1. Filtros de exportación

Antes de exportar, puedes usar los filtros disponibles en la interfaz de usuario de Conversation Hub para seleccionar solo las conversaciones que te interesan.

• Filtros soportados:

  • Conversaciones con un número de turnos específico.

  • Conversaciones manejadas por un ID de agente en particular.

  • Conversaciones dentro de un rango de fechas y horas determinado.

• Nota: Aunque es un paso opcional, filtrar te ayuda a manejar grandes volúmenes de datos. Si no aplicas ningún filtro, se exportarán todas las conversaciones.

2. Proceso de exportación a BigQuery

La exportación puede realizarse tanto a través de la interfaz de usuario como de la API, aunque se recomienda usar la API para operaciones a gran escala.

1. Crear una tabla de destino en BigQuery:

   • Antes de iniciar la exportación, debes crear una tabla vacía en la consola de BigQuery.

   • No es necesario definir el esquema, ya que se generará dinámicamente durante el proceso de exportación.

2. Iniciar la exportación desde la interfaz de usuario de Insights:

   • En Conversation Hub, haz clic en el botón Export.

   • Revisa los filtros aplicados y el recuento de conversaciones.

   • Ingresa el conjunto de datos y el nombre de la tabla de BigQuery.

   • Inicia el trabajo de exportación, que es una operación de larga duración. Puedes monitorear su progreso en la esquina superior derecha del panel de Insights.

3. Consideraciones adicionales para la API:

   • La API te permite exportar un gran volumen de datos, superando las limitaciones de la interfaz de usuario.

   • Se pueden configurar opciones de sobrescritura o de añadir datos:

     • WRITE_TRUNCATE: Sobrescribe los datos de la tabla de destino (opción por defecto).

     • WRITE_APPEND: Añade los datos exportados a la tabla de destino existente.

   • La exportación es compatible con tablas protegidas por claves de encriptación gestionadas por el cliente (CMEK).

3. Esquema de datos exportados

Una vez completada la exportación, los datos están disponibles en la tabla de BigQuery y pueden ser explorados.

• Métricas a nivel de conversación:

  • Nombre del tema (topic name).

  • Porcentaje de silencio (silence percentage).

  • Entidades identificadas (entities).

• Métricas a nivel de frase/turno (sentence level):

  • Puntuación de sentimiento (sentiment score).

  • Intención (intent).

  • Marcadores (highlights).

• Métricas a nivel de palabra:

  • Identificador del hablante (speaker tag).

  • Código de idioma (language code).