El dashboard está organizado en tres solapas principales:
- Rendimiento del Bot: permite analizar el volumen de interacciones, los caminos de respuesta del asistente y las principales métricas de retención, evasivas, derivaciones y desempeño de RAG.
- Conocimiento GenAI: permite evaluar el uso de la base de conocimiento, identificar el porcentaje de interacciones respondidas y detectar oportunidades de mejora en los documentos, las intenciones y la calidad de las respuestas.
- Conversaciones: permite analizar las sesiones por categoría, intención, canal y estado de resolución, además de revisar conversaciones individuales y sus detalles.
Tip: para obtener una visión completa del desempeño del asistente, sigue este recorrido:1) Comienza en Rendimiento del Bot para identificar el volumen de interacciones, cómo se distribuyen según el camino de respuesta y cuáles son las principales tendencias.
2) Continúa en Conocimiento GenAI para identificar los documentos e intenciones involucrados, analizar las respuestas no respondidas y detectar los tipos de problemas más frecuentes.
3) Finaliza en Conversaciones para revisar casos concretos, comprender qué ocurrió, analizar el estado de resolución y definir acciones de mejora.
¿Cómo relacionar las principales métricas?Es importante no interpretar ninguna métrica de forma aislada. Estas son algunas relaciones clave para analizar los datos del dashboard:
- Sentimiento no es lo mismo que resolución: el sentimiento describe cómo se expresó el usuario, no si su necesidad quedó resuelta. Un usuario molesto puede terminar con su necesidad resuelta, mientras que uno amable puede quedarse sin respuesta.
- Calidad de respuesta no es lo mismo que resolución: la calidad de respuesta evalúa la respuesta de la IA, mientras que el estado de resolución indica si la necesidad del usuario quedó cubierta. Una respuesta incompleta puede ir seguida de una derivación a un agente que resuelva la necesidad.
- Transferido no significa necesariamente un fallo: hay procesos en los que derivar a un agente es lo esperado. Para interpretar el porcentaje de derivación, conviene analizarlo junto con la calidad de respuesta y las respuestas evasivas.
-
Respuestas evasivas + fricción conversacional + respuestas deficientes: estas métricas permiten identificar oportunidades de mejora desde distintas perspectivas. Las respuestas evasivas indican que el asistente no pudo responder adecuadamente; la fricción refleja situaciones en las que el usuario tuvo que reformular su consulta o repetir información; y las respuestas deficientes señalan problemas en la calidad de la respuesta.
Por ejemplo, si un mismo documento o una misma intención presenta muchas respuestas evasivas, alta fricción conversacional y un porcentaje elevado de respuestas deficientes, es recomendable priorizar su revisión. - Etiqueta no identificada e intención no identificada: las consultas que no pueden asignarse a una categoría o intención configurada pueden ayudar a descubrir nuevas necesidades de los usuarios y detectar oportunidades para crear o ajustar intenciones.
Aprende qué significa cada métrica y gráfico del dashboard de GenAI en el recorrido a continuación: