Nyckelkoncept i Einstein Klassificering

Klassificering

I maskininlärning är klassificering möjligheten att förutsäga etiketter baserat på underliggande data och datamönster. I Einstein Klassificeringsappar lär sig Einstein från dina avslutade kundcasedata och "klassificerar" fältvärden baserat på dessa data.

• För Einstein Kundcaseklassificering gör Einstein rekommendationer direkt efter att kundcaset skapats.
• För Einstein Kundcaseavslut och Einstein Voiceavslut ser chatttjänstrepresentanter dem på begäran eller när konversationen avslutas.

Modell

I hjärtat av Einstein Kundcaseklassificering och Avslut finns modeller för klassificering. Modeller utbildas i de avslutade kundcasens ämne och beskrivning samt de fält som ska förutsägas. Einstein använder naturlig språkbehandling (NLP) för att identifiera datamönster i varje modells avslutade kundcase.

Om du har tilläggslicensen Service Cloud Einstein kan du skapa upp till fem modeller för varje klassificeringsapp och skräddarsy dem för olika delar i din verksamhet. Versionen Testa Einstein låter dig skapa en modell för varje app.

Segment och exempel på kundcase

När du konfigurerar din modell bestämmer du vilka typer av kundcase du vill fokusera på. Segment och exempel på kundcase är valfria filter som du kan tillämpa på dina avslutade kundcasedata. De låter dig begränsa de avslutade kundcase som Einstein lär sig från och avgöra vilka kundcase som får förutsägelser.

Om du vill kan du definiera filterkriterier som begränsar en modells omfattning till en underuppsättning, eller segment, av kundcase. Einstein lär sig från avslutade kundcase i underuppsättningen och gör förutsägelser för nya kundcase som matchar dina segmentkriterier.

Använd segment för att fokusera på kundcase i en viss affärsenhet. Använd till exempel ett segment för att förutsäga fältvärden för kundcase i din affärsavdelning. I en annan modell kan du definiera ett segment som representerar din Konsumentavdelnings kundcase. Eftersom Einstein lär dig från de ord kunderna använder för att kontakta dig kan segment skapa användbara sammanhang för Einsteins förutsägelser.

Om du vill att specifika avslutade kundcase ska fungera som exempel, definiera filterkriterier som identifierar exempel på kundcase. Einstein lär sig från avslutade kundcase som uppfyller dina exempelkriterier. Om du definierar ett segment och ett exempel på ett kundcasekriterium är dina exempelkundcase en underuppsättning av ditt segment.

Du kan använda segment och exempel på kundcase tillsammans för att fokusera på vissa typer av kundcase och filtrera bort data med låg kvalitet från din modell. Exkludera till exempel kundcase med en viss posttyp eller kundcase med föråldrade fältvärden för kombinationsrutor från din affärsavdelning. Kom ihåg att kundcase från ditt segment och exempelfilter måste uppfylla minimikraven för 400 avslutade kundcase som skapats under de senaste sex månaderna. Om detta krav inte uppfylls med kundcase där fältet Ämne inte är tomt minskas regeln till att inkludera kundcase där Ämne är NULL.

Här är en sammanfattning av dessa regler.

Automatisering och förtroende för klassificering

Du kan välja att automatisera fältförutsägelser. Under konfigurationen väljer du kundcasefält för Einstein att förutsäga i kundcase. När du bygger din modell kan du anpassa dina inställningar för förutsägelser för varje fält. Du anger procentbaserade förutsägelsetrösklar för att styra när Einstein rekommenderar eller väljer fältvärden. För Einstein Kundcaseklassificering kan du även ange en tröskel när Einstein sparar fältvärden automatiskt.

Ju mer automatiserad åtgärden är, desto högre förutsägelseförtroende behövs. Om en förutsägelse inte uppfyller ett alternativs tröskel testar Einstein nästa, mindre automatiserade alternativ.

• Rekommendera toppvärden (mindre automatisering): Som standard rekommenderar Einstein de tre bästa fältvärdena. Servicerepresentanten väljer och sparar ett värde. En förtroendeströskel behövs inte.
• Välj bästa värde (mer automatisering): När förutsägelsen uppfyller din förtroendeströskel visar Einstein fältet med det bästa värdet redan valt. Servicerepresentanten bekräftar och sparar värdet.
• Automatisera värde (fullständig automatisering): När en förutsägelse uppfyller din förtroendetröskel sparar Einstein det bästa värdet för fältet—ingen granskning av servicerepresentanten behövs. Du kan låta Einstein Kundcasedirigering köra dina befintliga tilldelningsregler för kundcase i automatiskt uppdaterade kundcase. Endast tillgängligt i den betalversionen av Einstein Kundcaseklassificering.

För varje fält i en modell för Einstein Kundcaseklassificering kan du slå på Välj bästa värde, Automatisera värde eller båda, eller använda de tre bästa rekommendationerna. För en modell för Einstein Kundcaseavslut kan du slå på Välj bästa värde eller visa de tre bästa rekommendationerna för varje fält. Du kan när som helst uppdatera inställningarna för förutsägelser utan att bygga om din modell.