Spark NQL 機能

データモデルは技術プレビューと一般提供の間で変更されます。そのため、技術プレビュー中に作成した特定の NQL クエリをリリースされた機能に移行する際に調整する必要がある場合があります。

Spark は、以下の NQL データモデルテーブルを使用して、Spark ユーザーのインタラクションデータを照会します:

Areas

説明

agent.conversations

従業員と Spark エージェントの間の会話に関する情報を格納します。

`agent.conversations` テーブルフィールド

以下のクエリは、agent NQL 名前空間の conversations テーブルから conversation_id フィールドオブジェクトを使用します。

agent.conversations 
| list conversation_id

agent.conversations テーブルフィールド

説明

conversation_id

会話のユニークな識別子。

time

会話の最後のメッセージが送信または受信された日時。

first_message_time

ユーザーが会話を開始した時刻。

conversation_duration

会話の最初と最後のメッセージの間の経過時間。

number_of_turns

ユーザーとエージェント間の会話のターン数。

outcome

会話の結果。完了した会話にのみ設定されます。

state

会話の現在の状態。

Spark KPI ウィジェットの NQL 例

以下の例では、ダッシュボードページから行った変更により、システムが対応する調査クエリをどのように更新するかを説明しています。

KPI ダッシュボードで、総会話数を表示する調査を見る

agent.conversations 過去 30 日間
| サマライズ active_users = user.count(), total_conversations = conversation_id.count(), active_conversations = conversation_id.countif((state == in_progress or state == null))

ダッシュボードから調査の詳細を掘り下げる

詳細を掘り下げる… 過去 30 日間のデバイスの平均解決時間を示す KPI ダッシュボードウィジェット

デバイス 過去 30 日間
| include agent.conversations 過去 30 日間
| where agent.conversations.outcome in [resolved, escalated]
| 計算 number_of_conversations_ = conversations.number_of_conversations.sum(), average_resolution_time = agent.conversations.conversation_duration.avg()
| where number_of_conversations_ != 0
| where average_resolution_time != 0
| リスト: device.name, device.entity, device.hardware.model, device.hardware.type, device.operating_system.name, number_of_conversations_, average_resolution_time
| ソート: number_of_conversations_ desc