スパーク 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ネームスペースのconversationsテーブルからconversation_idフィールドオブジェクトを使用しています。

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ダッシュボードのトータル会話数を示す調査を表示

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

関連トピック

• スパークの開始方法