Løft din kundeoplevelse med Ciscos AI-drevne Auto CSAT-funktion, der er baseret på deep learning-teknikker til at forudsige kundetilfredshedsscorer. Denne kraftfulde funktion udnytter det fulde potentiale i dine interaktioner og giver uvurderlig indsigt til informeret beslutningstagning. Med let tilgængelig indsigt i realtid kan din organisation hæve kundeservicestandarderne og fremme løbende forbedringer. 

Kundetilfredshed (CSAT) er en vigtig målestok for, at kontaktcentre kan forstå, hvor tilfredse kunderne er med deres service. CSAT indsamles ved hjælp af kundeundersøgelser; Svarprocenterne er dog lave. Svarene kommer ofte fra kunder, der enten havde gode eller dårlige oplevelser, hvilket kan skævvride den samlede modtagne feedback. Ved hjælp af Ciscos proprietære modeller analyserer Auto CSAT driftsdata, interaktionsudskrifter og undersøgelsesdata for nøjagtigt at forudsige CSAT-resultater for hvert engagement. De automatiske CSAT-scorer kan bruges af kunder til at identificere uddannelseskrav, vælge opkald til revision og sikre hurtig løsning for utilfredse kunder og bruges til at lette handlinger i realtid såsom opkaldsrouting. Den automatiske CSAT-score er tilgængelig i Webex Contact Center Analyzer til generering af rapporter fra kunder.

Kontaktcentre kan bruge denne funktion til at forbedre deres strategier for kundeoplevelsen:

• Proaktiv problemløsning – Organisationer kan løse problemer tidligt ved at identificere utilfredshed.
• Tilpassede træningsprogrammer – Udvikl tilpassede træningsprogrammer baseret på specifikke agentpræstationsdata.
• Løbende forbedringer – Brug indsigt fra CSAT-resultater til at finjustere og optimere kundeserviceprocesser.
• Strategisk beslutningstagning – Informer strategiske beslutninger med datadrevet indsigt.

Brug ikke disse scorer til at vurdere agentpræstationer, udviklingssamtaler, sanktioner, kompensation eller ansættelsesbeslutninger. Du kan finde flere oplysninger om retningslinjer for brug i Auto CSAT – AI Transparency Technical Note.

For at aktivere Auto CSAT er det vigtigt at opfylde følgende forudsætninger:

1. Kunder, der har købt den nye AI Assistant-tilføjelses-SKU (A-FLEX-AI-ASST).
2. Kunder, der måler CSAT med undersøgelser efter opkald, aktiveret via:
   • Oplevelsesstyring, eller
   • Brugerdefinerede IVR undersøgelser ved hjælp af CSAT DTMF skabelon til undersøgelsesflow i Flowgenerator

3. Kunder, der måler CSAT på en 3- eller 5-punktsskala
4. Kunder med interaktion på engelsk
5. Opkaldsoptagelse skal være aktiveret for at muliggøre behandling efter opkald

• Vi publicerer CSAT-resultater i opkaldssessionsposterne, og du kan få adgang til dem ved hjælp af Søg API.
• Du kan også få adgang til disse resultater i AI Assistant Dashboard i Analysator for at generere tilpassede rapporter.
• Du kan også få adgang til resultaterne fra widgetten Optagelsesstyring på Supervisor-skrivebordet.

Auto CSAT-rapporten besvarer disse centrale spørgsmål:

• Indsigt på agentniveau: Hvad er de automatiske CSAT-scorer for en individuel agents interaktioner? Hvad er deres gennemsnitlige, minimale og maksimale Auto CSAT-scoretendenser?
• Indsigt på teamniveau: Hvad er de automatiske CSAT-scorer for et bestemt teams interaktioner? Hvad er deres gennemsnitlige, minimale og maksimale Auto CSAT-scoretendenser?
• Indsigt på køniveau: Hvad er de automatiske CSAT-scorer for interaktioner inden for en given kø? Hvad er deres gennemsnitlige, minimale og maksimale Auto CSAT-scoretendenser?
• Sammenlignende analyse: Hvordan sammenlignes automatiske CSAT-resultater på tværs af forskellige agenter, teams og køer?
• Områder til forbedring: Hvor kan agentcoaching og træning forbedre ydeevnen?
• Interaktionsrevisioner: Hvilke interaktioner kræver yderligere gennemgang eller kundeopfølgning?
• Operationelle forbedringer:Hvilke områder tyder på, at der er behov for drifts- eller procesforbedringer?

Før du begynder: Aktivér opkaldsoptagelse for at lette behandlingen efter opkald, hvilket er nødvendigt for at producere automatiske CSAT-forslag.

