Jitterbit Sentiment Analysis Agent

Übersicht

Jitterbit bietet den Sentiment Analysis Agent Kunden über den Jitterbit Marketplace an. Dieser Agent nutzt KI, um die Stimmung von Kundenservicefällen zu bewerten, wodurch Organisationen die Trends der Kundenzufriedenheit verstehen und Fälle identifizieren können, die Aufmerksamkeit benötigen.

Die Sentimentanalyse ist eine Technik der Verarbeitung natürlicher Sprache (NLP), die bestimmt, ob ein Text eine positive, negative oder neutrale Einstellung ausdrückt. Der Agent wendet diese Technik auf Salesforce-Fälle und deren Kommentare an und liefert Einblicke wie die anfängliche Stimmung beim Öffnen eines Falls, die abschließende Stimmung nach Interaktionen und einen vorgeschlagenen Lösungsstatus.

Der Agent integriert sich mit Azure OpenAI, um den Falltext zu analysieren und die Stimmung zu klassifizieren. Der Agent führt die folgenden Aufgaben aus:

• Stellt eine Verbindung zu Salesforce her, um Fall- und Kommentardaten mithilfe von Jitterbit Studio abzurufen.
• Sendet den Fallinhalt an Azure OpenAI zur Sentimentanalyse.
• Speichert die Analyseergebnisse entweder im Jitterbit Cloud Datastore oder im Jitterbit App Builder.
• Bietet eine benutzerdefinierte API über den Jitterbit API Manager, um Sentimentdaten nach Fallnummer oder Kontoname aus dem Cloud Datastore abzufragen.

Dieses Dokument erklärt, wie man diesen KI-Agenten einrichtet und betreibt. Es behandelt die Architektur und Voraussetzungen, Beispiel-API-Abfragen, die zeigen, was der Agent tun kann, und Schritte zur Installation, Konfiguration und Betrieb des KI-Agenten.

Architektur des KI-Agenten

Dieser KI-Agent analysiert die Stimmung von Salesforce-Supportfällen. Ein typischer Arbeitsablauf folgt diesen Schritten:

1. Der Agent läuft nach einem Zeitplan oder manuell und fragt Salesforce nach Fällen, die seit dem letzten Lauf geändert wurden.
2. Für jeden Fall extrahiert der Agent die Fallnummer, den Betreff, die Beschreibung, die Kommentare und die zugehörigen Falldetails. Der Agent sendet dann diesen Inhalt an Azure OpenAI.
3. Azure OpenAI analysiert den Text und gibt die Stimmungsklassifikationen zurück. Diese Klassifikationen umfassen die anfängliche Stimmung, die abschließende Stimmung, den vorgeschlagenen Lösungsstatus und eine Erklärung.
4. Der Agent speichert die Analyseergebnisse im Cloud Datastore oder App Builder.
5. Benutzer können Sentimentdaten über eine benutzerdefinierte API nach Fallnummer oder Kontoname (nur Cloud Datastore) abfragen oder eine benutzerdefinierte Anwendung im App Builder erstellen, um die in Tabellen gespeicherten Sentimentdaten zu visualisieren.

Workflow-Diagramme

Die folgenden Diagramme zeigen die beiden Haupt-Workflows in dieser Integration.

Sentiment-Analyse

Der Agent wird nach einem Zeitplan oder manuell ausgeführt, um Salesforce-Fälle zu analysieren:

API-Abfrage

Benutzer fragen Sentiment-Daten aus Cloud Datastore über die benutzerdefinierte API ab:

Voraussetzungen

Sie benötigen die folgenden Komponenten, um diesen KI-Agenten zu verwenden.

Harmony-Komponenten

Sie müssen über eine Jitterbit Harmony-Lizenz mit Zugriff auf die folgenden Komponenten verfügen:

• Jitterbit Studio
• Jitterbit API Manager
• Jitterbit Cloud Datastore oder App Builder
• Jitterbit Sentiment Analysis Agent, der als Lizenz-Add-On erworben wurde

Unterstützte Endpunkte

Der KI-Agent umfasst die folgenden Endpunkte. Sie können andere Systeme integrieren, indem Sie die Endpunktkonfigurationen und Workflows des Projekts anpassen.

