel sessioner (exempelfrekvens).
- Betyg tillämpas vid sessionens slut, inte under livekonversationen. Sessioner måste få en sluttidsstämpel för att betygsdataåtgärden ska aktiveras.
- Resultaten visas i Observerbarhet som egna mått.
- Du kan även utlösa betygsättare manuellt genom att använda den åberopbara åtgärden
executeAgentforceScoresJob. - Poängsättare påverkar inte agentens latens eller prestanda under livekonversationer eftersom betyg körs efter att sessionen avslutas.
Konfiguration av Poängsättare
Nyckelfält
| Fält | Beskrivning |
|---|---|
scorerApiName |
Unikt API-namn för poängsättaren. |
status |
Livscykelstatus för betygsättaren (till exempel Utkast eller Tillgänglig). |
isDraft |
Boolesk. Indikerar om denna betygsättningsdefinition är ett utkast. |
versionNumber |
Heltalsversion av betygsdefinitionen. |
engine |
Utvärderingsmotor: LLM-baserad eller uttrycksbaserad. |
inputScope |
Granulering: sessionsnivå (standard för beta och allmän tillgänglighet) eller interaktionsnivå (planerad). |
dataType |
Utdatatyp för betygsättaren (till exempel Text eller Numerisk). |
scorerValues / valuesSpecification |
Ange exakt en. Definierar utdataetiketter eller det numeriska intervallet för betygsättaren. |
promptTemplateRef |
Referens till uppmaningsmallen för LLM-baserad utvärdering. Mallen måste vara aktiv. |
agentApiName |
Valfritt. Associerar poängsättaren med en specifik agent. Endast ett agent API-namn tillåts. |
samplingRate |
Procentandel av sessioner som poängsättaren kör mot. |
Valideringsregler
scorerApiNamefår inte redan finnas.promptTemplateRefmåste finnas och vara aktiva.- För datatypen Text: betygsvärden måste finnas; exakt ett värde måste ha
isFallback: true; exakt ett måste haisSystemFallback: true(endast närisFallbackockså är sant). - För numerisk datatyp: inga grundvärden; värden måste tolkas som giltiga dubblar. Om du använder
valuesSpecification:stepmåste vara större än 0;minmåste vara mindre änmax;thresholdär valfritt men måste vara mellanminochmax. - Högsta antal betygsvärden: 101.
Utdatatyper
- Text (etiketter) — Betygssättaren tilldelar en av en uppsättning fördefinierade strängetiketter till varje session (till exempel Löst, Övergivet eller Omflyttat). Använd för kategorisk klassificering.
- Numerisk — Poängsättaren returnerar ett nummer i ett definierat intervall (till exempel 0–5). Passar kvalitetsbetyg och kontinuerliga betyg. LLM presterar vanligtvis bättre på diskreta skalor (som 0–5) än på smala 0–1-intervall.
- Boolesk (stretch eller future) — Returnerar sant eller falskt. Stöds för uttrycksbaserade betygsättare.
Kör betygssättare i produktion
Aktivera från fliken Poängsättare
När du har skapat och testat en egen betygsättare, aktivera den från Betygsnavet i Agentforce Optimering. Aktivering låter poängsättaren köra livesessioner med den konfigurerade provfrekvensen.
| Komma åt och visa Agentforce Optimering | Tilldela behörighetsuppsättningarna Access Agentforce Optimization och Data Cloud User |
| Använd fliken Poängsättare (beta) | Tilldela behörighetsuppsättningen Agentforce Scorer Beta (ingen ytterligare licens utöver Agentforce krävs) |
| Skapa en betygsättare | Tilldela behörighetsuppsättningen Next Gen Testing (NGT) |
| Aktivera en betygsättare | Tilldela behörighetsuppsättningen AgentforceScorerActivation (inkluderas i administratörsprofilen som standard) |
Kör från Salesforce-flöde
Vi tillhandahåller en ny åberopbar åtgärd, TriggerAgentBulkScoring, för att köra egna betygsättare asynkront i historiska sessioner. Denna åtgärd accepterar flera sessioner och betygsättare och är tillgänglig via:
- Salesforce-flöde
- REST API
- Apex
Åtgärdsnamn: TriggerAgentBulkScoring
| Indataparameter | Typ | Beskrivning |
|---|---|---|
InputIds |
List<String> | Lista över upp till 500 unika sessions-ID:n. |
InputScope |
Enum | Betygets omfattning: Session, ögonblick eller interaktion. |
ScoresApiNames |
List<String> | Upp till 10 utvecklarnamn för de betygsättare som ska utföras. |
Viktiga anteckningar
- Alla sessions-ID:n och
scorerApiNamesmåste tillhöra samma agent. - Se till att betygsättningsversionen är Tillgänglig innan körning.
REST API
Skicka en POST-begäran till standardåtgärdens REST-slutpunkt.
/services/data/v66.0/actions/standard/triggerAgentBulkScoring
Exempel på belastning:
{
"inputs": [
{
"inputIds": ["019c9442-b760-7d62-837c-8ab80ecc0fc2"],
"inputScope": "Session",
"scorerApiNames": ["language_classifier"]
}
]
}Använd den executeAgentforceScoresJob åberopbara åtgärden i Flöde. Åtgärden accepterar en lista över sessions-ID:n och betygsättare och skickar ett jobb till utvärderingspipeline. Vanliga användningsområden inkluderar:
- Köra betygsättare för historiska sessioner
- Batchanalys och egen rapportering
- Integrering med Agentforce Grid
Metadata API
Skapa och hantera egna betygsättare med Salesforce Metadata API så att du kan distribuera betygsättare i pro-code och DevOps-flöden, inklusive CI/CD-pipeline.
Användningsfall
| Användningsfall | Användarmål | Hur betygsättare hjälper |
|---|---|---|
| Övervaka agentkvalitet | Förstå hur bra agenten löser kundproblem | Standardbetyg (Kvalitetsresultat, A&D) körs automatiskt och lyfter fram resultat i Analytics utan konfiguration |
| Utvärdera verksamhetsspecifika resultat | Mät egna nyckeltal (till exempel ämnesklassificering eller efterlevnad) | Egna betygsättare tillämpar dina LLM-uppmaningar på sessioner och visar resultat som egna dimensioner |
| Iterera och förbättra agenter | Hitta mönster i svaga sessioner och förfina instruktioner | Observerbarhet visar betygsresultat per session så att du kan fördjupa dig i flaggade interaktioner |
| Testbetygare innan produktion | Bekräfta att en ny betygsättare beter sig som förväntat innan aktivering | Testcenter i Agentforce Studio har stöd för att skapa, köra och förfina betygsättare mot testfall. |
| Kör betygsättare i skala | Utvärdera stora satser av historiska sessioner | executeAgentforceScoresJob har stöd för batchbearbetning och egen rapportering |
| Hantera betygsättare som kod | Distribuera betygsättare genom CI/CD | Metadata API-stöd möjliggör skapande och hantering av pro-kod |
| Anpassa utvärderingskriterier | Justera eller utöka färdig betygsättning | Klona en standardpoängsättare för att skapa en egen version med ändrad uppmaningslogik |

