Documentation Index
Fetch the complete documentation index at: https://docs.lovi.ai/llms.txt
Use this file to discover all available pages before exploring further.
Offizielle Dokumentation zum Extrahieren von Rohdaten aus der Datenbank
Dieses Dokument zielt darauf ab, Zugriff und Beschreibung der wichtigsten Datenstrukturen bereitzustellen, die für das Unternehmen verfügbar sind, um eine angemessene Integration, Verwaltung und Analyse von Informationen zu erleichtern, die mit Interaktionen und beteiligten Agenten zusammenhängen. Zusätzlich zur Beschreibung der Struktur jeder Tabelle enthält es Empfehlungen und Warnungen bezüglich der verantwortungsvollen Handhabung personenbezogener Daten, die in den Aufzeichnungen gefunden werden können, und betont die Bedeutung der Einhaltung aktueller Datenschutz- und Informationssicherheitsvorschriften. Wir empfehlen, jede Felddefinition und die Hinweise zur Handhabung personenbezogener Daten sorgfältig zu überprüfen, bevor Sie mit einem Integrations- oder Analyseprozess beginnen, um eine sichere und angemessene Verwendung der bereitgestellten Datenbank zu gewährleisten.Zugriff auf die Daten in ClickHouse über HTTP und BI-Tools
Dieser Abschnitt erklärt, wie man sich mit der Botslovers ClickHouse-Datenbank verbindet, entweder über direkten HTTP-Zugriff (z. B. mitcurl) oder über grafische Tools und Business Intelligence-Tools wie DBeaver, Power BI oder Tableau.
Zugriff über HTTP (Beispiel mit curl)
Sie können auf die Daten zugreifen, indem Sie SQL-Abfragen direkt gegen die ClickHouse-Datenbank über ihre HTTP-Schnittstelle ausführen. Basisbeispiel: Um die ersten 10 Datensätze aus der Tabellemessages_<company> abzurufen:
user und password durch Ihre persönlichen Anmeldeinformationen.
Der Parameter
query muss URL-codiert sein.FORMAT am Ende der Abfrage hinzufügen:
JSON-Beispiel:
Zugriff von BI-Tools oder Datenbank-Clients (DBeaver, Power BI, Tableau usw.)
ClickHouse unterstützt JDBC- und ODBC-Konnektoren, sodass Sie grafische Tools zur Untersuchung und Analyse der Daten verwenden können.Zugriff über DBeaver
- Öffnen Sie DBeaver und erstellen Sie eine neue Verbindung.
- Wählen Sie ClickHouse als Datenbanktyp.
- Wählen Sie HTTP als Verbindungstyp.
- Füllen Sie die folgenden Felder aus:
- Host:
public-clickhouse.botslovers.com - Port:
443 - Benutzer: Ihr Benutzername
- Passwort: Ihr Passwort
- SSL: aktiviert (stellen Sie sicher, dass das Kästchen aktiviert ist)
- Host:
- Testen Sie die Verbindung und speichern Sie.
Zugriff von BI-Tools (Power BI, Tableau usw.)
Power BI- Laden Sie den offiziellen ClickHouse ODBC-Treiber herunter und installieren Sie ihn.
- Konfigurieren Sie einen ODBC-DSN, der auf folgende Punkte zeigt:
- Host:
public-clickhouse.botslovers.com - Port:
443(oder8443je nach Konfiguration, überprüfen Sie bei Ihrem Administrator) - SSL-Modus: aktiviert
- Benutzername/Passwort: Ihre Anmeldeinformationen
- Host:
- Erstellen Sie in Power BI eine neue ODBC-Datenquelle und wählen Sie den konfigurierten DSN.
- Sie können den ClickHouse ODBC-Treiber wie in Power BI verwenden.
- Alternativ verwenden Sie den nativen ClickHouse-Konnektor.
Sicherheit und Best Practices
- Ihre Anmeldeinformationen sind persönlich und dürfen nicht weitergegeben werden.
- Konsultieren Sie Ihren Administrator, wenn Sie Fragen zu Nutzungsbeschränkungen oder Datenstruktur haben.
- Wir empfehlen, Abfragen zu vermeiden, die große Datenmengen extrahieren, um potenzielle Leistungsprobleme des Dienstes zu verhindern.