Großes Sprachmodell (LLM)

Der KI-Agent verwendet Azure OpenAI als LLM-Anbieter für die Sentiment-Analyse. Um Azure OpenAI zu verwenden, müssen Sie über ein Microsoft Azure-Abonnement mit Berechtigungen verfügen, um eine Azure OpenAI-Ressource mit einem bereitgestellten gpt-4o-Modell zu erstellen.

Datenquelle

Der KI-Agent verwendet Salesforce als Quelle für Kundendaten zu Fällen.

Beispiel-API-Abfragen

Die folgende Tabelle zeigt Beispiel-API-Anfragen, die Sie verwenden können, um Ergebnisse der Sentiment-Analyse aus Cloud Datastore abzufragen. Diese API-Abfragen sind nur anwendbar, wenn Sie Cloud Datastore für die Speicherung verwenden. Wenn Sie App Builder für die Speicherung verwenden, erstellen Sie eine benutzerdefinierte Anwendung innerhalb von App Builder, um die Sentiment-Daten zu visualisieren und damit zu interagieren.

Installation, Konfiguration und Betrieb

Befolgen Sie diese Schritte, um diesen KI-Agenten zu installieren, zu konfigurieren und zu betreiben:

1. Projekt installieren.
2. Projekt-Workflows überprüfen.
3. Microsoft Azure-Ressourcen erstellen.
4. Jitterbit Cloud-Datenspeicher vorbereiten.
5. Projektvariablen konfigurieren.
6. Verbindungen testen.
7. Projekt bereitstellen.
8. Jitterbit benutzerdefinierte API erstellen.
9. Projekt-Workflows auslösen.
10. Fehlerbehebung.

Installieren Sie das Projekt

Befolgen Sie diese Schritte, um das Studio-Projekt zu installieren:

1. Melden Sie sich im Harmony-Portal unter https://login.jitterbit.com an und öffnen Sie Marketplace.

2. Suchen Sie den KI-Agenten mit dem Namen Jitterbit Sentiment Analysis Agent. Um den Agenten zu finden, können Sie die Suchleiste verwenden oder im Filter-Bereich unter Typ KI-Agent auswählen, um die Anzeige zu filtern.

3. Klicken Sie auf den Dokumentation-Link des KI-Agenten, um die Dokumentation in einem separaten Tab zu öffnen. Halten Sie den Tab geöffnet, um später darauf zurückzugreifen, nachdem Sie das Projekt gestartet haben.

4. Klicken Sie auf Projekt starten, um einen Konfigurationsdialog zu öffnen, um den KI-Agenten als Studio-Projekt zu importieren.

   Hinweis

   Wenn Sie den KI-Agenten noch nicht gekauft haben, wird stattdessen Diesen Agenten erhalten angezeigt. Klicken Sie darauf, um einen Informationsdialog zu öffnen, und klicken Sie dann auf Absenden, damit ein Vertreter Sie bezüglich des Kaufs des KI-Agenten kontaktiert.

   Tipp

   Der Konfigurationsdialog enthält eine Warnung, die besagt, dass die Vorlage nicht importiert werden soll, bevor die Endpunktanpassungen angewendet werden. Diese Warnung gilt nicht für diesen KI-Agenten. Sie können sie ignorieren und die empfohlene Reihenfolge der Schritte in dieser Dokumentation befolgen.

5. Klicken Sie auf Weiter.

6. Wählen Sie im Konfigurationsschritt 2, Neues Projekt erstellen, eine Umgebung aus, in der Sie das Studio-Projekt erstellen möchten, und klicken Sie dann auf Projekt erstellen.

7. Ein Fortschrittsdialog wird angezeigt. Nachdem angezeigt wird, dass das Projekt erstellt wurde, verwenden Sie den Dialoglink Gehe zu Studio oder öffnen Sie das Projekt direkt von der Studio Projekte Seite.

Überprüfen Sie die Projekt-Workflows

Überprüfen Sie im geöffneten Studio-Projekt die Workflows und Beschreibungen in der folgenden Tabelle, um zu verstehen, was jeder Workflow tut.

