擷取並分析客服人員對話逐字稿，有助於組織獲得對用戶互動的寶貴洞察，提升客服人員績效，並提升客戶滿意度。
此架構展示了如何自動擷取、分析並視覺化客服人員對話逐字稿中的資訊。 透過先進的 AI 演算法與結構化提示，系統有效處理對話資料，萃取關鍵洞見，並提升決策能力。 同時也提供擷取資料的全面概述，有助於更佳的策略規劃。
小提示
你可以在 Copilot Studio Kit 中找到此功能的範例實作。 Copilot Studio Kit 中的對話分析器功能能分析對話逐字稿，並找到所需的可行見解。
架構圖
Workflow
使用者與代理人互動。
Copilot Studio 會記錄文字稿。
當對話記錄建立時，流程會被觸發。
Flow 會擷取並轉發文字稿到 AI Builder。
AI 建構器會處理並回傳情感、主題與摘要。
Flow 會從 AI Builder 收集結構化結果，並將其儲存在 Microsoft Dataverse 中。
Power BI 會將這些數據視覺化，提供可行的洞察。
Components
使用者： 使用者透過支援的管道（如 Microsoft Teams 或網站）與 Copilot Studio 中的代理互動。
特工： 該代理託管於 Microsoft Copilot Studio，內部處理對話並記錄互動。
對話逐字稿： Copilot Studio 中的對話逐字稿是用戶與 AI 代理之間互動的結構化日誌。 後端 Copilot Studio 服務會在使用者與客服互動時自動產生逐字稿，並以 JSON/文字格式儲存在 Dataverse 的 ConversationTranscript 表格 中。
Power Automate 雲端流程： 從 Dataverse 擷取對話逐字稿紀錄，透過 AI Builder 處理，並將產生的分析結果儲存在 Dataverse。
AI 建構器： 運用 AI 模型分析情緒（正面、中立、負面）、識別並標記個人資料、擷取關鍵詞彙與議題、偵測升級指標，並生成對話摘要。
Microsoft Dataverse：安全儲存結構化資料，包括原始逐字稿、處理過的 AI 元資料，以及情緒分數與分類。
儀表板： 視覺化來自 Dataverse 的洞察，如客服人員表現、用戶滿意度趨勢、升級模式，以及頻繁使用者意圖與主題。
案例詳細資料
使用 Copilot Studio 客服人員提供客戶或員工支援的組織，常常難以從對話紀錄中提取有價值的洞察。 透過運用 AI Builder、Power Automate 和 Dataverse 等 Power Platform 功能，此架構可提供：
- 自動擷取對話逐字稿。
- AI 驅動的情緒分析、關鍵議題及客服人員效能。
- 一個安全且結構化的資料儲存。
- 一個豐富的儀表板，供主管與決策者使用。
商業價值
- 透過感性洞察提升客服人員培訓與客戶滿意度。
- 識別熱門話題與常見問題。
- 自動化對話後的報告工作流程。
- 透過 Dataverse 安全確保合規與資料治理。
考慮事項
這些考慮會實施 Power Platform Well-Architected 的核心支柱，也就是一組能夠改善工作負載品質的指導原則。 在 Microsoft Power Platform Well-Architected 中深入瞭解。
安全性
- 將資料安全地儲存在 Dataverse 中。
- 基於角色的存取控制（RBAC）確保只有授權使用者才能存取資料。
- 所有資料流在 Power Platform 環境中都符合資料政策。
貢獻者們
本文由 Microsoft 維護。 下列參與者撰寫本文。
主要作者：
- Purnananda Behera，高級軟體工程師
後續步驟
- 整合 Azure OpenAI 以支援進階自然語言處理的應用場景。
- 為監督式學習加入使用者回饋或評分模組。
- 連接 Dynamics 365 或 ServiceNow 以建立或升級事件。