> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/sv/business-tjanster/zoom-virtual-agent/zoom-virtual-agent-analytics-reporting.md).

# Analyser och rapportering

Utforska rapporter, mätvärden för kontrollpanelen, filter och engagemangsinsikter för Zoom Virtual Agent.

### analyser och rapportering för Zoom Virtual Agent

Administratörer kan skapa en enda prenumeration som innehåller de olika rapporter som beskrivs i det här avsnittet. De kan filtrera prenumerationer efter specifika agenter, agentgrupper eller rapporttyper såsom Översikt, Prestanda för virtuell agent, Kunskapsprestanda, Query Insight, Konversationsdetaljer och Konsumentengagemangsundersökningar. Mottagarna får ett e-postmeddelande med alla valda rapporter, märkta efter rapporttyp och agentomfång.

Rapportprenumerationer erbjuder nu utökad leveransfrekvens, kontrollpanelsomfattning och e-postinnehåll. Administratörer kan välja vilken veckodag som helst för veckovis leverans eller byta till daglig leverans. Ett bredare urval av kontrollpaneler som de har rätt till finns nu att prenumerera på, och e-postmallen för rapporten har reviderats för att innehålla fler mätvärden och en AI-genererad sammanfattning.

Filter på kontrollpanel stöder även precision för tid på dagen och sparade vyer. Utöver datumintervall kan administratörer ange start- och sluttider på timme och minut för att avgränsa ett intervall, exempelvis ett enskilt arbetspass eller en period med hög trafik, och relativa datumintervall är också tillgängliga. En filtrerad kontrollpanel kan sparas som en namngiven vy som bevarar dess filter och diagramval för snabb återanvändning, och en sparad vy kan delas med alla användare på konto.

I rapporterna Conversation Details och Query Insight sparar en sparad vy även tabellayouten: val av kolumner, kolumnordning och sorteringsriktning. När vyn öppnas igen återställs tabellen exakt som den var konfigurerad, så administratörer behöver inte ordna om kolumner eller sortera om vid varje besök.

Rapprenumerationer kan leverera en sparad vy. När administratörer konfigurerar en prenumeration kan de markera en sparad vy, och schemalagda leveranser visar den vyn i stället för rapportens standardversion. Rapporter som skickas via e-post visar då samma dataformat som administratörerna analyserar på skärmen.

#### <mark style="color:blå;">Datadictionaryn tillhandahåller transparenta definitionsbeskrivningar av mätvärden för Zoom Virtual Agent-analyser</mark>

Zoom Virtual Agent-analyser inkluderar en integrerad Datadictionary. Administratörer kan bläddra bland datamängder och rapporter för att förstå definitioner av mätvärden, beräkningar, filter och tolkningsvägledning. Definitioner kan exporteras för delning, vilket hjälper till att förtydliga KPI:er och uppmuntra användning i olika team.

#### <mark style="color:blå;">Kontrollpanelsmätvärden stöder drilldown på plats och verktygstips för kolumner</mark>

Administratörer kan klicka på vilket mätvärde som helst i Zoom Virtual Agent-kontrollpanelen för att borra ned i konversationerna bakom det. Aktiva kontrollpanelfilter följer med automatiskt, så att du kan gå från konversationslistan till en enskild avskrift och tillbaka utan att tappa sammanhanget. Varje rapporttabell lägger också till verktygstips på kolumnrubrikerna. Hovra över ett mätvärde för att se dess definition och en direktlänk till posten i hela Datadictionaryn.

#### <mark style="color:blå;">Rapporten om prestanda för virtuell agent beskriver resultat för verktyg, färdighet och latens under slutanvändarengagemang</mark>

Rapporteringen om prestanda för virtuell agent tillhandahåller data för viktiga prestandaindikatorer för AI-agenten.

