Konfigurere intelligent ferdighetssøksmodell
Merk
Informasjonen om funksjonstilgjengelighet er som følger.
| Dynamics 365 Contact Center – innebygd | Dynamics 365 Contact Center – frittstående | Dynamics 365 Customer Service |
|---|---|---|
| Ja | Ja | Ja |
Hvis du vil konfigurere maskinlæringsbaserte regler for klassifisering av ferdigheter, kan du konfigurere intelligente modeller for ferdighetssøk som kan brukes til å forutsi ferdigheter.
Du kan opprette. teste og lære opp maskinlæringsmodeller som bruker kunstig intelligens, for å fastsette de nødvendige ferdighetene for nye arbeidselementer og bruke dataene i Microsoft Dataverse. Hvis du prøver å konfigurere modellen i en ny organisasjon, eller hvis ferdighetsbasert ruting ikke var i bruk, er det imidlertid ikke sikkert at du har de nødvendige ferdighetsdataene. I slike siturasjoner kan du bruke data fra et annet program ved å bruke alternativet Importer fra Excel i modellen for ferdighetssøker.
Intelligent ferdighetssøk avhenger av den egendefinerte AI Builder-kategoriklassifiseringsmodellen. Derfor bør AI Builder være tilgjengelig i den geografiske regionen der du vil bruke intelligent ferdighetssøker. Mer informasjon: Tilgjengelighet for AI Builder.
Viktig
Hvis du vil importere ferdighetssøksmodeller fra ett miljø til et annet, må du kontrollere at du importerer og eksporterer mellom miljøer av samme type. En modell som er opplært i testmiljø, fungerer bare i et annet testmiljø og ikke i et produksjonsmiljø.
Forutsetning
Du må aktivere AI Builder modeller for forhåndsversjon for å bruke den intelligente modellen for ferdigheter.
Opprette ferdighetssøksmodeller
Du kan opprette så mange intelligente vurderingsmodeller for ferdigheter som virksomheten krever.
I områdekartet for Administrasjonssenter for Customer Service velger du Innsikt i Operasjoner. Siden Innsikt vises.
Velg Administrer i delen Intelligent ferdighetssøk.
Velg Ny på siden Intelligente ferdighetssøksmodeller, og i kategorien Konfigurasjon på siden Ny ferdighetssøkmodell.
I Datavilkår angir du følgende for å opprette datasettoppføringene:
- Attributter (obligatorisk): Velg attributter i Attributter og relaterte lister for å opprette kalibreringsdatasettet. De tilsvarende attributtverdiene flettes i rekkefølgen de legges til i, og blir brukt for å opprette inndatastrengen for modellopplæringsdata.
- Filtre: Du kan også bruke filtre for å velge relevante oppføringer betinget.
- Datointervall: Velg en verdi for å angi tidsperioden som oppføringene skal lastes inn for.
Velg Lagre, og velg deretter Last inn opplæringsdata. Kategorien Opplæringsdata vises og viser datainnlastingsstatusen.
Når innlastingen er fullført, ser du gjennom dataene og redigerer oppføringene hvis du vil endre merkene.
I delen Opplæringsdata merker du av i boksen for Inndata forå velge alle oppføringene, og deretter velger du Godkjenn. Du må godkjenne minimum 50 oppføringer for at modellen skal bli opplært.
Velg Togmodell, og velg Togmodell på nytt i bekreftelsesdialogboksen.
Når statusen er endret til opplæring fullført, velger du radene du vil publisere, og deretter velger du Publiser modell. Ferdighetsmodellen er klar til bruk.
Teste modellen
Du kan teste modellen for å finne ut om den fungerer som forventet. Utfør fremgangsmåten nedenfor for å vise ytelsen og nøyaktigheten for modellen.
- Velg miljøet som inneholder løsningen, i Power Apps.
- Velg AI-modeller. Du kan vise modellene du har opprettet i Mine modeller, og modellene som deles med deg i Delt med meg. Velg den nødvendige modellen.
- Slett Hurtigtest. Hvis du vil ha modellrelatert informasjon, velger du loddrett ellipse ved siden av Hurtigtest-knappen, og deretter velger du Last ned detaljerte metrikkverdier. Metrikkverdifilen inneholder informasjon om modellens ytelse, nøyaktighet og presisjon. For mer informasjon, se Forstå ytelse for modell for kategoriklassifisering
- I Tekst angir du nødvendig tekst og velger Test. De beregnede merkene vises i Foreslåtte merker og konfidens.
- Hvis de beregnede merkene samsvarer med tilgjengelige ferdigheter i organisasjonen når modellen kjører, kobles de tilsvarende ferdighetene til modellen.
