通过

提取和分析代理聊天脚本

提取和分析代理对话脚本有助于组织深入了解用户交互、提高代理性能并提高客户满意度。

此体系结构演示如何从代理聊天脚本中自动捕获、分析和可视化信息。 通过使用结构化提示支持的高级 AI 算法，系统高效处理聊天数据、提取关键见解并增强决策。 它还全面概述了提取的数据，以便更好地进行战略规划。

小窍门

可以在 Copilot Studio 工具包中找到此功能的示例实现。 Copilot Studio Kit 中的对话分析器功能分析对话记录，并生成切实可行的见解。

了解详细信息： 使用 Copilot Studio Kit 分析对话脚本（预览版）

体系结构图

Copilot Studio 工作流示意图，其中显示了代理交互和脚本日志记录过程。

Workflow

  1. 用户与代理交互。

  2. Copilot Studio 记录文字记录。

  3. 创建对话记录时，流会被触发。

  4. Flow 提取脚本并将其转发到 AI Builder。

  5. AI Builder 处理并返回情绪、主题和摘要。

  6. Flow 从 AI Builder 收集结构化结果，并将其存储在 Microsoft Dataverse 中。

  7. Power BI 可视化此数据以获取可作的见解。

Components

  1. 用户： 用户通过受支持的频道（如 Microsoft Teams 或网站）与 Copilot Studio 中的代理交互。

  2. 代理： 代理托管在 Microsoft Copilot Studio 中，处理对话并在内部记录交互。

  3. 对话脚本： Copilot Studio 中的聊天脚本是用户与 AI 代理之间交互的结构化日志。 后端 Copilot Studio 服务在用户代理交互期间自动生成脚本，并将其存储在 Dataverse 中的 ConversationTranscript 表中 ，采用 JSON/文本格式。

  4. Power Automate 云流： 从 Dataverse 检索对话脚本记录，通过 AI Builder 处理这些记录，并将生成的分析结果存储在 Dataverse 中。

  5. AI Builder： 应用 AI 模型来分析情绪（积极、中立、负面）、识别和标记个人数据、提取关键短语和问题、检测升级指示器以及生成对话摘要。

  6. Microsoft Dataverse：安全地存储结构化数据，包括原始脚本、已处理的 AI 元数据以及情绪分数和类别。

  7. 挡泥板： 可视化来自 Dataverse 的见解，例如代理性能、用户满意度趋势、升级模式以及频繁的用户意向和主题。

方案详细信息

使用 Copilot Studio 代理进行客户或员工支持的组织往往难以从对话历史记录中提取有价值的见解。 通过使用 AI Builder、Power Automate 和 Dataverse 等 Power Platform 功能，此体系结构提供：

  • 自动生成对话记录。
  • 由AI驱动的情感分析、关键主题与代理有效性。
  • 安全结构化数据存储。
  • 面向主管和决策者的丰富仪表板。

业务价值

  • 通过情绪见解提高代理培训和客户满意度。
  • 标识热门主题和常见问题。
  • 自动执行对话后报告工作流。
  • 确保通过 Dataverse 安全性实现合规性和数据治理。

注意事项

这些注意事项实现了架构良好的 Power Platform 支柱，这是一组可提高工作负荷质量的指导原则。 在架构良好的 Microsoft Power Platform 中了解详细信息。

安全性

  • 将数据安全地存储在 Dataverse 中。
  • 基于角色的访问控制（RBAC）确保仅授权用户访问数据。
  • 所有数据流都符合 Power Platform 环境中的数据策略。

供稿人

Microsoft维护本文。 以下参与者撰写了本文。

主要作者：

后续步骤

  • 将 Azure OpenAI 集成到高级自然语言处理用例中。
  • 添加用于监督学习的用户反馈或分级模块。
  • 连接到 Dynamics 365 或 ServiceNow 以创建或升级事件。
  • Last updated on