* **Nyckeltal:** Unika och totala antal anropade verktyg, unika och totala antal anropade färdigheter, latensmått (P90/P50-latens för första token), latensutveckling, andel ärenden som hanteras utan eskalering, eskaleringsgrad, användningsgrad för engagemang och kostnadsbesparingar.
  * **Mått för initiering**: Ett nytt förbättrat mått som visar när och hur engagemang initieras och ger tydligare insyn i hur användare kommer in i Virtual Agent-upplevelsen. Måttet hjälper administratörer att utvärdera ingångspunkternas prestanda, bedöma dirigeringsstrategier och förstå hur ändringar i arbetsflöden eller ingångsytor påverkar det övergripande engagemanget.
  * **Mått för totala meddelanden**: Visar aggregerade antal för alla meddelanden som utväxlas i engagemang via Zoom Virtual Agent och Zoom AI Expert Assist. Dessa mått hjälper administratörer att analysera samtalsvolym, jämföra meddelandemönster mellan kanaler och bättre förstå den multimodala belastningen på AI-drivna supportarbetsflöden.
  * **Skyddsräcken**: En aggregerad vy över säkerhetsaktivitet i skyddsräcken på backend, inklusive totalt antal överträdelser, överträdelser per 1 000 engagemang, en uppdelning efter kategori och en trend över tid. Om du går vidare från den aggregerade vyn öppnas de berörda konversationerna i rapporten Konversationsinformation, förfiltrerade efter den valda skyddsräckeskategorin. Rapporteringen av skyddsräcken omfattar både röst och chatt.
* **Filter:** Datumintervall, agenttyp (röst, chatt, chatbot) och specifik AI-agent.
  * **Ämnesgrupper** är också tillgängliga som filter och visningsdimension i analyserapporter, så att arbetsledare kan se prestandadata på affärskategorinivå.
* **Användningsfall:** Hjälper administratörer att utvärdera AI-agenters effektivitet, övervaka användningen av verktyg och färdigheter samt följa trender för latens och hantering utan eskalering för att förbättra prestanda och ROI.

{% hint style="info" %}
**Obs**

Rapporten för AI-agenten har en kostnadsbesparingsinställning som påverkar den virtuella agentens prestanda baserat på en förinställd tokenkostnad.
{% endhint %}

#### <mark style="color:blå;">Rapporten om kunskapsprestanda ger detaljer om hur kunskapsartiklar används under engagemang</mark>

Den här rapporten ger insikt i hur artiklar i din kunskapsbas bidrar till att lösa dina kunders problem.

* **Nyckeltal**: Engagemang med kunskapsstöd, andel engagemang med kunskapsstöd, refererade artiklar och genomsnittligt antal refererade artiklar per engagemang.
* **Filter**: Datumintervall, agenttyp (röst, chatt, chatbot), specifik AI-agent och artikelkälla.
  * Artikelkällfiltret har två värden — AI-föreslagen och manuellt tillagd — och varje artikelrad visar en källetikett, så att administratörer kan granska hur mycket rekommendationsmotorn bidrar.
* **Användningsfall**: Hjälper administratörer att bedöma hur effektivt kunskapsinnehållet är och optimera det för att förbättra lösningsgraden.
* **Märkning av aktiva/inaktiva kunskapsbasartiklar**: Den här funktionen lägger till en ikon av märkestyp för kunskapsbasartiklar som har ersatts eller uppdaterats. Både de gamla och nya versionerna är fortfarande synliga i ZVA-rapporten, med tydliga statusindikatorer som visar om varje artikel är aktiv eller inaktiv.

Artikeltabellen innehåller en kolumn för **hantering utan eskalering** som visar varje artikels andel ärenden som hanteras utan eskalering i chatt- och röstengagemang. Andelen är antalet engagemang som hanterades utan eskalering och använde artikeln, delat med det totala antalet engagemang där artikeln användes. Det visar administratörerna vilka artiklar som faktiskt hjälper till att lösa problem, inte bara vilka artiklar agenten hämtar.

Administratörer kan också se varför slutanvändare har bedömt att en artikel inte var till hjälp. Widgeten **Fördelning av orsaker till att artikeln inte var till hjälp** under **Analyser och rapporter** > **Kunskapsprestanda**, delar upp omdömen om att artikeln inte var till hjälp efter den orsak som slutanvändaren valde. Om du väljer en orsak i diagrammet filtreras vyn, så att administratörer kan identifiera varför vissa artiklar presterar sämre och prioritera uppdateringar av innehållet.