Gjenopplære modellen iterativt
Du bør gjenopplære den publiserte modellen iterativt for å forbedre modellen med nye data i Microsoft Dataverse. Gjenopplæring av modellen kan for eksempel utføres på nytt ved hjelp av oppføringene der agenter har oppdatert ferdighetene for oppføringer eller diskusjoner. Når du endrer modellen slik at den inkluderer ferdighetene som er lagt til av agenter, ser du gjennom opplæringsdataoppføringene etter at de er lastet inn, for å forsikre deg om at den oppfyller de nødvendige ferdighetskriteriene.
Hvis du vil ha informasjon om hvordan agentene kan oppdatere ferdigheter, kan du se Administrere ferdigheter. Hvis du vil gjøre det mulig for agentene dine å oppdatere ferdigheter ved kjøretid, kan du se Gi agenter mulighet til å oppdatere ferdigheter.
Du kan definere betingelsene som du ser på følgende skjermbilde.
Bruker opplæringsdata fra Excel-filen
Hvis du ikke har data for å lære opp modellen, kan du fylle ut ferdighets- og attributtdata i Excel-filer og laste dem opp til programmet ved hjelp av importfunksjonen i Microsoft Dataverse.
Hvis du vil bruke dataene fra Excel-filene, må du sørge for følgende:
Modellnavnet i programmet skal samsvare med navnet i opplæringsoppføringskolonnen i Excel-filen.
Gi filene navnet msdyn_ocsitrainingdata.csv og msdyn_ocsitdskill.csv.
Kontroller at inndatastrengen er mindre enn eller lik 5 000 tegn for å unngå avkorting.
Et eksempel på hver fil er som følger. Du kan velge koblingene for å laste ned eksempelfilene.
| Ferdighetssøksmodell | Navn på kalibreringsoppføring | Inndata |
|---|---|---|
| CCSFM01-Contoso Coffee ferdighetssøkmodell | CCSFM01-Contoso Coffee opplæringsdata A10001 | Hei, jeg jobber på Trey Research. En av de automatiske espressomaskinene blir overopphetet og lukter brent etter 30 minutters bruk. Vi trenger hjelp! Ja. Nei. |
| CCSFM01-Contoso Coffee ferdighetssøkmodell | CCSFM01-Contoso Coffee opplæringsdata A10002 | Hei! Jeg har nylig kjøpt en Café A-100-kaffemaskin, og topplaten overopphetes etter 15 minutters bruk. Vennligst løs problemet raskt. |
| CCSFM01-Contoso Coffee ferdighetssøkmodell | CCSFM01-Contoso Coffee opplæringsdata A10003 | Hei! Jeg kan ikke starte min nylig innkjøpte espressomaskin. Det ser ut som den elektriske pluggen ikke fungerer. |
| CCSFM01-Contoso Coffee ferdighetssøkmodell | CCSFM01-Contoso Coffee opplæringsdata A10004 | Hei, jeg jobber på Trey Research. Jeg vil erstatte kaffemaskinen jeg kjøpte for 3 måneder siden. Problemet vedvarer selv om jeg klaget på overopphetingsproblemet. Vi trenger hjelp! |
| CCSFM01-Contoso Coffee ferdighetssøkmodell | CCSFM01-Contoso Coffee opplæringsdata A10005 | Hei! Min nylig innkjøpte Café A-100-maskinen er ikke i den fargen jeg bestilte. Vennligt erstatt den. |
| Kalibreringsoppføring | Kjennetegntilordning | Kjennetegn |
|---|---|---|
| CCSFM01-Contoso Coffee opplæringsdata A10001 | Kafé A-100 | Kafé A-100 |
| CCSFM01-Contoso Coffee opplæringsdata A10001 | Oppvarming | Oppvarming |
| CCSFM01-Contoso Coffee opplæringsdata A10001 | Elektrisk | Elektrisk |
| CCSFM01-Contoso Coffee opplæringsdata A10002 | Kafé A-100 | Kafé A-100 |
| CCSFM01-Contoso Coffee opplæringsdata A10002 | Oppvarming | Oppvarming |
Utfør følgende trinn for å laste opp dataene for opplæring av modellen:
Skriv inn et navn på modellen på siden Ferdighetssøksmodell, og lagre skjemaet.
Velg kategorien Kalibreringsdata, og velg Importer Excel.
Velg CSV-filene som skal lastes opp i importverktøyet.
Gå gjennom opplastingsinnstillingene, og velg Fullfør etter at du har gått gjennom trinnene. Dataopplastingen starter. Tiden som brukes på dataopplastingen, avhenger av antall oppføringer.
Du kan eventuelt velge Oppdater for å vise den oppdaterte statusen for dataopplastingen.
Utfør trinn 5 til 8 i Opprette ferdighetssøksmodeller for å godkjenne, lære opp og publisere modellen.
Se også
Oversikt over kompetansebasert ruting
Oversikt over enhetlig ruting
Konfigurer ferdighetsbasert ruting i enhetlig ruting