支援分析專用的 BigQuery 整合

Maven AGI 可直接將對話資料匯出至 Google BigQuery，讓您的資料團隊完整存取支援互動資料，用於分析、報表與機器學習。結合 Maven 的 AI 客戶體驗（CX）平台與 BigQuery 資料倉儲，從支援歷史資料中發掘趨勢、衡量績效並建立預測模型。

Maven AGI 如何運用 BigQuery

Maven 會將結構化對話資料（包括逐字稿、解決結果、回應時間與客戶中繼資料）串流至您的 BigQuery 資料集。您的資料團隊可將這些資料與產品使用、營收及其他業務指標一併查詢，全面掌握支援工作對營運成果的影響。

主要功能

• 自動化資料匯出。 Maven 會持續將對話紀錄、解決狀態與互動中繼資料匯出至 BigQuery 或 Google Cloud Storage，無須手動擷取或下載 CSV。
• 結構化對話資料。 每段對話都會拆分為可查詢的欄位：時間戳記、管道、主題、解決路徑、客服人員動作及顧客滿意度訊號。這樣的結構讓您能輕鬆在 Looker、Data Studio 或任何連接 BigQuery 的 BI 工具中建立儀表板。
• 跨系統分析。 將 Maven 支援資料與倉儲中既有的產品使用、帳務及 CRM 資料結合。找出哪些客群產生最多工單、哪些問題與客戶流失相關，以及您的知識圖譜有哪些缺口。
• 符合法遵要求的架構。 資料匯出遵循 Maven 的企業級安全標準，包括 SOC 2 Type II、HIPAA 及 PCI-DSS Level 1。敏感欄位可在進入您的資料倉儲前遮罩或排除。
• 歷史資料回填。 連接 BigQuery 時，Maven 可回填歷史對話資料，讓您的分析從完整的資料集開始，而非僅從整合啟用當天起算。

運作方式

1. 連接。 將您的 Google Cloud 專案與 BigQuery 資料集連結至 Maven AGI。Maven 會驗證權限並自動建立所需的資料表結構描述。
2. 設定。 選擇要匯出的資料欄位、設定更新間隔，並為敏感資訊定義欄位層級的遮罩規則。
3. 分析。 對話資料會依您選定的排程傳入 BigQuery。您可直接查詢、連接 BI 工具，或匯入 ML 管線進行預測性支援分析。

常見使用情境

• 建立主管儀表板，追蹤解決率、平均處理時間與顧客滿意度的長期趨勢。
• 將支援對話資料與產品使用指標結合，找出產生最多支援需求的功能。
• 執行世代分析，比較 AI 解決與真人解決的工單在客戶留存率與滿意度上的差異。
• 將對話資料匯入機器學習模型，預測工單量、找出高風險帳戶，或建議知識庫的改善方向。
• 將結構化互動紀錄儲存在受治理的資料倉儲中，建立法遵稽核軌跡。

相關整合

• Snowflake
• Amazon S3
• Salesforce
• Shopify