Hartelijk dank voor uw feedback

Verbeter uw klantervaring met de door AI aangedreven Auto CSAT-functie van Cisco, gebaseerd op deep learning-technieken om klanttevredenheidsscores te voorspellen. Deze krachtige functie benut het volledige potentieel van uw interacties en biedt waardevolle inzichten voor weloverwogen besluitvorming. Met realtime inzichten die direct beschikbaar zijn, kan uw organisatie de normen voor klantenservice naar een hoger niveau tillen en continue verbetering bevorderen. 

Klanttevredenheid (CSAT) is een belangrijke maatstaf voor contactcenters om te begrijpen hoe tevreden klanten zijn met hun service. De CSAT wordt verzameld aan de hand van klantenquêtes; de responspercentages zijn echter laag. De reacties zijn vaak afkomstig van klanten die goede of slechte ervaringen hebben gehad, wat de algemene feedback die we krijgen negatief kan beïnvloeden. Met behulp van de eigen modellen van Cisco analyseert Auto CSAT operationele gegevens, transcripties van interacties en onderzoeksgegevens om de CSAT-scores voor elke opdracht nauwkeurig te voorspellen. De automatische CSAT-scores kunnen door klanten worden gebruikt om opleidingsvereisten te identificeren, gesprekken te selecteren voor controle en te zorgen voor een snelle oplossing voor ontevreden klanten, en kunnen worden gebruikt om acties in realtime mogelijk te maken, zoals het routeren van gesprekken. De Auto CSAT-score is beschikbaar Webex Contact Center Analyzer voor het genereren van rapporten van klanten.

Contactcenters kunnen deze functie gebruiken om hun strategieën voor klantervaring te verbeteren:

• Proactieve probleemoplossing — Organisaties kunnen problemen vroegtijdig aanpakken en oplossen door ontevredenheid vast te stellen.
• Gepersonaliseerde trainingsprogramma's — Ontwikkel trainingsprogramma's op maat op basis van specifieke prestatiegegevens van agenten.
• Voortdurende verbetering: gebruik inzichten uit CSAT-scores om klantenserviceprocessen te verfijnen en te optimaliseren.
• Strategische besluitvorming: onderbouw strategische beslissingen met datagestuurde inzichten.

Gebruik deze scores niet voor het beoordelen van de prestaties van agenten, beoordelingen, boetes, vergoedingen of beslissingen over het dienstverband. Voor meer informatie over gebruiksrichtlijnen, zie de technische opmerking over Auto CSAT—AI Transparency.

Om Auto CSAT mogelijk te maken, is het belangrijk dat u aan de volgende voorwaarden voldoet:

1. Klanten die de nieuwe SKU (A-FLEX-AI-ASST) AI Assistant of de toevoeging AI QM of AI Assistant QM Bundle hebben gekocht.
2. Klanten die de CSAT meten met enquêtes na een gesprek, mogelijk gemaakt door:
   • Ervaringsbeheer, of
   • IVR-enquêtes op maat met behulp van de CSAT DTMF Survey Flow Template in Flow Builder

3. Klanten die CSAT meten op een driepunts- of vijfpuntsschaal
4. Klanten met interacties in het Engels (ondersteuning voor meerdere talen is momenteel in bèta). Zie Meertalige ondersteuning voor AI Assistant functies voor meer informatie.
5. De gespreksopname moet ingeschakeld zijn om de verwerking na een gesprek mogelijk te maken

• We publiceren Auto CSAT-scores in de gespreksessierecords en u hebt er toegang toe via de zoek-API.
• U hebt ook toegang tot deze scores in de Auto CSAT-tabel in AI AssistantDashboard in Analyzer om aangepaste rapporten te genereren.