#### <mark style="color:blå;">Rapporten Query Insight ger en detaljerad vy över konsumentfrågor som hanteras av virtuella agenter</mark>

Den här rapporten ger dig en överblick över frågedata, inklusive frågevolym, matchtäckning, koppling till engagemang och resultat på ämnesnivå.

* **Nyckeltal:** Totalt antal frågor, genomsnittligt antal frågor per engagemang, populära ämnen, lösta ämnen, eskalerade ämnen och trender för frågematchning.
* **Filter:** Datumintervall, agenttyp (röst, chatt, chatbot), AI-agent, typ av frågematchning, artikel, ämne, utfall för engagemang, kunskapsbas och språk.
* **Användningsfall:** Hjälper administratörer och analytiker att förstå frågebeteenden, bedöma ämnestäckning och identifiera områden där svarskvaliteten och automatiseringens prestanda kan förbättras.

Zoom Virtual Agent-analyser erbjuder också Topic Groups, en hierarki med två nivåer som automatiskt organiserar detaljerade ämnen i affärsanpassade kategorier som "Fakturering och betalningar" eller "Frakt och leverans." Handledare kan identifiera viktiga kontaktorsaker med en blick via kategorinivån samtidigt som de behåller möjligheten att analysera specifika ämnen mer ingående.

Maskeringsregler som konfigurerats i Zoom Virtual Agent-tenantens inställningar tillämpas nu enhetligt över hela kontrollpanelen Query Insights, inklusive frågelistan och fördjupningsvyerna. Dessa vyer återgav tidigare råa yttranden oavsett den konfigurerade regeluppsättningen; de följer nu samma maskeringsregler som resten av produkten.

Rapporten Query Insight har tre exportalternativ: tabellvyn för frågor, engagemangsdata för frågorna i tabellen och agentens spårningar för dessa engagemang.

#### <mark style="color:blå;">Jämförelseanalyser visar två datasegment sida vid sida</mark>

Administratörer kan jämföra två datasegment direkt i Zoom Virtual Agent-kontrollpanelerna utan att exportera eller växla skärmar. Från vilken rapport som helst klickar du på Jämför, markerar en uppsättning filter och kontrollpanelen renderas om i en layout med två kohorter så att du kan läsa de två segmenten mot varandra. Jämförelseanalyser fungerar tillsammans med kontrollpanelens fördjupnings- och korsfiltreringsfunktioner.

#### <mark style="color:blå;">Korsfiltrering beräknar om kontrollpanelvisualiseringar per dimension</mark>

Handledare kan klicka på ett dimensionsvärde på sidorna Query Insights, Konversationsdetaljer, Kunskapsprestanda och Agentprestanda för att korsfiltrera alla visualiseringar på sidan. De klickbara värdena inkluderar ämnen, agenter, verktyg eller diagramsegment.

En filterbricka visar det aktiva valet och kan rensas genom att klicka på **x**, välja värdet igen eller klicka utanför det. Flera korsfilter kan kombineras med varandra och med inställningarna i det befintliga filterfältet för att visa överlappande resultat. När du håller pekaren över ett filtrerbart element visas en pekarmarkör och ett verktygstips som förhandsvisar åtgärden.

#### <mark style="color:blå;">Rapporten Konversationsdetaljer ger engagemangsbaserade insikter om konversationer för virtuella agenter</mark>

Rapporteringen Konversationsdetaljer tillhandahåller data för viktiga indikatorer för AI-agenters engagemang.

* **Nyckeltal:** Totalt antal engagemang, engagemang med flera turer, genomsnittlig och total interaktionslängd samt engagemangsloggar med metadata (ämnen, verktyg, färdigheter, eskaleringsorsaker och svarande). Vid driftsättningar med flera instanser lägger rapporten också till en **Instans** -kolumn som visar vilken instans som hanterade varje engagemang.
* **Filter:** Datumintervall, agenttyp (röst, chatt, chatbot), AI-agent, verktyg, utfall för engagemang, senaste svarande, färdighet, ämne, accepterad överföring (endast röst) och utlösning av skyddsräcke när AI-agenten avslutade (endast röst), samt — vid driftsättningar med flera instanser — instans och instansgrupp.
* **Användningsfall:** Gör det möjligt för administratörer att analysera engagemangskvalitet, följa AI-agenters och färdigheters prestanda samt granska beteenden på konversationsnivå för optimering, operativ tillsyn och intern rapportering.