Administratorer har mulighed for at aktivere funktionen Auto CSAT enten for hele organisationen eller for bestemte brugere. Når den er aktiveret, forudsiger Auto CSAT kundetilfredshed for interaktioner, der finder sted i dit kontaktcenter.

Aktivér funktionen Auto CSAT i Control Hub ved at følge disse trin:

1. Log ind på Control Hub , og naviger til Services > Contact Center.
2. Gå til Desktop Experience > AI-assistent i navigationsruden.
3. Slå Auto CSAT til .
4. Vælg en af følgende indstillinger for automatiske CSAT-beregninger:
   • Alle agenter – Vælg denne indstilling for at beregne resultater for alle agenter og deres interaktioner.
   • Individuelle agenter – Vælg bestemte agenter på listen ved hjælp af søge- og filtreringsindstillinger efter navn og team.
5. Vælg Oplevelsesstyring for at vælge CSAT-spørgsmål fra dine undersøgelser for at træne den automatiske CSAT-model eller den globale variabel til at vælge den globale variabel, der bruges til at gemme undersøgelsessvar.

Hvornår er automatiske CSAT-scorer tilgængelige efter aktivering af funktionen?

Auto CSAT-modellen kræver et minimum af træningsdata for at begynde at forudsige Auto CSAT-resultater. Modellen træner på en kombination af undersøgelsesdata, driftsdata og opkalds-/chatudskrifter. En vellykket træningsproces kræver mindst 50 datapunkter for hvert CSAT-skalapunkt. En 5-punkts CSAT-skala kræver f.eks. 50 interaktioner, der er klassificeret som 1, 50 interaktioner, der er klassificeret som 2 osv., op til 5.

Denne basislinje er afgørende for at fastslå den indledende modelydeevne. Den oprindelige modelydelse opfylder dog muligvis ikke umiddelbart alle forventninger. Modellens forudsigelseseffektivitet afhænger af virksomhedens art og kvaliteten af træningsdataene. Efterhånden som databladets volumen og kvalitet forbedres, forbedres modellens ydeevne også.

Du kan begynde at se Auto CSAT-scorerne, når modellen er trænet.

Hvordan kan jeg vurdere præstationsmålingerne for min organisations Auto CSAT-model? 

Evaluer ydeevnen af den automatiske CSAT-model ved at sammenligne de genererede Auto CSAT-værdier med de CSAT-resultater, der er opnået fra kundeundersøgelsessvar. Modellen er designet til at tilpasse sig menneskelige evalueringer; Der forventes en vis variation på grund af menneskelig subjektivitet og forskellige reaktioner på lignende oplevelser. For det meste forventes forudsagte resultater at matche faktiske undersøgelsessvar. Eventuelle afvigelser falder inden for et interval på +/- 1 af de faktiske undersøgelsesresultater. Dette afspejler det samme niveau af variabilitet, som du ville forvente, hvis flere menneskelige evaluatorer vurderede den samme interaktion.

Hvor ofte omskoles Auto CSAT-modellerne?

Auto CSAT-modellerne omskoles hver 30. dag ved hjælp af data fra de foregående 180 dage. Denne regelmæssige omskoling hjælper med at sikre, at modellerne forbliver nøjagtige og fri for drift.

Hvis min organisation har flere CSAT-undersøgelser, hvordan vælger jeg så det rigtige CSAT-spørgsmål at knytte til?

For modeltræning skal du vælge det CSAT-spørgsmål, der bedst repræsenterer den samlede kundetilfredshed for hver kontaktcenterinteraktion. Hvis du bruger flere undersøgelser, skal du vælge ét CSAT-spørgsmål fra hver undersøgelse. Systemet antager, at der kun bruges én undersøgelse pr. interaktion. det valgte CSAT-spørgsmål fra denne undersøgelse leverer træningsdataene for den pågældende interaktion.

Min organisation indsamler ikke CSAT-undersøgelser. Kan jeg bruge funktionen Auto CSAT?

Nej. Automatisk CSAT kræver CSAT-undersøgelsesdata til modeltræning. Hvis din organisation ikke indsamler CSAT-undersøgelser, skal du aktivere dem via Experience Management eller tilpassede IVR-undersøgelser. Når CSAT-dataindsamlingen er begyndt, skal du aktivere Auto CSAT.

Vi bruger et tredjepartsværktøj til at indsamle CSAT-data. Kan disse data bruges til at træne Auto CSAT-modellen?

Nej. Auto CSAT bruger i øjeblikket kun internt indsamlede CSAT-undersøgelsesdata til modeltræning. Data fra tredjepartsundersøgelser understøttes ikke.