Sie können Interaktions-Logging nach BigQuery exportieren. Nach der Konfiguration wird das gesamte Live-Interaktions-Logging in Ihre BigQuery-Tabelle geschrieben. Dadurch stehen Ihnen erweiterte Analysetools zur Verfügung, mit denen Sie den Agent debuggen und optimieren sowie Muster in Unterhaltungsdaten erkennen können.
Beschränkungen
Es gelten folgende Einschränkungen:
- Pro Unterhaltung können maximal 500 Runden exportiert werden.
Projektübergreifende Berechtigungen
Wenn sich der Dialogflow-Agent und die BigQuery-Daten nicht im selben Projekt befinden, muss das mit Ihrem Dialogflow-Google Cloud-Projekt verknüpfte Dienstkonto auch die IAM-Berechtigung roles/bigquery.dataEditor für das BigQuery-Dataset in Ihrem BigQuery-Google Cloud-Projekt haben.
Dienstkontoformat: service-<dialogflow-project-number>@gcp-sa-dialogflow.iam.gserviceaccount.com
Der Nutzer, der den Export in Dialogflow konfiguriert, muss Berechtigungen für das BigQuery-Projekt haben. Andernfalls wird das BigQuery-Projekt nicht als Option in der Dialogflow-Konsole angezeigt.
Die Mindestberechtigung, die für das BigQuery-Projekt erforderlich ist, damit der Nutzer es in Dialogflow sehen kann, ist resourcemanager.projects.get.
Alternativ können Sie eine der folgenden vordefinierten Google Cloud-Rollen mit dieser Berechtigung zuweisen, für die der Nutzer jedoch keinen Zugriff auf das BigQuery-Dataset benötigen: roles/browser oder roles/bigquery.metadataViewer.
Tabellenbeschreibung
Jede Zeile der Tabelle enthält eine Unterhaltungsrunde mit den folgenden Spalten:
| Spalte | Typ | Beschreibung |
|---|---|---|
| project_id | STRING | Die Projekt-ID. |
| agent_id | STRING | Die Agent-ID. |
| conversation_name | STRING | Der voll qualifizierte Ressourcenname für die Sitzung. |
| turn_position | INTEGER | Die Nummer der Unterhaltungsrunde. |
| request_time | TIMESTAMP | Die Zeit der Gesprächsrunde. |
| language_code | STRING | Das Sprach-Tag. |
| Anfrage | JSON | Die Anfrage zur Intent-Erkennung. |
| Antwort | JSON | Die Antwort zur Intent-Erkennung. |
| partial_responses | JSON | Teilantworten, falls zutreffend. |
| derived_data | JSON | Zusätzliche Metadaten für diese Unterhaltungsrunde. |
| conversation_signals | JSON | NLU-bezogene Analysedaten. Das JSON-Schema finden Sie unter ConversationSignals. |
| bot_answer_feedback | JSON | Beantworten Sie Feedback, falls vorhanden. |
Konfiguration
So konfigurieren Sie den Logging-Export für Interaktionen:
- Das Interaktions-Logging muss aktiviert sein.
- Folgen Sie dem BigQuery-Leitfaden zum Erstellen von Datasets, um ein Dataset zu erstellen. Notieren Sie sich den Dataset-Namen, da Sie diesen im nächsten Schritt benötigen.
Folgen Sie dem Leitfaden zum Erstellen von BigQuery-Tabellen, um eine Tabelle mit einer SQL-Schemadefinition zu erstellen. Verwenden Sie zum Erstellen die folgende SQL-Anweisung:
CREATE TABLE <your_dataset_name>.dialogflow_bigquery_export_data( project_id STRING, agent_id STRING, conversation_name STRING, turn_position INTEGER, request_time TIMESTAMP, language_code STRING, request JSON, response JSON, partial_responses JSON, derived_data JSON, conversation_signals JSON, bot_answer_feedback JSON );Konfigurieren Sie Ihre Agent-Einstellungen, um den BigQuery-Export zu aktivieren und die oben erstellten Dataset- und Tabellennamen anzugeben.