Conceptos clave de Clasificación de Einstein

Clasificación

En el aprendizaje automático, la clasificación hace referencia a la capacidad de predecir etiquetas basándose en datos subyacentes y patrones de datos. En Aplicaciones de clasificación de Einstein, Einstein aprende de sus datos de casos cerrados y “clasifica” valores de campos basándose en esos datos.

• Para Clasificación de casos de Einstein, Einstein realiza recomendaciones justo después de crear el caso.
• Para Cierre de casos Einstein y Cierre de Einstein Voice, los representantes de servicios de chat los ven on demand o cuando finaliza la plática.

Modelo

En el corazón de Clasificación de casos de Einstein y Cierre de casos de Einstein están los modelos de clasificación. Los modelos se entrenan en el Asunto y la Descripción de los casos cerrados, así como en los campos que se deben predecir. Einstein utiliza procesamiento de lenguaje natural (NLP) para identificar patrones de datos en los casos cerrados de cada modelo.

Si tiene la licencia complementaria de Service Cloud Einstein, puede crear hasta cinco modelos para cada aplicación de clasificación y personalizarlos para diferentes partes de su negocio. La versión de prueba de Einstein le permite crear un modelo único para cada aplicación.

Segmentos y casos de ejemplo

Cuando configura un modelo, tiene que decidir en qué tipos de casos centrarse. Los segmentos y casos de ejemplo son filtros opcionales que puede aplicar a sus datos de casos cerrados. Le permiten limitar los casos cerrados desde los que Einstein aprende y determinar qué casos obtienen predicciones.

Si lo desea, puede especificar criterios de filtro que restrinjan el ámbito de un modelo a un subconjunto o segmento de casos. Einstein aprende de casos cerrados en el subconjunto y realiza predicciones en nuevos casos que coinciden con sus criterios de segmento.

Utilice segmentos para centrarse en casos en una unidad de negocio específica. Por ejemplo, utilice un segmento para predecir valores de campo en casos en su división de compañía. En otro modelo, puede definir un segmento que representa los casos de su división de Consumidor. Ya que Einstein aprende de las palabras que los clientes utilizan para hacer contacto con usted, los segmentos pueden proporcionar contexto útil para las predicciones de Einstein.

Si desea que casos específicos sirvan como ejemplo, defina criterios de filtro para identificar casos de ejemplo. Einstein aprende de casos cerrados que cumplen sus criterios de ejemplo. Si define un segmento y criterios de casos de ejemplo, sus casos de ejemplo son un subconjunto de su segmento.

Puede utilizar segmentos y casos de ejemplo juntos para centrarse en ciertos tipos de casos y filtrar datos de baja calidad desde su modelo. Por ejemplo, en su segmento de división Corporativo, excluya casos con un tipo de registro concreto o casos que utilizan valores de campo de lista de selección obsoletos. Tenga en cuenta que los casos de su segmento y filtros de ejemplo deben cumplir los requisitos de datos mínimos de 400 casos cerrados creados en los últimos seis meses. Si este requisito no se cumple con casos donde el campo Asunto no está vacío, la regla se relaja para incluir casos donde el Asunto es NULO.

A continuación, se muestra un resumen de estas reglas.

Automatización y confianza de las clasificaciones

Puede elegir automatizar predicciones de campo. Durante la configuración, selecciona campos de casos para que Einstein realice predicciones en casos. Cuando construya su modelo, puede personalizar preferencias de predicción para cada campo. Usted establece umbrales de confianza de predicción basados en porcentaje para controlar cuándo Einstein recomienda y selecciona valores de campo. Para Clasificación de casos de Einstein, también puede establecer un umbral para cuando Einstein guarda valores de campo automáticamente.

Cuanto más automatice la acción, mayor será el nivel de confianza de predicción necesario. Si una predicción no cumple el umbral de una opción, Einstein prueba la siguiente opción menos automatizada.

• Recomendar valores principales (menos automatización): De forma predeterminada, Einstein recomienda los tres valores de campo principales. El representante de servicio selecciona y guarda un valor. No se necesita un umbral de confianza.
• Seleccionar mejor valor (más automatización): Cuando la predicción cumple su umbral de confianza, Einstein muestra el campo con el mejor valor ya seleccionado. El representante de servicio confirma y guarda el valor.
• Automatizar valor (automatización completa): Cuando una predicción cumple su umbral de confianza, Einstein guarda el mejor valor para el campo: no se necesita revisión de representante de servicio. Puede hacer que Enrutamiento de casos de Einstein ejecute sus reglas de asignación de casos existentes en casos actualizados automáticamente. Esta opción está disponible solo en la versión de pago de Clasificación de casos de Einstein.

Para cada campo en un modelo de Clasificación de casos de Einstein, puede activar Seleccionar mejor valor, Automatizar valor o ambas, o utilizar las tres recomendaciones principales predeterminadas. Para un modelo de Cierre de casos de Einstein, puede activar Seleccionar mejor valor o mostrar las tres recomendaciones principales predeterminadas para cada campo. Puede actualizar los parámetros de las predicciones en cualquier momento sin volver a construir su modelo.