डेटा कलेक्शन

• अपेक्षित फ़ॉर्मैट साफ़ तौर पर बताएं (जैसे, “user@domain.com फ़ॉर्मैट में ईमेल पता”)
• जानकारी गायब या अस्पष्ट होने पर क्या करना है, यह बताएं
• मान्य और अमान्य डेटा के उदाहरण शामिल करें
• किसी भी वैलिडेशन की ज़रूरत का उल्लेख करें

संपर्क जानकारी:

• email: “कस्टमर का ईमेल पता स्टैंडर्ड फ़ॉर्मैट में निकालें (user@domain.com)”
• phone_number: “एरिया कोड सहित कस्टमर का फ़ोन नंबर निकालें”
• full_name: “कस्टमर का दिया गया पूरा नाम निकालें”

बिज़नेस डेटा:

• issue_category: “कस्टमर की समस्या को इनमें से किसी एक में वर्गीकृत करें: तकनीकी, बिलिंग, अकाउंट या सामान्य”
• satisfaction_rating: “कस्टमर द्वारा दी गई कोई भी संख्यात्मक संतुष्टि रेटिंग निकालें (1-10 स्केल)”
• order_number: “कस्टमर द्वारा बताया गया कोई भी ऑर्डर या रेफ़रेंस नंबर निकालें”

व्यवहार संबंधी डेटा:

• was_angry: “तय करें कि कस्टमर ने कॉल के दौरान गुस्सा या निराशा व्यक्त की थी या नहीं”
• requested_callback: “तय करें कि कस्टमर ने कॉलबैक या फ़ॉलो-अप का अनुरोध किया था या नहीं”

जब मांगा गया डेटा ट्रांसक्रिप्ट में नहीं मिलता या अस्पष्ट होता है, तो एक्सट्रैक्शन null या खाली वैल्यू लौटाएगा। इन बातों पर विचार करें:

• गायब डेटा संभालने के लिए अपने एप्लिकेशन में कंडीशनल लॉजिक का उपयोग करें
• अधूरे एक्सट्रैक्शन के लिए फ़ॉलबैक मानदंड बनाएं
• ज़रूरी जानकारी लगातार जुटाने के लिए एजेंट्स को प्रशिक्षित करें

• जांचें कि डेटा बातचीत के ट्रांसक्रिप्ट में मौजूद है
• जांचें कि आपका एक्सट्रैक्शन प्रॉम्प्ट पर्याप्त रूप से स्पष्ट है या नहीं
• सुनिश्चित करें कि डेटा टाइप अपेक्षित फ़ॉर्मैट से मेल खाता है
• विचार करें कि बातचीत के दौरान जानकारी साफ़ तौर पर दी गई थी या नहीं

• फ़ॉर्मैट विनिर्देशों के लिए एक्सट्रैक्शन प्रॉम्प्ट की समीक्षा करें
• प्रॉम्प्ट में वैलिडेशन की ज़रूरतें जोड़ें
• डेटा मानकीकरण के लिए पोस्ट-प्रोसेसिंग पर विचार करें
• अलग-अलग बातचीत परिदृश्यों के साथ टेस्ट करें

• हर डेटा कलेक्शन नियम प्रोसेसिंग समय बढ़ाता है
• जटिल एक्सट्रैक्शन लॉजिक का मूल्यांकन करने में ज़्यादा समय लग सकता है
• एक्सट्रैक्शन की सटीकता और स्पीड की ज़रूरतों पर नज़र रखें
• जहां संभव हो, दक्षता के लिए प्रॉम्प्ट ऑप्टिमाइज़ करें