Vous pouvez exporter la journalisation des interactions vers BigQuery. Une fois configuré, l'enregistrement de toutes les interactions en direct est écrit dans votre table BigQuery. Vous disposez ainsi d'outils d'analyse avancés qui peuvent vous aider à déboguer et à améliorer votre agent, et à découvrir des tendances dans les données de conversation.
Limites
Les limites suivantes s'appliquent :
- Vous pouvez exporter un maximum de 500 tours par conversation.
Autorisations multiprojet
Si votre agent Dialogflow et vos données BigQuery ne se trouvent pas dans le même projet, le compte de service associé à votre projet Google Cloud Dialogflow doit également disposer de l'autorisation IAM roles/bigquery.dataEditor pour l'ensemble de données BigQuery de votre projet Google Cloud BigQuery.
Format du compte de service: service-<dialogflow-project-number>@gcp-sa-dialogflow.iam.gserviceaccount.com
L'utilisateur qui configure l'exportation dans Dialogflow doit disposer d'autorisations sur le projet BigQuery. Sinon, le projet BigQuery n'apparaîtra pas comme une option dans la console Dialogflow.
L'autorisation minimale requise sur le projet BigQuery pour que l'utilisateur puisse le voir dans Dialogflow est resourcemanager.projects.get.
Vous pouvez également attribuer l'un des rôles prédéfinis Google Cloud suivants qui incluent cette autorisation, mais qui n'exigent pas que l'utilisateur ait accès à l'ensemble de données BigQuery: roles/browser ou roles/bigquery.metadataViewer.
Description de la table
Chaque ligne du tableau contient un tour de conversation avec les colonnes suivantes:
| Colonne | Type | Description |
|---|---|---|
| project_id | STRING | ID du projet. |
| agent_id | STRING | ID de l'agent. |
| conversation_name | STRING | Nom complet de la ressource pour la session. |
| turn_position | INTEGER | Numéro du tour de conversation. |
| request_time | TIMESTAMP | Heure du tour de conversation. |
| language_code | STRING | Le balise de langue. |
| request | JSON | Requête de détection d'intent. |
| réponse | JSON | Réponse de détection d'intent. |
| partial_responses | JSON | Réponses partielles, le cas échéant |
| derived_data | JSON | Métadonnées supplémentaires pour cette prise de parole. |
| conversation_signals | JSON | Données analytiques liées au NLU. Pour obtenir le schéma JSON, consultez ConversationSignals. |
| bot_answer_feedback | JSON | Répondez aux commentaires, le cas échéant. |
Configuration
Pour configurer l'exportation de la journalisation des interactions:
- Assurez-vous que la journalisation des interactions est activée.
- Pour créer un ensemble de données, suivez le guide de création d'ensemble de données BigQuery. Notez le nom de l'ensemble de données, car vous en aurez besoin à l'étape suivante.
Suivez le guide de création de tables BigQuery pour créer une table avec une définition de schéma SQL. Utilisez l'instruction SQL suivante pour la création:
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 );Configurez les paramètres de l'agent pour activer l'exportation vers BigQuery et indiquez le nom de l'ensemble de données et des tables créés ci-dessus.