Tak for din feedback.

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

Kundetilfredshed (CSAT) er en vigtig måling for kontaktcentre for at forstå, hvor glade kunder er med deres service. CSAT indsamles ved hjælp af kundeundersøgelser; svarprocenterne er dog lave. Svar kommer ofte fra kunder, der havde enten gode eller dårlige oplevelser, hvilket kan fordreje den samlede feedback, der modtages. Ved hjælp af Ciscos proprietære modeller analyserer Auto CSAT driftsdata, interaktionsudskrifter og undersøgelsesdata for nøjagtigt at forudsige CSAT-score for hvert engagement. Auto CSAT-scorerne 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. Auto CSAT-scoren er tilgængelig Webex Contact Center Analyzer til generering af rapporter fra kunder.

Kontaktcentre kan bruge denne funktion til at forbedre deres kundeoplevelsesstrategier:

• Proaktiv problemløsning — Organisationer kan løse problemer tidligt ved at identificere utilfredshed.
• Personlige træningsprogrammer — Udvikl tilpassede træningsprogrammer baseret på specifikke agenternes præstationsdata.
• Kontinuerlig forbedring — Brug indsigt fra CSAT-score til at forfine og optimere kundeserviceprocesser.
• Strategisk beslutningstagning — Informer strategiske beslutninger med datadrevet indsigt.

Brug ikke disse scoringer til vurdering af agentpræstationer, vurderinger, sanktioner, kompensation eller ansættelsesbeslutninger. Du kan finde flere oplysninger om retningslinjerne for brug i den tekniske bemærkning om Auto CSAT—AI Transparency.

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

1. Kunder, der har købt den nye AI Assistant eller AI QM- eller AI Assistant QM Bundle-tilføjelseskode () A-FLEX-AI-ASST.
2. Kunder, der måler CSAT med Post-Call Surveys aktiveret gennem:
   • Oplevelsesstyring, eller
   • Brugerdefinerede IVR-undersøgelser ved hjælp af CSAT DTMF Survey Flow Template i Flow Builder

3. Kunder, der måler CSAT på en 3-punkts eller 5-punkts skala
4. Kunder med interaktioner på engelsk (understøttelse af flere sprog er i øjeblikket i beta. Du kan finde flere oplysninger under Under støttelse af AI Assistant funktioner på flere sprog.
5. Opkaldsoptagelse skal være aktiveret for at muliggøre behandling efter opkald

• Vi offentliggør Auto CSAT scores i Call Session Records, og du kan få adgang til dem ved hjælp af Search API.
• Du kan også få adgang til disse scoringer i Auto CSAT-tabellen i AI AssistantDashboard i Analyzer for at generere brugerdefinerede rapporter.

  Auto CSAT-rapporten besvarer disse nøglespørgsmål:

  • Ind@@ sigt på agentniveau: Hvad er Auto CSAT-scorerne for en individuel agents interaktioner? Hvad er deres gennemsnitlige, minimum og maksimale Auto CSAT score tendenser?
  • Ind@@ sigt på teamniveau: Hvad er Auto CSAT- scorerne for et specifikt holds interaktioner? Hvad er deres gennemsnitlige, minimum og maksimale Auto CSAT score tendenser?
  • Ind@@ sigt på køniveau: Hvad er Auto CSAT- scorerne for interaktioner inden for en given kø? Hvad er deres gennemsnitlige, minimum og maksimale Auto CSAT score tendenser?
  • Sammenlignende analyse: Hvordan sammenlignes Auto CSAT scoringer på tværs af forskellige agenter, hold og køer?
  • Forbedringsområder: Hvor kan agentcoaching og træning forbedre ydeevnen?
  • Interaktionsrevisioner: Hvilke interaktioner berettiger yderligere gennemgang eller kundeopfølgning?
  • Operationelle forbedringer: Hvilke områder tyder på behov for drifts- eller procesforbedringer?
• I Supervisor Desktop vises Auto CSAT-scoringer på siden Detaljer om interaktioner, specifikt i panelet Interaktionsdata.

Før du begynder: Aktiv ér opkaldsoptagelse for at lette behandlingen efter opkald, hvilket er nødvendigt for at producere Auto CSAT forudsigelser.

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. Naviger til Desktop Experi ence > AI- funktioner i navigationsruden.
3. Slå Auto CSAT til under Global konfiguration.
4. Hvis du vil aktivere Auto CSAT for alle køer i organisationen, skal du slå Anvend på alle køer til.
5. Hvis du vil aktivere Auto CSAT for bestemte køer, skal du navigere til kø konfigurationen øverst, vælge den ønskede kø og aktivere funktionen for den pågældende kø.
6. Vælg Experience Management for at vælge CSAT-spørgsmål fra dine undersøgelser for at træne Auto CSAT-modellen eller Global Variable til at vælge den globale variabel, der bruges til at gemme svar på spørgeundersøgelser.

1. Hvornår er Auto CSAT scores tilgængelige efter aktivering af funktionen?

   Auto CSAT- modellen kræver mindst 250 interaktioner med CSAT-undersøgelsessvar for at begynde at forudsige Auto CSAT-score. Modellen træner på en kombination af undersøgelsesdata, drifts data og opkalds-/chatudskrifter. En vellykket træningsproces kræver mindst 250 datapunkter på tværs af alle CSAT-skalapunkter, ensartet fordelt mellem skalaerne for optimale resultater.

2. Hvordan kan jeg vurdere præstationsmålinger for min organisations Auto CSAT- model?

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

3. 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.

4. Hvis min organisation har flere CSAT-undersøgelser, hvordan vælger jeg det rigtige CSAT-spørgsmål at kortlægge 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 et CSAT-spørgsmål fra hver undersøgelse. Systemet antager, at der kun bruges en undersøgelse pr. Interaktion; det valgte CSAT-spørgsmål fra denne undersøgelse giver trænings dataene for den interaktion.

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

   Nej. Auto CSAT kræver CSAT-undersøgelsesdata til modeltræning. Hvis din organisation ikke indsamler CSAT-undersøgelser, skal du aktivere dem via Experience Management eller brugerdefinerede IVR-undersøgelser. Når CSAT dataindsamling begynder, skal du aktivere Auto CSAT.

6. 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; tredjeparts undersøgelsesdata understøttes ikke.

7. Hvorfor ser jeg 'N/A' i Auto CSAT rapporten?

   Hvis 'N/A' vises i Auto CSAT- rapporten, kan det indikere, at modellen ikke er blevet trænet på grund af utilstrækkelige data. Sørg for, at din organisation opfylder datakravene til modeluddannelse. Systemet kræver mindst 50 svar pr. CSAT skalapunkt.

8. Hvad sker der, hvis jeg skifter mellem Experience Management (EM) og Global Variable (GV) indstillinger?

   Skift mellem EM- og GV-muligheder træder i kraft i den næste omskolingscyklus. Den eksisterende model vil fortsætte med at forudsige CSAT-værdier, indtil omskoling finder sted . Hyppige ændringer kan påvirke modellens kvalitet, så det er bedst at opretholde konsistens.