레플리
글 수 40


 

https://brunch.co.kr/@gentlepie/29

 

 

 

챗봇에서 통계 데이터를 수집할때 어떤 요소를 활용해야 하는지 설명한 글입니다. 활성화도, 성능, 목적 달성률, 유저 인사이트 등 여러가지 항목을 다루고 있습니다.

 

개발 프로세스인 린 스타트업은 '만들기->측정->학습'의 과정을 빠르게 반복하여 성능을 향상시키는 것이 핵심입니다. 그러기 위해서는 이러한 데이터를 통해 장점을 살리고 단점을 보완하는 것이 중요하다고 생각합니다.

엮인글 :
List of Articles
제목 글쓴이 날짜sort 조회 수
챗봇에서 개인화의 중요성 file 깊은바다 2017-04-13 984
챗봇 인터페이스의 특징 file 깊은바다 2017-05-12 1130
대화형 챗봇 설계의 과제 file 깊은바다 2017-05-21 1189
챗봇의 9가지 UX 원칙 깊은바다 2017-05-27 869
챗봇의 구조: 챗봇은 AI가 필요한가? file 깊은바다 2017-05-27 1044
대화형 챗봇으로 사용자 리서치 하기 깊은바다 2017-09-26 534
챗봇이 주는 가치와 설계시 고려할 점 깊은바다 2017-10-18 639
챗봇 기획과 프로젝트 운영, Best Practices 깊은바다 2017-11-29 754
FSM 기반의 챗봇 대화 구조 file 깊은바다 2017-11-30 12621
챗봇, 어떤 로직을 구현할 것인가? - 지능형 vs 메뉴선택 깊은바다 2017-12-20 1860
봇 설계는 이렇게 한다 file 깊은바다 2018-03-18 6049
100일 간의 챗봇 디자인 실패기 깊은바다 2018-05-03 627
챗봇 분석: 챗봇에서 나오는 데이터와 인사이트 깊은바다 2018-05-08 881
메시징 플랫폼, 디자인이 필요할까? 깊은바다 2018-05-18 304
챗봇이 처리하지 못하는 질문을 받았을 때의 에러 핸들링 깊은바다 2018-05-26 636