Sie können das Interaktions-Logging nach BigQuery exportieren. Nach der Konfiguration wird das gesamte Live-Interaktions-Logging in Ihre BigQuery-Tabelle geschrieben. Dadurch erhalten Sie erweiterte Analysetools, die Sie beim Debuggen und Verbessern des Agents unterstützen und Muster in Unterhaltungsdaten erkennen können.
Beschränkungen
Es gelten folgende Einschränkungen:
- Pro Unterhaltung können maximal 500 Abzweigungen 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.
Format des Dienstkontos: service-<dialogflow-project-number>@gcp-sa-dialogflow.iam.gserviceaccount.com
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 Anzahl der Unterhaltungsrunden. |
request_time | TIMESTAMP | Der Zeitpunkt des Gesprächsverlaufs. |
language_code | STRING | Das language-Tag. |
Request | 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 Informationen zum JSON-Schema finden Sie unter ConversationSignals. |
bot_answer_feedback | JSON | Beantworte gegebenenfalls Feedback. |
Konfiguration
So konfigurieren Sie den Export von Interaktions-Logging:
- Achten Sie darauf, dass das Interaktions-Logging aktiviert ist.
- Folgen Sie der Anleitung zum Erstellen von Datasets in BigQuery, um ein Dataset zu erstellen. Notieren Sie sich den Dataset-Namen, da Sie ihn 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.