Verbessern Sie Ihr Kundenerlebnis mit der KI-gestützten Auto-CSAT-Funktion von Cisco, die auf Deep-Learning-Techniken zur Vorhersage der Kundenzufriedenheit basiert. Diese leistungsstarke Funktion schöpft das volle Potenzial Ihrer Interaktionen aus und liefert unschätzbare Erkenntnisse für eine fundierte Entscheidungsfindung. Mit Echtzeit-Einblicken, die sofort verfügbar sind, kann Ihr Unternehmen die Standards für den Kundenservice erhöhen und eine kontinuierliche Verbesserung fördern. 

Die Kundenzufriedenheit ist eine wichtige Kennzahl für Contact Center, um zu verstehen, wie zufrieden Kunden mit ihrem Service sind. Die Kundenzufriedenheit wird mithilfe von Kundenbefragungen erhoben. Die Rücklaufquoten sind jedoch niedrig. Die Antworten kommen oft von Kunden, die entweder gute oder schlechte Erfahrungen gemacht haben, was das erhaltene Gesamtfeedback verzerren kann. Mithilfe der proprietären Modelle von Cisco analysiert Auto CSAT Betriebsdaten, Interaktionsprotokolle und Umfragedaten, um die CSAT-Ergebnisse für jedes Engagement genau vorherzusagen. Die Auto-CSAT-Ergebnisse können von Kunden verwendet werden, um Schulungsanforderungen zu ermitteln, Anrufe für die Prüfung auszuwählen und eine schnelle Lösung für unzufriedene Kunden sicherzustellen. Außerdem können sie verwendet werden, um Echtzeitaktionen wie die Anrufweiterleitung zu erleichtern. Der Auto-CSAT-Wert steht in Webex Contact Center Analyzer für die Generierung von Berichten durch Kunden zur Verfügung.

Contact Center können diese Funktion nutzen, um ihre Strategien zur Verbesserung des Kundenerlebnisses zu verbessern:

• Proaktive Problemlösung – Unternehmen können Probleme frühzeitig angehen und lösen, indem sie Unzufriedenheit erkennen.
• Personalisierte Schulungsprogramme – Entwickeln Sie benutzerdefinierte Schulungsprogramme auf der Grundlage spezifischer Agentenleistungsdaten.
• Kontinuierliche Verbesserung: Nutzen Sie Erkenntnisse aus CSAT-Ergebnissen, um Kundenserviceprozesse zu verfeinern und zu optimieren.
• Strategische Entscheidungsfindung: Fundierte strategische Entscheidungen mit datengestützten Erkenntnissen.

Verwenden Sie diese Ergebnisse nicht, um die Leistung, Beurteilungen, Strafen, Vergütungen oder Beschäftigungsentscheidungen von Agenten zu bewerten. Weitere Informationen zu den Nutzungsrichtlinien finden Sie im technischen Hinweis zuAuto CSAT – AI Transparency.

Um Auto CSAT zu aktivieren, müssen die folgenden Voraussetzungen erfüllt sein:

1. Kunden, die die neue AI Assistant-Add-on-SKU (A-FLEX-AI-ASST) ERWORBEN HABEN.
2. Kunden, die die Kundenzufriedenheit mit Umfragen nach Anrufen messen, die aktiviert sind durch:
   • Experience Management oder
   • Benutzerdefinierte IVR Umfragen mit PostCallSurvey_AutoCSAT_Template in Flow Builder

3. Kunden, die die Kundenzufriedenheit auf einer 3- oder 5-Punkte-Skala messen
4. Kunden mit Interaktionen auf Englisch
5. Die Anrufaufzeichnung muss aktiviert sein, damit sie nach Anruf verarbeitet werden kann

• Die CSAT-Ergebnisse werden in den Anrufsitzungsdatensätzen veröffentlicht, und Sie können mit der API "Suchen" darauf zugreifen.
• Sie können auch im AI Assistant Dashboard in Analyzer auf diese Ergebnisse zugreifen, um benutzerdefinierte Berichte zu generieren.
• Sie können auch über das Recording Management-Widget in Supervisor Desktop auf die Partituren zugreifen.