När en konversation utlöser en säkerhetsspärr i backend flaggar rapporten Konversationsdetaljer den med ett skyddsmärke på det berörda engagemanget och en panel som visar vilka skyddskategorier som utlöstes och i vilken tur. Administratörer kan filtrera engagemangslistan efter överträdelsekategori — till exempel våldsbrott, missbruk av kodtolk, integritet eller förtal — för att granska endast de konversationer som utlöstes av en regel. Det här är Zooms säkerhetsspärrar i backend, inte skyddsspärrar som en administratör skriver in i Agent Guidance.

Konversationsdetaljer innehåller också en konfigurerbar visualiseringsremsa högst upp i kontrollpanelen. Du kan bygga dina egna visualiseringar för variabler — både system- och anpassade — och välja mellan paj-, stapel- och linjediagram. Visualiseringar kan läggas till, flyttas och ändras i storlek, och dina inställningar sparas på kontonivå till nästa session. Fästa diagram respekterar sidans aktiva filter, vilket ger dig en tydlig bild av variabelfördelningen precis där du behöver den.

#### <mark style="color:blå;">Rapporten Consumer Engagement Surveys visar konsumentfeedback som samlats in från enkäter efter engagemang i Zoom Virtual Agent</mark>

Den här rapporten sammanställer feedback från enkäter efter engagemang för att mäta kundnöjdhet, framgång i lösningen och möjligheter till förbättring.

* **Nyckeltal:** Tilldelat till agent, starter, svar, svarsfrekvens, slutförandegrad, starttrend, enkätsvar och fördelning av fritextfeedback.
* **Filter:** Datumintervall, AI-agent och bot (inklusive varianter om det finns flera).
* **Användningsområde:** Gör det möjligt för administratörer att bedöma kundernas inställning, mäta chattbottens prestanda och identifiera möjligheter att förbättra interaktionernas kvalitet och användarnas nöjdhet.

#### <mark style="color:blå;">Mått för implicit lösning härleder kundutfall från engagemangsbeteende</mark>

Administratörer kan bedöma virtuella agenters prestanda med implicit lösning, som automatiskt drar slutsatser om användarens problemlösning och nöjdhet baserat på verkligt beteende, såsom slutförande av arbetsflöden och engagemangsnivåer.

Detta mått utgör ett alternativ till traditionella enkäter när svarsfrekvensen för explicit CSAT är låg. Det fungerar också tillsammans med befintliga enkätbaserade mått i stället för att ersätta dem. Data för implicit lösning finns tillgängliga i Zoom-webbportal, API eller nedladdningsbara rapporter, vilket hjälper administratörer att optimera effektiviteten i Zoom Virtual Agent.

Logiken som avgör implicit lösning har förbättrats för att läsa konversationer mer exakt, vilket minskar felklassificeringar i båda riktningarna. Som ett resultat återspeglar lösningsgraden mer korrekt de faktiska resultaten. Administratörer kan se en liten förskjutning i mätvärdena när förbättringen träder i kraft.

Zoom Virtual Agent-analyser rapporterar också **löst utan återkomst** som ett mätvärde för både röst och chatt. Ett ärende räknas som löst utan återkomst när det har hanterats utan eskalering och samma kund inte återkommer inom den angivna återkomstperioden. Eftersom mätvärdet kombinerar hantering utan eskalering med vad kunden gör härnäst ger det administratörer en starkare indikation på att ärendet faktiskt har lösts än enbart hantering utan eskalering.

Inställningar för rapportering för varje agent konfigureras i ett särskilt avsnitt för rapporteringsinställningar i agentens konfiguration. Avsnittet samlar tre inställningar: uppnådda mål, konversationsresultat och löst utan återkontakt. Dessa inställningar påverkar endast rapporteringen, inte hur agenten beter sig. Uppnådda mål och konversationsresultat gäller utgående agenter, och löst utan återkontakt gäller inkommande agenter.