Tool - Get Salesforce Cases

Dieser Workflow automatisiert die Verarbeitung von Fällen und Kommentaren, indem er Details aus Salesforce (basierend auf LastModifiedDate) extrahiert und zur Sentiment-Analyse sendet. Der Workflow speichert die Ergebnisse in Ihrem gewählten Speicherziel (Cloud Datastore oder App Builder).

Sie müssen diesen Workflow zuerst ausführen, um alle Falldaten zu laden und die Sentiment-Analyse zu generieren. Weitere Informationen zum Ausführen des Workflows finden Sie unter Trigger the project workflows.

Main - AI Agent Tools Logic

Dieser Workflow verarbeitet einzelne Fälle, die vom Tool - Get Salesforce Cases Workflow empfangen werden. Er sendet den Fallinhalt (einschließlich Betreff, Beschreibung und Kommentare) an Azure OpenAI, das den Text analysiert und Sentiment-Klassifikationen wie Positiv, Negativ oder Neutral zurückgibt. Der Workflow ruft dann den entsprechenden Utility-Workflow auf, um die Analyseergebnisse zu speichern.

In der Konfiguration der Salesforce Query activity ruft die folgende Abfrage Informationen zu Fällen und Kommentaren ab. Wenn Ihre Salesforce-Organisation diese Objekte und Felder nicht verwendet oder wenn Fall- und Kommentarinformationen in anderen Objekten oder Feldern gespeichert sind, müssen Sie die Abfrage an das Datenmodell Ihrer Salesforce-Organisation anpassen:

SELECT  Account.Id,
        Account.Name,
        CreatedBy.Email,
        CreatedBy.Name,
        LastModifiedBy.Email,
        LastModifiedBy.Name,
        Owner.Email,
        Owner.Name,
        (SELECT CreatedBy.Email,
                CreatedBy.Name,
                Id,
                CommentBody,
                CreatedDate,
                LastModifiedDate,
                LastModifiedBy.Email,
                LastModifiedBy.Name
         FROM CaseComments),
        Id,
        CaseNumber,
        Comments,
        CreatedDate,
        Description,
        LastModifiedDate,
        Origin,
        Priority,
        Reason,
        Status,
        Subject,
        Type
FROM    Case
WHERE   LastModifiedDate > [Last_Modified_Date_Variable]
        AND AccountId != null

Utility - Store to App Builder

Dieser Workflow speichert die Ergebnisse der Sentiment-Analyse für jeden Fall im App Builder. Verwenden Sie diesen Workflow, wenn Sie eine benutzerdefinierte Anwendung zum Anzeigen und Interagieren mit den Sentiment-Daten erstellen möchten. Der App Builder bietet sowohl Datenstorage- als auch Anwendungsentwicklungsfunktionen zur Erstellung interaktiver Dashboards und Berichte. Wenn Sie den App Builder für die Speicherung verwenden, erstellen Sie eine benutzerdefinierte Anwendung innerhalb des App Builders, um die Daten abzufragen und zu visualisieren, anstatt die API zu verwenden.

Dienstprogramm - Speichern und Abfragen im Cloud Datastore

Dieser Workflow speichert und fragt die Ergebnisse der Sentimentanalyse für jeden Fall im Cloud Datastore ab. Verwenden Sie diesen Workflow, wenn Sie auf die Sentimentdaten programmgesteuert über die API zugreifen möchten, ohne eine benutzerdefinierte Anwendung zu erstellen. Der Cloud Datastore bietet Backend-Speicher, den Sie über API-Anfragen abfragen können.

Haupteingang - Datastore API-Anforderungs-Handler

Dieser Workflow verwaltet eingehende API-Anfragen von Benutzern, die die Sentimentanalyse nach Fallnummer oder Kontoname aus dem Cloud Datastore abfragen möchten. Eine benutzerdefinierte Jitterbit-API löst den Workflow jedes Mal aus, wenn ein Benutzer mit der API interagiert. Für Konfigurationsinformationen siehe Erstellen Sie die benutzerdefinierte Jitterbit-API.

