Einsteinin luokittelun avainkäsitteet
Tutustu tapausten luokittelun tärkeimpiin käsitteisiin, kuten malleihin, segmentteihin ja esimerkkitapauksiin, tapausten automatisointiin ja tapausten reitittämiseen.
Vaaditut versiot
| Näytä tuetut versiot. |
Luokitus
Koneoppimisessa luokittelu on kyky ennustaa otsikoita niiden perustana olevan datan ja datakuvioiden perusteella. Einstein Einstein oppii suljettujen tapauksiesi tiedoista ja ”luokittelee” kenttäarvoja niiden perusteella.
- Kun käytät Einsteinin tapausten luokittelu -ominaisuutta, Einstein tarjoaa suosituksia heti, kun tapaus on luotu.
- Chat-palveluedustajat näkevät Einsteinin tapausten viimeistelyn ja Einsteinin äänien viimeistelyn tarvittaessa tai kun keskustelu päättyy.
Malli
Einsteinin tapausten luokittelu- ja viimeistelyominaisuuksien ytimessä ovat luokittelumallit. Malleja koulutetaan suljettujen tapausten Aihe ja Kuvaus sekä ennustettavat kentät. Einstein käyttää luonnollisen kielen käsittelyä (NLP) tunnistaakseen mallien suljettujen tapausten datassa esiintyviä kuvioita.
Jos sinulla on Service Cloud Einstein -lisäosalisenssi, voit luoda kummallekin luokittelusovellukselle viisi mallia ja räätälöidä niitä yrityksesi eri osa-alueille. Try Einstein -versio sallii sinun luoda yhden mallin per sovellus.
Segmentit ja esimerkkitapaukset
Kun määrität mallia, sinä päätät, minkätyyppisiin tapauksiin se keskittyy. Segmentit ja esimerkkitapaukset ovat valinnaisia suodattimia, joita voit soveltaa suljettujen tapauksiesi datalle. Ne rajoittavat suljettuja tapauksia, joita Einstein käyttää oppimiseen, ja määrittävät, mitkä uudet tapaukset saavat ennusteita.
Voit halutessasi määrittää suodatusehtoja, jotka rajoittavat mallisi vain tiettyyn tapausten joukkoon, eli segmenttiin. Einstein käyttää segmenttiin sisältyviä suljettuja tapauksia oppiakseen ja tarjoaa ennusteita uusille tapauksille, jotka vastaavat segmentin ehtoja.
Käytä segmenttejä keskittyäksesi tietyn liiketoimintayksikön tapauksiin. Voit käyttää segmenttiä esimerkiksi ennustaaksesi yrityspalveluosastosi tapausten kenttäarvoja. Sitten voit määrittää toiselle mallille segmentin, joka edustaa kuluttajaosastosi tapauksia. Kun Einstein oppii sanoista, joita asiakkaat käyttävät ottaakseen sinuun yhteyttä, segmentit voivat tarjota Einsteinin ennusteille hyödyllisiä asiayhteystietoja.
Jos haluat tiettyjen suljettujen tapausten tekevän esimerkkejä, määritä suodatusehtoja, jotka tunnistavat esimerkkitapaukset. Einstein käyttää oppimiseen suljettuja tapauksia, jotka täyttävät esimerkkitapausten ehtosi. Jos määrität segmentin ja esimerkkitapausten ehdot, esimerkkitapauksesi ovat segmenttisi alajoukko.
Voit käyttää segmenttejä ja esimerkkitapauksia yhdessä keskittyäksesi tietyntyyppisiin tapauksiin ja suodattaa heikkolaatuisen datan pois mallistasi. Voit esimerkiksi jättää yrityspalveluosastosi segmentistä pois tapaukset, joilla on tietty tietuetyyppi tai jotka käyttävät vanhentuneita valintaluettelokentän arvoja. Pidä kuitenkin mielessäsi, että segmentin ja esimerkkitapausten suodattimien tulee täyttää datan vähimmäisvaatimukset, eli sinulla täytyy olla 400 suljettua tapausta luotuna edellisen kuukauden aikana. Jos tätä vaatimusta ei täyty tapauksissa, joissa Aihe-kenttä ei ole tyhjä, sääntöä lievennetään sisältämään tapauksia, joissa Aihe on NULL.