Der Auto-CSAT-Bericht beantwortet die folgenden wichtigen Fragen:

• Einblicke auf Agentenebene: Wie hoch sind die automatischen CSAT-Werte für die Interaktionen eines einzelnen Agenten? Was sind ihre durchschnittlichen, minimalen und maximalen Trends bei der automatischen CSAT-Punktzahl?
• Einblicke auf Teamebene: Wie hoch sind die Auto-CSAT-Werte für die Interaktionen eines bestimmten Teams? Was sind ihre durchschnittlichen, minimalen und maximalen Trends bei der automatischen CSAT-Punktzahl?
• Einblicke auf Warteschlangenebene: Wie hoch sind die automatischen CSAT-Werte für Interaktionen innerhalb einer bestimmten Warteschlange? Was sind ihre durchschnittlichen, minimalen und maximalen Trends bei der automatischen CSAT-Punktzahl?
• Vergleichende Analyse: Wie schneiden die automatischen CSAT-Ergebnisse im Vergleich zu verschiedenen Agenten, Teams und Warteschlangen ab?
• Verbesserungswürdige Bereiche: Wo können Agenten-Coaching und -Training die Leistung verbessern?
• Interaktionsaudits: Welche Interaktionen verdienen eine weitere Überprüfung oder Nachverfolgung durch den Kunden?
• Betriebliche Verbesserungen: Welche Bereiche deuten auf einen Bedarf an Betriebs- oder Prozessverbesserungen hin?

Bevor Sie beginnen: Aktivieren Sie die Anrufaufzeichnung, um die Verarbeitung nach dem Anruf zu erleichtern, die für die Erstellung von Auto-CSAT-Vorhersagen erforderlich ist.

Administratoren haben die Möglichkeit, die Auto-CSAT-Funktion entweder für die gesamte Organisation oder für bestimmte Benutzer zu aktivieren. Nach der Aktivierung prognostiziert Auto CSAT die Kundenzufriedenheit für Interaktionen, die in Ihrem Contact Center stattfinden.

Aktivieren Sie die Auto-CSAT-Funktion im Control Hub, indem Sie die folgenden Schritte ausführen:

1. Melden Sie sich bei Control Hub an, und navigieren Sie zu Services > Contact Center.
2. Navigieren Sie im Navigationsbereich zu Desktop Experience > AI Assistant .
3. Automatische CSAT aktivieren
4. Wählen Sie eine der folgenden Optionen für Auto-CSAT-Berechnungen:
   • Alle Agenten – Wählen Sie diese Option aus, um die Ergebnisse für alle Agenten und ihre Interaktionen zu berechnen.
   • Bestimmte Agenten: Wählen Sie mithilfe der Such- und Filteroptionen nach Name und Team bestimmte Agenten aus der Liste aus.
5. Wählen Sie Experience Management aus, um die CSAT-Fragen aus Ihren Umfragen auszuwählen, um das Auto-CSAT-Modell zu trainieren, oder globale Variable, um die globale Variable auszuwählen, die zum Speichern von Umfrageantworten verwendet wird.

Wann sind nach der Aktivierung der Funktion automatische CSAT-Ergebnisse verfügbar?

Das Auto-CSAT-Modell erfordert eine Mindestmenge an Trainingsdaten, um mit der Vorhersage der Auto-CSAT-Ergebnisse zu beginnen. Das Modell wird mit einer Kombination aus Umfragedaten, Betriebsdaten und Anruf-/Chat-Protokollen trainiert. Für einen erfolgreichen Trainingsprozess sind mindestens 50 Datenpunkte für jeden CSAT-Skalierungspunkt erforderlich. Beispiel: Eine 5-Punkte-CSAT-Skala erfordert 50 Interaktionen mit 1, 50 Interaktionen mit 2 usw. bis zu 5.

Diese Baseline ist entscheidend für die Festlegung der anfänglichen Modellleistung. Es kann jedoch sein, dass die anfängliche Modellleistung nicht sofort alle Erwartungen erfüllt. Die Effektivität der Modellvorhersage hängt von der Art des Unternehmens und der Qualität der Trainingsdaten ab. Mit zunehmendem Umfang und besserer Qualität des Datenblatts verbessert sich auch die Leistung des Modells.

Sie können die Auto-CSAT-Ergebnisse anzeigen, sobald das Modell erfolgreich trainiert wurde.

Wie kann ich die Leistungskennzahlen des Auto-CSAT-Modells meiner Organisation bewerten? 

Bewerten Sie die Leistung des Auto-CSAT-Modells, indem Sie die generierten Auto-CSAT-Werte mit den CSAT-Ergebnissen vergleichen, die aus den Antworten auf Kundenumfragen gewonnen wurden. Das Modell ist so konzipiert, dass es an menschlichen Bewertungen ausgerichtet ist. Aufgrund der menschlichen Subjektivität und der unterschiedlichen Reaktionen auf ähnliche Erfahrungen ist eine gewisse Variation zu erwarten. In den meisten Fällen wird erwartet, dass die prognostizierten Ergebnisse mit den tatsächlichen Umfrageantworten übereinstimmen. Abweichungen liegen in einem Bereich von +/- 1 der tatsächlichen Umfrageergebnisse.

Wie oft werden die Auto-CSAT-Modelle neu trainiert?

Die Auto-CSAT-Modelle werden alle 30 Tage mit den Daten der vorangegangenen 180 Tage neu trainiert.