Haupteingang - Kunden-API-Anforderungs-Handler

Dieser Workflow verwaltet eingehende API-Anfragen von Benutzern, die die Sentimentanalyse nach Kundenname aus dem Cloud Datastore abfragen möchten. Dieser Workflow bietet eine alternative Abfragemethode zum Zugriff auf Daten im Cloud Datastore. Eine benutzerdefinierte Jitterbit-API löst den Workflow jedes Mal aus, wenn ein Benutzer mit der API interagiert. Für Konfigurationsinformationen siehe Erstellen Sie die benutzerdefinierte Jitterbit-API.

Microsoft Azure-Ressourcen erstellen

Erstellen Sie die folgenden Microsoft Azure-Ressourcen und behalten Sie die Informationen zur Konfiguration des KI-Agenten. Um diese Ressourcen zu erstellen und zu verwalten, müssen Sie über ein Microsoft Azure-Abonnement mit den entsprechenden Berechtigungen verfügen.

Azure OpenAI-Ressource

Sie müssen eine Azure OpenAI-Ressource erstellen und ein gpt-4o-Modell über das Azure AI Foundry-Portal bereitstellen.

Sie benötigen den Bereitstellungsnamen, die Azure OpenAI-Endpunkt-URL und den API-Schlüssel, um die Azure OpenAI-Projektvariablen zu konfigurieren. Um diese Werte zu finden, befolgen Sie diese Schritte:

1. Öffnen Sie im Azure AI Foundry-Portal die spezifische OpenAI-Ressource.

2. Auf der Startseite der Ressource finden Sie die Werte für die Endpunkt-URL (azure_openai_base_url) und den API-Schlüssel (azure_openai_api_key).

3. Wählen Sie im Navigationsmenü unter Geteilte Ressourcen Bereitstellungen aus. Der Bereitstellungsname (azure_deployment_id) wird in der Liste angezeigt.

Jitterbit Cloud Datastore vorbereiten

Überspringen Sie diesen Abschnitt, wenn Sie App Builder für die Speicherung verwenden.

Wenn Sie Cloud Datastore verwenden, erstellen Sie einen Schlüssel-Speicher mit dem Namen Sentiment_Analysis. Konfigurieren Sie die Felder mit den Namen und Typen, die in der folgenden Tabelle aufgeführt sind.

Wenn Sie benutzerdefinierte Felder hinzufügen, verwenden Sie die Tabelle, um zu bestimmen, ob Sie jedes Feld in der Benutzeroberfläche von Cloud Datastore auf Erforderlich umschalten sollten. Die Felder AlternativeKey und Value sind Standardfelder, die Sie nicht entfernen oder umschalten können.

Sie können die Werte von Feldern, die automatisch ausgefüllt werden oder die der Agent nicht verwendet, leer lassen.

Speicherung der Sentiment-Analyse (Sentiment_Analysis)

Dieser Schlüssel-Speicher speichert die von KI generierten Ergebnisse der Sentiment-Analyse für jeden Salesforce-Fall. Die Sentiment-Werte geben an, ob die Fallkommunikationen positiv, negativ oder neutral sind. Der Agent füllt diese Daten automatisch aus, wenn er ausgeführt wird.

Projektvariablen konfigurieren

Im Studio-Projekt müssen Sie Werte für die folgenden Projektvariablen festlegen.

Um Projektvariablen zu konfigurieren, verwenden Sie das Aktionsmenü des Projekts, um Projektvariablen auszuwählen. Diese Aktion öffnet ein Panel am unteren Rand der Seite, in dem Sie die Werte überprüfen und festlegen können.

Cloud Datastore

Konfigurieren Sie diese Variable nur, wenn Sie Cloud Datastore zur Speicherung verwenden.

Allgemein

Azure OpenAI

Salesforce

App Builder

Konfigurieren Sie diese Variablen nur, wenn Sie App Builder zur Speicherung verwenden.

Für detaillierte Anweisungen zur Konfiguration von API-Schlüsseln und REST-API-Endpunkten siehe App Builder-App als REST-API-Endpunkt veröffentlichen.

API-Schlüssel erhalten

Um einen API-Schlüssel für die Variable app_builder_api_key zu erhalten:

1. Erstellen Sie einen API-Schlüssel Sicherheitsanbieter in IDE > Sicherheitsanbieter.
2. Weisen Sie den API-Schlüssel einem Benutzer in IDE > Benutzerverwaltung zu.

