会話分析コード インタープリタ

会話分析は、AI を活用したデータ分析ツールです。通常の自然言語(会話)で質問することで、データから高度な分析情報を導き出すことができます。会話分析を使用するのに、コーディングの経験やデータに関する専門知識は必要ありません。

会話分析のコード インタープリタは、自然言語の質問を Python コードに変換し、そのコードを実行して高度な分析と可視化を提供します。標準の SQL を活用した BI とは対照的に、コード インタープリタは、基本的な計算やグラフ作成から、時系列予測などの高度なタスクまで、さまざまなデータ分析をサポートしています。コード インタープリタは、高度なコーディングや統計手法に関する専門知識が通常必要となる高度な分析をユーザーが実行できるようにすることで、会話分析を強化します。

Gemini for Google Cloud がデータを使用する方法とタイミングに関する説明をご覧ください。Gemini for Google Cloud プロダクトは初期段階のテクノロジーであるため、もっともらしく見えても事実に反する出力を生成する場合があります。Gemini for Google Cloud からの出力は、使用する前に検証することをおすすめします。詳細については、Gemini for Google Cloud と責任ある AI をご覧ください。

Google Cloud

試験運用版プレビューに登録する

コード インタープリタは、2025 年第 2 四半期に試験運用版としてプレビューできます。プレビューが利用可能になったときに通知を受け取るには、プレビューへのお問い合わせフォームにご記入ください。

既知の制限事項

  • Code Interpreter は Python を使用して問題を解決します。Python は構造化クエリ言語よりも柔軟性が高いため、コード インタープリタのレスポンスは、コア コンバージョン アナリティクスのレスポンスよりも変動が大きくなる可能性があります。
  • Looker データの場合、会話分析はクエリごとに最大 5,000 行を返すことができます。
  • コード インタープリタは、これらの Python ライブラリをサポートしています。その他の Python ライブラリのサポートをリクエストするには、conversational-analytics-feedback@google.com までメールをお送りください。

その他の制限事項については、Conversational Analytics の既知の制限事項に関するドキュメントをご覧ください。

サポートされている Python ライブラリ

サポートされている Python ライブラリを表示する

Code Interpreter は、次の Python ライブラリをサポートしています。

  • altair
  • attrs
  • chess
  • contourpy
  • cycler
  • entrypoints
  • fonttools
  • fpdf
  • geopandas
  • imageio
  • jinja2
  • joblib
  • jsonschema
  • jsonschema-specifications
  • kiwisolver
  • lxml
  • markupsafe
  • matplotlib
  • mpmath
  • numexpr
  • numpy
  • opencv-python
  • openpyxl
  • packaging
  • pandas
  • patsy
  • pdfminer-six
  • pillow
  • plotly
  • protobuf
  • pylatex
  • pyparsing
  • PyPDF2
  • python-dateutil
  • python-docx
  • python-pptx
  • pytz
  • referencing
  • reportlab
  • rpds-py
  • scikit-image
  • scikit-learn
  • scipy
  • seaborn
  • six
  • statsmodels
  • striprtf
  • sympy
  • tabulate
  • tensorflow
  • threadpoolctl
  • toolz
  • torch
  • tzdata
  • xlrd

サポートされている質問

コード インタープリタを有効にすると、Python の高度な分析機能により、会話分析でサポートされている標準タイプの質問に加えて、より幅広い質問に回答できるようになります。次に例を示します。

  • 平均購入頻度と平均注文額を考慮した、各顧客セグメントのライフタイム バリューはどのくらいですか?
  • 今年の売上と昨年の売上を比較するとどうなりますか?
  • 販売データの外れ値を特定して、特に好調または不調な商品や地域を特定できます。
  • コホート分析を実施して、顧客維持率を把握します。
  • 利益率が最も高い商品は、最も人気のある商品でもあるか?この回答に基づいて、商品構成の最適化方法を提案してください。