Tabellen
messages
Funktioniert als zentrales Repository, wo jede einzelne Nachricht, die in einer Unterhaltung generiert wird, gespeichert ist. Dieses Dokument detailliert seine Felder, Zweck und spezifische Empfehlungen zur sicheren Verwaltung sensibler Daten.
agent_activity
Tabellen, die relevante Informationen über Agenten konzentrieren — menschliche oder automatisierte — die an Unterhaltungen teilnehmen. Sie erleichtern die Zuordnung von Ereignissen und Metriken zu jedem Agenten für individuelle Aktivitätsanalysen, Berechnungen von Schlüsselindikatoren (z. B. Antwortzeiten, Sitzungsschließungen, Agentenverfügbarkeit) und Nachverfolgbarkeit von Aktionen über Unterhaltungen hinweg, auch bei Übertragungen.
Tabellenbeschreibungen
messages (Tabelle: messages_<company>)
Speichert jede Nachricht, die während Unterhaltungen ausgetauscht wird.
| Feld | Typ | Beschreibung |
|---|---|---|
sender_id | String | Eindeutige Absenderkennung, die jede Nachricht mit einer bestimmten Entität verknüpft. |
sender_type | String | Herkunft der Nachricht: "user", "bot", "system", oder "human". |
id | String | Eindeutiger Schlüssel jeder Nachricht, der Duplikaterkennung sicherstellt. |
created_at | DateTime | Zeitstempel in UTC für wann die Nachricht generiert wurde. |
channel | String | Kanal, über den die Nachricht gesendet wurde: "whatsapp" oder "web" (Widget). |
session | String | Unterhaltungskennung, die mehrere Nachrichten gruppiert. |
direction | String | Nachrichtenrichtung: "inbound" oder "outbound". |
type | String | Kommunikativer Typ: "inbound" (empfangen) oder "outbound" (gesendet). |
text | String | Vollständiger Freitextinhalt der Nachricht. Kann Text, Emojis, E-Mails, IDs usw. enthalten. Hinweis: Kann null für Bilder oder Dokumente sein. |
language | String | Sprachcode (z. B. "de", "en"). Hinweis: Kann null sein, wenn nicht erkannt. |
agent_activity (Tabelle: chat_agent_log_<company>)
Zeichnet Ereignisse auf, die während der Interaktion von Agenten mit Chats auftreten.
| Feld | Typ | Beschreibung |
|---|---|---|
id | String | Eindeutige Ereigniskennung. |
chat_id | String | Zugeordnete Chat-Kennung. |
agent_id | String | Eindeutige Kennung des beteiligten Agenten. |
joined_at | DateTime | UTC-Zeitstempel, wann der Agent dem Chat beigetreten ist. |
left_at | Nullable(DateTime) | UTC-Zeitstempel, wann der Agent den Chat verlassen hat, oder null, wenn noch aktiv. |
event | String | Art des Ereignisses. Mögliche Werte: bot_assigned, agent_timeout, user_timeout, agent_joined, chat_escalated, manual_close, resolved, assigned_to_human, transferred. |
response_rating | Nullable(Int16) | Bewertung, die für die Interaktion gegeben wurde, falls vorhanden. |
created_at | DateTime | Zeitstempel der Datensatzerstellung. |
updated_at | DateTime | Zeitstempel der letzten Datensatzaktualisierung. |
deleted_at | Nullable(DateTime) | Logischer Löschzeitstempel, falls zutreffend. |
agent_status_logs (Tabelle: agent_status_logs_<company>)
Verfolgt die Historie der Statusänderungen von Agenten im Laufe der Zeit, wie der Übergang von “online” zu “break”.
| Feld | Typ | Beschreibung |
|---|---|---|
id | String | Eindeutige Kennung der Statusänderung. |
agent_id | String | Eindeutige Agentenkennung. |
old_status | String | Vorheriger Agentenstatus: training, offline, break, ending_shift, inactive, online. |
new_status | String | Neuer Agentenstatus: training, offline, break, ending_shift, inactive, online. |
status_changed_at | DateTime | UTC-Zeitstempel, wann der Status geändert wurde. |
duration_seconds | Nullable(Int64) | Dauer in Sekunden des vorherigen Status oder null, falls nicht zutreffend. |
created_at | DateTime | Zeitstempel der Datensatzerstellung. |
Handhabung personenbezogener Daten
Die Tabellemessages_ speichert den vollständigen Inhalt von Kundeninteraktionen, möglicherweise enthaltend personenbezogene Daten wie Namen, E-Mail-Adressen, ID-Nummern oder andere Details zu den Produkten oder Dienstleistungen, die von Ihrem Unternehmen angeboten werden.
Es ist wesentlich, diese Daten gemäß geltenden Vorschriften zu verarbeiten, immer Vertraulichkeit, Sicherheit und die Rechte der betroffenen Personen aufrechtzuerhalten.