#### <mark style="color:blå;">Engagemangsloggen ger en detaljerad registrering av varje interaktion mellan AI- och röstagenten, inklusive utfall, varaktighet och transkriptioner för granskning</mark>

<div data-with-frame="true"><img src="https://460446308-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FBekwbdgq0PzE6LyvSslJ%2Funknown.png?alt=media&amp;token=228a0e64-0379-4341-8546-1567ff1ccd6d" alt=""></div>

Engagemangsloggen ger en detaljerad vy över varje interaktion som hanteras av dina AI- eller röstagenter. Den hjälper dig att analysera hur varje konversation hanterades, om den löstes av AI:n eller eskalerades till en liveagent, och de viktigaste prestandamåtten för det engagemanget.

Den här rapporten är värdefull för handledare, administratörer och analytiker som behöver insyn i agenternas effektivitet, kundupplevelsen och systemets prestanda.

**Viktiga kolumner i engagemangsloggen**

* **Ärende-ID**: En unik identifierare för varje interaktion. Du kan använda detta ID för att söka efter och granska specifika konversationer.
* **Kanal**: Anger om ärendet kom in via en chattagent eller en röstagenter.
* **Källa**: Visar ingångspunkten där interaktionen inleddes, till exempel Zoom kontaktcenter.
* **Kund**: Kunden eller slutanvändaren som inledde ärendet. Det kan visas som ett telefonnummer för röstsamtal eller ett användarnamn för chattsessioner.
* **AI-agent**: Anger vilken AI-agent som hanterade interaktionen.
* **Verktyg / Färdighet / Ämne / Artikel**: Visar vilka verktyg, färdigheter eller kunskapsresurser AI-agenten använde under ärendet, till exempel ”hämta ärendestatus” eller ”begäran om överföring till agent”.
* **Ärendets utfall**: Ärendets slutresultat. ”Hantering utan eskalering” innebär att AI-agenten löste problemet utan att eskalera det. ”Eskalering” innebär att interaktionen överfördes till en mänsklig agent. Orsaker till eskaleringen visas när det är relevant, till exempel ”Eskalerat enligt utformning” eller ”Eskalering begärd”.
* **Starttid / Sluttid**: Tidsstämplarna för när ärendet inleddes och avslutades.
* **Senaste svarande**: Anger vem som avslutade ärendet, antingen AI-agenten eller en mänsklig agent efter eskalering.
* **Ärendets varaktighet**: Den totala tiden som ärendet varade.
* **Antal turer i interaktionen**: Antalet utbyten mellan AI-agenten och kunden.
* **Interaktionens varaktighet**: Hur länge kunden deltog i interaktionen, vilket är särskilt användbart för röstsamtal.
* **Överföring accepterad / AI-agenten lämnade ärendet**: Visar om överföringen till en mänsklig agent lyckades och om AI-agenten lämnade ärendet.

Denna rapportering stöder spårbarhet, granskning och utbildning genom att tillhandahålla granskningsspår som kan förbättra både AI- och mänskliga agenters prestanda.

Om till exempel IT Helpdesk Agent visar ett stort antal eskaleringar för uppgifter om att skapa ärenden, kan chefer granska avskrifter för att identifiera varför användare begär en mänsklig agent och uppdatera AI:ns konfiguration eller utbildningsdata.

**Agent Tracing ger steg-för-steg-insyn i hur den virtuella agenten fattar beslut**

När administratörer granskar ett engagemang kan de använda Agent Tracing för att se hela beslutskedjan, från inmatningsbearbetning till det slutliga svaret. Detta stöder felsökning, granskning av kvalitetssäkring och prestandaoptimering.

Agent Tracing tillhandahåller ett enhetligt, mänskligt läsbart spår kopplat till ett specifikt engagemang. Det innehåller en fullständig kundavskrift tillsammans med systemåtgärder. Varje pipeline-steg är tidsstämplat med start- och sluttider.

