고객 만족도 점수를 예측하는 딥 러닝 기술을 기반으로 하는 Cisco의 AI 기반 Auto CSAT 기능으로 고객 경험을 향상시키십시오. 이 강력한 기능은 상호 작용의 잠재력을 최대한 활용하여 정보에 입각한 의사 결정을 위한 귀중한 통찰력을 제공합니다. 즉시 사용할 수 있는 실시간 인사이트를 통해 조직은 고객 서비스 표준을 높이고 지속적인 개선을 촉진할 수 있습니다. 

고객 만족도(CSAT)는 컨택 센터가 고객의 서비스 만족도를 파악하는 데 중요한 지표입니다. CSAT는 고객 설문조사를 사용하여 수집됩니다. 그러나 응답률은 낮습니다. 좋은 경험이나 나쁜 경험을 한 고객으로부터 응답이 오는 경우가 많으며, 이는 수신된 전체 피드백을 왜곡할 수 있습니다. Auto CSAT는 Cisco의 독점 모델을 사용하여 운영 데이터, 상호 작용 기록 및 설문 조사 데이터를 분석하여 각 참여에 대한 CSAT 점수를 정확하게 예측합니다. 자동 CSAT 점수는 고객이 교육 요구 사항을 식별하고, 감사할 통화를 선택하고, 불만족한 고객에 대한 신속한 해결을 보장하는 데 사용할 수 있으며, 통화 라우팅과 같은 실시간 작업을 용이하게 하는 데 사용할 수 있습니다. 자동 CSAT 점수는 고객이 보고서를 생성하는 Webex Contact Center Analyzer 사용할 수 있습니다.

컨택 센터는 이 기능을 사용하여 고객 경험 전략을 개선할 수 있습니다.

• 사전 예방적 문제 해결 - 조직은 불만 사항을 식별하여 문제를 조기에 해결할 수 있습니다.
• 개인 맞춤형 교육 프로그램 - 특정 상담원 성과 데이터를 기반으로 맞춤형 교육 프로그램을 개발합니다.
• 지속적인 개선: CSAT 점수의 인사이트를 사용하여 고객 서비스 프로세스를 구체화하고 최적화합니다.
• 전략적 의사 결정 - 데이터 기반 인사이트를 통해 전략적 의사 결정을 내릴 수 있습니다.

이 점수를 상담원 성과, 평가, 페널티, 보상 또는 고용 결정을 평가하는 데 사용하지 마십시오. 사용 가이드라인에 대한 자세한 내용은 자동 CSAT - AI 투명성 기술 노트 를참조하세요.

자동 CSAT를 사용 설정하려면 다음 필수 구성 요소를 충족하는 것이 중요합니다.

1. 새 AI Assistant 추가 기능 SKU(A-FLEX-AI-ASST)를 구매한 고객입니다.
2. 통화 후 설문조사를 활성화하여 CSAT를 측정하는 고객은 다음을 통해 다음을 수행할 수 있습니다.
   • 경험 관리 또는
   • Flow Builder에서 CSAT DTMF 설문조사 흐름 템플릿을 사용하는 사용자 지정 IVR 설문조사

3. 3점 또는 5점 척도로 CSAT를 측정하는 고객
4. 영어로 대화하는 고객
5. 통화 후 처리를 허용하려면 통화 녹음을 활성화해야 합니다.

• CSAT 점수는 통화 세션 레코드에 게시되며 검색 API 사용하여 액세스할 수 있습니다.
• 분석기의 AI Assistant 대시보드 에서 이러한 점수에 액세스하여 사용자 지정 보고서를 생성할 수도 있습니다.
• 또한 Supervisor Desktop의 녹음 관리 위젯에서 점수에 액세스할 수도 있습니다.

자동 CSAT 보고서는 다음과 같은 주요 질문에 대한 답변을 제공합니다.

• 상담원 수준 인사이트: 개별 상담원의 상호 작용에 대한 자동 CSAT 점수는 얼마입니까? 평균, 최소 및 최대 Auto CSAT 점수 추세는 무엇입니까?
• 팀 수준 인사이트: 특정 팀의 상호 작용에 대한 자동 CSAT 점수는 얼마입니까? 평균, 최소 및 최대 Auto CSAT 점수 추세는 무엇입니까?
• 대기열 수준 인사이트: 지정된 대기열 내의 상호 작용에 대한 자동 CSAT 점수는 무엇인가요? 평균, 최소 및 최대 Auto CSAT 점수 추세는 무엇입니까?
• 비교 분석: Auto CSAT 점수는 다양한 상담원, 팀 및 대기열에서 어떻게 비교됩니까?
• 개선이 필요한 부분: 상담원 코칭 및 교육을 통해 성과를 개선할 수 있는 부분은 어디입니까?
• 상호 작용 감사: 추가 검토 또는 고객 후속 조치가 필요한 상호 작용은 무엇입니까?
• 운영 개선: 운영 또는 프로세스 개선이 필요하다고 제안하는 영역은 무엇입니까?

시작하기 전에: 자동 CSAT 예측을 생성하는 데 필요한 통화 후 처리를 용이하게 하기 위해 통화 녹음을 활성화합니다.