Finden Sie Ihre Endpunkt-URL

Um den richtigen Wert für die Variable app_builder_endpoint_url zu finden:

1. Navigieren Sie zu IDE > REST APIs.
2. Suchen Sie Ihre Anwendung im Anwendungs-Panel. Der Endpunktname wird in der Endpunkt-Spalte angezeigt.
3. Finden Sie im Business Objects-Panel die Tabelle, die als REST-Ressource veröffentlicht ist. Der Ressourcenname wird in der Name-Spalte angezeigt.
4. Konstruieren Sie die Endpunkt-URL mit folgendem Format: rest/v1/{ApplicationEndpoint}/{ResourceName}.

Verbindungen testen

Testen Sie die Endpunktkonfigurationen, um die Konnektivität mit den definierten Projektvariablenwerten zu überprüfen.

Um Verbindungen zu testen, gehen Sie zum Projektendpunkte und -verbinder-Tab der Designkomponentenpalette, fahren Sie mit der Maus über jeden Endpunkt und klicken Sie auf Test.

Projekt bereitstellen

Bereitstellen des Studio-Projekts.

Um das Projekt bereitzustellen, verwenden Sie das Aktionsmenü des Projekts, um Bereitstellen auszuwählen.

Erstellen Sie die benutzerdefinierte Jitterbit-API

Erstellen Sie eine benutzerdefinierte API mit dem API-Manager für die Operationen in den Workflows Main Entry - Datastore API Request Handler und Main Entry - Query Customer API Request Handler.

Diese benutzerdefinierte Jitterbit-API löst zwei Operationen aus, die Cloud Datastore abfragen. Sie müssen zwei Dienste für diese benutzerdefinierte API erstellen.

Konfigurieren und veröffentlichen Sie die benutzerdefinierte API mit den folgenden Einstellungen für den ersten Dienst:

Konfigurieren und veröffentlichen Sie die benutzerdefinierte API mit den folgenden Einstellungen für den zweiten Dienst:

Nachdem Sie jeden Dienst konfiguriert haben, veröffentlichen Sie die benutzerdefinierte API.

Speichern Sie die API-Dienst-URL der veröffentlichten API zur Verwendung bei API-Anfragen. Um die Dienst-URL zu finden, gehen Sie zum API-Details-Bereich auf der Dienste-Registerkarte, fahren Sie mit der Maus über die Aktionen-Spalte des Dienstes und klicken Sie auf API-Dienst-URL kopieren.

Triggern Sie die Projekt-Workflows

Für den initialen Datenimport führen Sie die Operation im ersten Workflow, Tool - Salesforce-Fälle abrufen, aus. Um die Operation auszuführen, fahren Sie mit der Maus über die Operation und wählen Sie die Ausführen-Option. Führen Sie die Operation in Zukunft erneut aus, wenn Ihre Daten aktualisiert werden.

Die folgenden Workflows werden durch die Jitterbit-Benutzerdefinierten APIs ausgelöst und funktionieren nur mit Cloud Datastore:

• Haupteintrag - Datastore API Request Handler: Dieser Workflow wird durch API-Anfragen (mit Authentifizierung) und Abfragen nach Key (Fallnummer) oder AlternativeKey (Kontoname) ausgelöst.
• Haupteintrag - Abfrage Customer API Request Handler: Dieser Workflow wird durch API-Anfragen (mit Authentifizierung) und Abfragen nach customerName (Kundenname) ausgelöst. Dieser Workflow bietet eine alternative Abfragemethode für Cloud Datastore-Daten.

Alle anderen Workflows werden durch andere Operationen ausgelöst und laufen nach den oben aufgeführten Workflows. Diese Workflows sind nicht dafür vorgesehen, unabhängig zu laufen.

Fehlerbehebung

Wenn Sie auf Probleme stoßen, überprüfen Sie die folgenden Protokolle für detaillierte Informationen zur Fehlerbehebung:

• API-Protokolle
• Betriebsprotokolle

Für zusätzliche Unterstützung kontaktieren Sie Jitterbit-Support.