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.
Documentation officielle pour l’extraction de données brutes de la base de données
Ce document vise à fournir l’accès et une description des principales structures de données disponibles pour l’entreprise afin de faciliter l’intégration, la gestion et l’analyse appropriées des informations liées aux interactions et aux agents participants. En plus de décrire la structure de chaque table, il inclut des recommandations et des avertissements concernant le traitement responsable des données personnelles pouvant être trouvées dans les enregistrements, soulignant l’importance de se conformer aux réglementations en vigueur en matière de confidentialité et de sécurité de l’information. Nous suggérons de revoir attentivement la définition de chaque champ et les notes sur le traitement des données personnelles avant de commencer tout processus d’intégration ou d’analyse afin de garantir une utilisation sûre et appropriée de la base de données fournie.Accès aux Données dans ClickHouse via HTTP et Outils de BI
Cette section explique comment se connecter à la base de données ClickHouse de Botslovers, soit par un accès HTTP direct (par exemple aveccurl), soit via des outils graphiques et des outils de Business Intelligence comme DBeaver, Power BI ou Tableau.
Accès via HTTP (exemple avec curl)
Vous pouvez accéder aux données en exécutant des requêtes SQL directement sur la base de données ClickHouse via son interface HTTP. Exemple Basique : Pour récupérer les 10 premiers enregistrements de la tablemessages_<company> :
user et password par vos identifiants personnels.
Le paramètre
query doit être encodé en URL.FORMAT à la fin de la requête :
Exemple JSON :
Accès depuis les Outils de BI ou les Clients de Base de Données (DBeaver, Power BI, Tableau, etc.)
ClickHouse prend en charge les connecteurs JDBC et ODBC, vous permettant d’utiliser des outils graphiques pour explorer et analyser les données.Accès via DBeaver
- Ouvrez DBeaver et créez une nouvelle connexion.
- Sélectionnez ClickHouse comme type de base de données.
- Choisissez HTTP comme type de connexion.
- Remplissez les champs suivants :
- Host :
public-clickhouse.botslovers.com - Port :
443 - Utilisateur : votre nom d’utilisateur
- Mot de passe : votre mot de passe
- SSL : activé (assurez-vous que la case est cochée)
- Host :
- Testez la connexion et enregistrez.
Accès depuis les Outils de BI (Power BI, Tableau, etc.)
Power BI- Téléchargez et installez le pilote ODBC officiel de ClickHouse.
- Configurez un DSN ODBC pointant vers :
- Host :
public-clickhouse.botslovers.com - Port :
443(ou8443selon la configuration, vérifiez avec votre administrateur) - Mode SSL : activé
- Utilisateur/Mot de passe : vos identifiants
- Host :
- Dans Power BI, créez une nouvelle source de données ODBC et sélectionnez le DSN configuré.
- Vous pouvez utiliser le pilote ODBC de ClickHouse comme pour Power BI.
- Alternativement, utilisez le connecteur natif ClickHouse.
Sécurité et Bonnes Pratiques
- Vos identifiants sont personnels et ne doivent pas être partagés.
- Consultez votre administrateur si vous avez des questions sur les limites d’utilisation ou la structure des données.
- Nous recommandons d’éviter les requêtes qui extraient de grands volumes de données pour prévenir d’éventuels problèmes de performance du service.
Tables
messages
Sert de répertoire central où chaque message individuel généré dans une conversation est stocké. Ce document détaille ses champs, son objectif et les recommandations spécifiques pour la gestion sécurisée des données sensibles.
agent_activity
Tables qui concentrent les informations pertinentes sur les agents — humains ou automatisés — participant aux conversations. Elles facilitent l’association d’événements et de métriques à chaque agent pour l’analyse d’activité individuelle, les calculs d’indicateurs clés (ex. : temps de réponse, fermetures de sessions, disponibilité des agents) et la traçabilité des actions à travers les conversations, même lors de transferts.
Description des Tables
messages (Table : messages_<company>)
Stocke chaque message échangé pendant les conversations.
| Champ | Type | Description |
|---|---|---|
sender_id | String | Identifiant unique de l’expéditeur liant chaque message à une entité spécifique. |
sender_type | String | Origine du message : "user", "bot", "system" ou "human". |
id | String | Clé unique de chaque message, assurant la détection des doublons. |
created_at | DateTime | Horodatage en UTC de la génération du message. |
channel | String | Canal par lequel le message a été envoyé : "whatsapp" ou "web" (widget). |
session | String | Identifiant de conversation regroupant plusieurs messages. |
direction | String | Direction du message : "inbound" ou "outbound". |
type | String | Type communicatif : "inbound" (reçu) ou "outbound" (envoyé). |
text | String | Contenu texte intégral du message. Peut inclure du texte, des emojis, des e-mails, des ID, etc. Note : Peut être null pour les images ou documents. |
language | String | Code de langue (ex. : "es", "en"). Note : Peut être null si non détecté. |
agent_activity (Table : chat_agent_log_<company>)
Enregistre les événements survenant lors de l’interaction des agents avec les chats.
| Champ | Type | Description |
|---|---|---|
id | String | Identifiant unique de l’événement. |
chat_id | String | Identifiant du chat associé. |
agent_id | String | Identifiant unique de l’agent impliqué dans l’événement. |
joined_at | DateTime | Horodatage UTC de l’arrivée de l’agent dans le chat. |
left_at | Nullable(DateTime) | Horodatage UTC du départ de l’agent du chat, ou null si toujours actif. |
event | String | Type d’événement. Valeurs possibles : bot_assigned, agent_timeout, user_timeout, agent_joined, chat_escalated, manual_close, resolved, assigned_to_human, transferred. |
response_rating | Nullable(Int16) | Note attribuée à l’interaction, le cas échéant. |
created_at | DateTime | Horodatage de création de l’enregistrement. |
updated_at | DateTime | Horodatage de la dernière mise à jour de l’enregistrement. |
deleted_at | Nullable(DateTime) | Horodatage de suppression logique, le cas échéant. |
agent_status_logs (Table : agent_status_logs_<company>)
Suit l’historique des changements de statut des agents au fil du temps, comme la transition de “online” à “break”.
| Champ | Type | Description |
|---|---|---|
id | String | Identifiant unique du changement de statut. |
agent_id | String | Identifiant unique de l’agent. |
old_status | String | Statut précédent de l’agent : training, offline, break, ending_shift, inactive, online. |
new_status | String | Nouveau statut de l’agent : training, offline, break, ending_shift, inactive, online. |
status_changed_at | DateTime | Horodatage UTC du changement de statut. |
duration_seconds | Nullable(Int64) | Durée en secondes du statut précédent, ou null si non applicable. |
created_at | DateTime | Horodatage de création de l’enregistrement. |
Traitement des Données Personnelles
La tablemessages_, en particulier la colonne text, conserve le contenu intégral des interactions avec les clients, pouvant contenir des données personnelles telles que des noms, adresses e-mail, numéros d’identification ou d’autres détails sur les produits ou services proposés par votre entreprise.
Il est essentiel de traiter ces données conformément aux réglementations applicables, en maintenant toujours la confidentialité, la sécurité et les droits des personnes concernées.