Accueil Rivery facilite l’analyse des tickets de supports avec Snowflake Cortex

Rivery facilite l’analyse des tickets de supports avec Snowflake Cortex

Rivery extrait les données de différents systèmes de support, les charge dans Snowflake et les transforme pour qu’elles soient prêtes à être utilisées par les grands modèles de langage (LLM). Rivery crée ainsi un processus rationalisé pour obtenir des informations plus approfondies sur les tickets de support client. Cela permet à Rivery de fournir un support plus détaillé et approfondi aux clients grâce à une solution en constante évolution qui répond aux besoins des utilisateurs de la plateforme.

Pour cela, Rivery transfère les données brutes du système de tickets d’assistance vers Snowflake afin d’effectuer d’autres analyses sur les données textuelles. Le système de billetterie d’assistance présenté peut être Salesforce, Zendesk, Intercom ou tout autre système. Les tables de tickets de support qui contiennent des champs de texte libre tels que les commentaires et les réponses capturés dans les échanges de courriels peuvent être répliqués d’une source à Snowflake puis transformer les données dans Snowflake, ce qui peut facilement être orchestré via Rivery. L’historique complet des commentaires pour chaque ID est ensuite agrégé et concaténé à partir des tables pertinentes en un seul enregistrement au lieu d’avoir des enregistrements distincts pour chaque échange lié au même ticket d’assistance (ID de cas). Il en résulte un ensemble unifié de tous les commentaires faits sur un ticket spécifique, que Rivery peut utiliser pour exécuter les fonctions Cortex pour générer des informations. Pour chaque ticket, Rivery génère un résumé afin d’identifier si le problème a été résolu, quelle a été la résolution et si le sentiment du client était positif, neutre ou négatif.

Les fonctions Cortex de Snowflake peuvent donc être utilisées avec Rivery pour effectuer des analyses à l’aide de LLM sur des données pertinentes et actuelles provenant de n’importe quelle source via de simples requêtes SQL. Grâce à cette capacité, l’IA générative peut utiliser les informations récupérées pour répondre à des questions spécifiques concernant les données des entreprises.