Agent Tracing inkluderar:

* Inmatningsinsamling
* NLU-/intentklassificering
* Sök- och hämtsteg (dvs. omskrivning av fråga och val av källa)
* LLM-inferens
* Verktygs-/funktionsanrop
* Svarsrendering

Agent Tracing tillhandahåller också sammanfattningar på engagemangsnivå som snabbar upp felsökningen. En verktygsanropssammanfattning listar varje verktyg som anropades under engagemanget, vart och ett med status för lyckat eller misslyckat, så att administratörer inte längre behöver gå igenom spåret tur för tur för att hitta ett specifikt anrop. En variabelsammanfattning ger en sammanställd vy av varje variabel som sattes under samma engagemang. Tillsammans synliggör dessa sammanfattningar skriptkörningar, färdighetsutlösare och hela interaktionsvägen med ett ögonkast.

Agent Tracing fångar också detaljerad spårnings- och felsökningsinformation för inbyggda verktyg, inklusive sms-verktyget, e-postverktyget, spara svar och avsluta konversation. För varje verktygsanrop registrerar spåret orsaken till att verktyget valdes, de inmatningsparametrar som skickades, utdata från variabelupplösningen, körningsstatus och eventuella fel som returnerades. Spåret visar också varför en konversation avslutades, inklusive om det utlöstes av en instruktion eller av en timeout efter påminnelseförsök.

{% hint style="info" %}
**Obs**

Du hittar Agent Tracing inom Virtual Agent-analyser. Det är tillgängligt från Engagemangsloggen när du granskar enskilda interaktioner.
{% endhint %}

För att validera ändringar av agenten före driftsättning, se avsnittet Utvärdering nedan.

#### <mark style="color:blå;">Utvärdering validerar ändringar av agenten före driftsättning genom scenariotestning och versionsjämförelse</mark>

När administratörer ändrar en agents konfiguration, vägledning, Skills eller Tools, behöver de verifiera att ändringarna inte försämrar prestandan innan de publiceras i produktion. Utvärdering tillhandahåller en strukturerad testmiljö för detta.

Admin kan köra utvärderingar mot valfri publicerad eller historisk agentversion, inte bara det aktuella utkastet. Utvärderingar körs skrivskyddat mot den valda versionssnapshoten, så den aktiva agenten ändras inte. Detta förankrar resultaten i en specifik, känd konfiguration.

Du kan sedan utvärdera två agentversioner sida vid sida med samma scenariouppsättning. Resultaten visar versionsspecifika mätvärden (såsom scenariogenomförandegrader, poäng för beteendeöverensstämmelse och mer) så att admin kan se exakt var prestandan förändrades mellan versionerna. En detaljerad avskriftsvy låter admin fördjupa sig i enskilda testfall för att se hur svaren skiljer sig.

Innan en utvärdering körs validerar systemet testfallsintegriteten. Det inkluderar kontroll av saknade verktyg, odefinierade variabler eller schemaavvikelser. Detta förhindrar bortkastade utvärderingskörningar och eliminerar falska negativa resultat som orsakas av konfigurationsfel snarare än faktiskt agentbeteende.

Utvärdering stöder administratörers arbete med att göra agentändringar redo för produktion, vilket kan hjälpa till att snabba upp itereringscykler och hantera risk. Tillsammans med Agent Tracing skapar det ett robust diagnostik- och valideringsarbetsflöde.

#### <mark style="color:blå;">ZVA Receptionist-kontrollpanelen ger mindre installationer en prestandavy på en enda skärm</mark>

För mindre ZVA Receptionist-installationer som inte behöver hela analysverktygssviten visar en kontrollpanel på en enda skärm prestandan med enkel text. Varje värde summeras från befintliga mätvärden, så ingen ny instrumentering krävs. En huvudrad visar hanterade samtal, hanterad telefontid (uttryckt i timmar) och sparade kostnader. En innehållningsring kombineras med ett antal eskaleringar och länken "Läs dessa samtal" som leder direkt in i de underliggande engagemangen. Kontrollpanelen visar också de vanligaste orsakerna till att personer ringde samt en uppdelning av lösta/olösta utfall, och en tabell per agent samt en förenklad konversationslogg avrundar skärmen — allt avgränsat av en enda filterrad.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://library.zoom.com/technical-library/sv/business-tjanster/zoom-virtual-agent/zoom-virtual-agent-analytics-reporting.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