관리자는 전체 조직 또는 특정 사용자에 대해 자동 CSAT 기능을 활성화할 수 있습니다. 자동 CSAT가 활성화되면 컨택 센터에서 발생하는 상호 작용에 대한 고객 만족도를 예측합니다.

Control Hub에서 자동 CSAT 기능을 활성화하여 다음 단계를 따르십시오.

1. Control Hub 에 로그인하고 서비스 > 컨택 센터 로이동합니다.
2. 탐색 창에서 Desktop Experience > AI Assistant 로 이동합니다.
3. 자동 CSAT 를 켭니다.
4. 자동 CSAT 계산에 대해 다음 옵션 중 하나를 선택합니다.
   • 모든 상담원 - 모든 상담원 및 상담원의 상호 작용에 대한 점수를 계산하려면 이 옵션을 선택합니다.
   • 개별 상담사—이름 및 팀을 기준으로 검색 및 필터 옵션을 사용하여 목록에서 특정 상담사를 선택합니다.
5. 경험 관리를 선택하여 설문조사에서 CSAT 질문을 선택하여 자동 CSAT 모델을 훈련하거나 전역 변수를 선택하여 설문조사 응답을 저장하는 데 사용되는 글로벌 변수를 선택합니다.

기능을 활성화한 후 자동 CSAT 점수는 언제 사용할 수 있나요?

자동 CSAT 모델에는 자동 CSAT 점수 예측을 시작하기 위해 최소한의 학습 데이터가 필요합니다. 이 모델은 설문 조사 데이터, 운영 데이터 및 통화/채팅 기록의 조합에 대해 학습합니다. 성공적인 학습 프로세스를 위해서는 각 CSAT 척도 지점에 대해 최소 50개의 데이터 포인트가 필요합니다. 예를 들어 5점 CSAT 척도에는 1로 평가된 50개의 상호작용, 2로 평가된 50개의 상호작용 등이 필요합니다(최대 5개).

이 기준은 초기 모델 성능을 설정하는 데 중요합니다. 그러나 초기 모델 성능은 모든 기대치를 즉시 충족하지 못할 수 있습니다. 모델 예측 효과는 비즈니스의 특성과 학습 데이터의 품질에 따라 달라집니다. 데이터시트의 볼륨과 품질이 향상되면 모델의 성능도 향상됩니다.

모델이 성공적으로 학습되면 자동 CSAT 점수를 볼 수 있습니다.

조직의 자동 CSAT 모델의 성과 지표를 평가하려면 어떻게 해야 하나요? 

생성된 자동 CSAT 값을 고객 설문조사 응답에서 얻은 CSAT 점수와 비교하여 자동 CSAT 모델 성능을 평가합니다. 이 모델은 인간의 평가와 일치하도록 설계되었습니다. 인간의 주관성과 유사한 경험에 대한 반응이 다르기 때문에 약간의 차이가 예상됩니다. 대부분 예측 점수는 실제 설문 조사 응답과 일치할 것으로 예상됩니다. 모든 편차는 실제 설문 조사 점수의 +/- 1 범위 내에 있습니다. 이는 여러 평가자가 동일한 상호 작용을 평가했을 때 예상할 수 있는 것과 동일한 수준의 변동성을 반영합니다.

Auto CSAT 모델은 얼마나 자주 재학습되나요?

자동 CSAT 모델은 이전 180일의 데이터를 사용하여 30일마다 다시 학습됩니다. 이러한 정기적인 재학습은 모델이 정확하고 드리프트가 없도록 하는 데 도움이 됩니다.

조직에 여러 CSAT 설문조사가 있는 경우 매핑할 올바른 CSAT 질문을 선택하려면 어떻게 해야 하나요?

모델 교육의 경우 각 컨택 센터 상호 작용에 대한 전반적인 고객 만족도를 가장 잘 나타내는 CSAT 질문을 선택합니다. 여러 설문조사를 사용하는 경우 각 설문조사에서 하나의 CSAT 질문을 선택합니다. 시스템에서는 상호 작용당 하나의 설문조사만 사용된다고 가정합니다. 해당 설문조사에서 선택한 CSAT 질문은 해당 상호 작용에 대한 교육 데이터를 제공합니다.

우리 조직에서는 CSAT 설문조사를 수집하지 않습니다. 자동 CSAT 기능을 사용할 수 있나요?

아니요. Auto CSAT는 모델 학습을 위해 CSAT 설문조사 데이터가 필요합니다. 조직에서 CSAT 설문조사를 수집하지 않는 경우 경험 관리 또는 사용자 지정 IVR 설문조사를 통해 사용 설정하세요. CSAT 데이터 수집이 시작되면 자동 CSAT를 활성화합니다.

당사는 제3자 도구를 사용하여 CSAT 데이터를 수집합니다. 이 데이터를 사용하여 자동 CSAT 모델을 학습시킬 수 있나요?

아니요. Auto CSAT는 현재 모델 학습을 위해 내부적으로 수집된 CSAT 설문조사 데이터만 사용합니다. 타사 설문 조사 데이터는 지원되지 않습니다.