Alla on näiden sääntöjen yhteenveto.
| Lähestymistapa | Tapaukset, joista Einstein oppii | Tapaukset, joille tarjotaan ennusteita |
|---|---|---|
| Ei segmenttiä tai esimerkkitapauksia | Kaikki suljetut tapaukset, jotka:
|
Kaikki uudet tapaukset, jotka sisältävät aiheen tai kuvauksen. |
| Segmentti määritetty | Kaikki suljetut tapaukset, jotka:
|
Kaikki uudet tapaukset, jotka sisältävät aiheen tai kuvauksen ja täyttävät segmenttisi ehdot |
| Esimerkkitapaukset määritetty | Kaikki suljetut tapaukset, jotka:
|
Kaikki uudet tapaukset, jotka sisältävät aiheen tai kuvauksen. |
| Segmentti ja esimerkkitapaukset määritetty | Kaikki suljetut tapaukset, jotka:
|
Kaikki uudet tapaukset, jotka sisältävät aiheen tai kuvauksen ja täyttävät segmenttisi ehdot. |
Luokittelun automatisointi ja luottamustaso
Voit automatisoida kenttien ennusteet. Sinä valitset määritysten aikana tapausten kentät, joita Einstein ennustaa. Kun rakennat malliasi, voit mukauttaa kunkin kentän ennusteasetuksia. Määritä prosentteina ennusteen luottamustason kynnysarvot, jotka hallitsevat, milloin Einstein suosittelee ja valitsee kenttäarvoja. Jos käytät Einsteinin tapausten luokittelu -ominaisuutta, voit määrittää myös kynnysarvon, jonka ylittyessä Einstein tallentaa kenttäarvot automaattisesti.
Mitä automatisoidumpi toiminto, sitä korkeampi ennusteen luottamustason täytyy olla. Jos ennuste ei täytä jonkin vaihtoehdon kynnysarvoa, Einstein yrittää käyttää seuraavaa, vähemmän automatisoitua vaihtoehtoa.
- Suosittele parhaita arvoja (vähemmän automaattinen): Einstein suosittelee oletusarvoisesti kolmea parasta kenttäarvoa. Palveluedustaja valitsee ja tallentaa arvon. Luottamustason kynnysarvoa ei tarvita.
- Valitse paras arvo (automaattisempi): Kun ennuste ylittää luottamustason kynnysarvosi, Einstein näyttää parhaan arvon valmiiksi valittuna kentässä. Palveluedustaja vahvistaa ja tallentaa arvon.
- Tallenna arvo automaattisesti (täysin automaattinen): Kun ennuste ylittää luottamustason kynnysarvon, Einstein tallentaa kentälle parhaan arvon — eikä palveluedustajaa tarvitse tarkastaa. Voit käskeä Einsteinin tapausten reitityksen suorittaa tapausten olemassa olevat kohdistussääntösi automaattisesti päivitetyille tapauksille. Käytettävissä vain Einsteinin tapausten luokittelun maksullisessa versiossa.
Voit ottaa Einsteinin tapausten luokittelu -mallisi jokaiselle kentälle käyttöön Valitse paras arvo- tai Tallenna arvo automaattisesti -vaihtoehdon tai molemmat, tai käyttää kolmea oletusarvoista parasta suositusta. Jos käytät Einsteinin tapausten viimeistely -mallia, voit ottaa käyttöön Valitse paras arvo -vaihtoehdon tai näyttää kolme parasta ennustetta kullekin kentälle. Voit päivittää ennusteasetukset milloin tahansa, eikä sinun tarvitse rakentaa malliasi uudelleen.