  Het Auto CSAT-rapport geeft antwoord op deze belangrijke vragen:

  • Inzichten op agentniveau: Wat zijn de automatische CSAT-scores voor de interacties van een individuele agent? Wat zijn hun gemiddelde, minimale en maximale Auto CSAT-scoretrends?
  • Inzichten op teamniveau: Wat zijn de automatische CSAT-scores voor de interacties van een specifiek team? Wat zijn hun gemiddelde, minimale en maximale Auto CSAT-scoretrends?
  • Inzichten op wachtrijniveau: Wat zijn de automatische CSAT-scores voor interacties binnen een bepaalde wachtrij? Wat zijn hun gemiddelde, minimale en maximale Auto CSAT-scoretrends?
  • Vergelijkende analyse: Hoe verhouden Auto CSAT-scores zich tot verschillende agenten, teams en wachtrijen?
  • Gebieden voor verbetering: Waar kunnen coaching en training van agenten de prestaties verbeteren?
  • Interactie-audits: Welke interacties verdienen een verdere beoordeling of opvolging door klanten?
  • Operationele verbeteringen: Op welke gebieden is er behoefte aan operationele of procesverbeteringen?
• In Supervisor Desktop worden automatische CSAT-scores weergegeven op de pagina Interactiegegevens, met name in het paneel Interactiegegevens.

Voordat u begint: Schakel gespreksopname in om de verwerking na een gesprek te vergemakkelijken, wat nodig is om automatische CSAT-voorspellingen te maken.

Beheerders hebben de mogelijkheid om de Auto CSAT-functie te activeren voor de hele organisatie of voor specifieke gebruikers. Eenmaal ingeschakeld, voorspelt Auto CSAT de klanttevredenheid voor interacties die plaatsvinden in uw contactcenter.

Schakel de Auto CSAT-functie in de Control Hub in door deze stappen te volgen:

1. Meld u aan bij Control Hub en ga naar Services > Contact Center.
2. Navigeer naar Desktop Experience > AI-functies in het navigatievenster.
3. Schakel Auto CSAT in onder Global Configuration.
4. Als u Auto CSAT wilt inschakelen voor alle wachtrijen in de organisatie, schakel dan Toepassen op alle wachtrijen in.
5. Als u Auto CSAT wilt inschakelen voor specifieke wachtrijen, navigeer dan naar de Queue-configuratie bovenaan, selecteer de gewenste wachtrij en schakel de functie voor die wachtrij in.
6. Selecteer Experience Management om de CSAT-vragen uit uw enquêtes te kiezen om het Auto CSAT-model te trainen, of Global Variable om de globale variabele te kiezen die wordt gebruikt om antwoorden op enquêtes op te slaan.

1. Wanneer zijn automatische CSAT-scores beschikbaar nadat de functie is ingeschakeld?

   Het Auto CSAT-model vereist minimaal 250 interacties met de antwoorden op de CSAT-enquête om de automatische CSAT-scores te kunnen voorspellen. Het model traint op een combinatie van enquêtegegevens, operationele gegevens en transcripties van gesprekken en chats. Voor een succesvol trainingsproces zijn minimaal 250 datapunten nodig over alle CSAT-schaalpunten, gelijkmatig verdeeld over de schalen voor optimale resultaten.

2. Hoe kan ik de prestatiestatistieken van het Auto CSAT-model van mijn organisatie beoordelen?

   Evalueer de prestaties van het Auto CSAT-model door de gegenereerde Auto CSAT-waarden te vergelijken met de CSAT-scores die zijn verkregen op basis van antwoorden op klantenenquêtes. Het model is ontworpen om aan te sluiten bij menselijke evaluaties; er wordt enige variatie verwacht als gevolg van menselijke subjectiviteit en verschillende reacties op soortgelijke ervaringen. Meestal wordt verwacht dat de voorspelde scores overeenkomen met de werkelijke antwoorden op de enquête. Eventuele afwijkingen vallen binnen een bereik van +/- 1 van de werkelijke onderzoeksscores. Dit weerspiegelt dezelfde mate van variabiliteit die u zou verwachten als meerdere menselijke beoordelaars dezelfde interactie zouden beoordelen.

3. Hoe vaak worden de Auto CSAT-modellen bijgeschoold?

   De Auto CSAT-modellen worden elke 30 dagen bijgeschoold op basis van gegevens van de voorgaande 180 dagen. Deze regelmatige bijscholing helpt ervoor te zorgen dat de modellen nauwkeurig en vrij van driften blijven.

4. Als mijn organisatie meerdere CSAT-enquêtes heeft, hoe kies ik dan de juiste CSAT-vraag om naar toe te wijzen?

   Voor modeltraining selecteert u de CSAT-vraag die het beste de algemene klanttevredenheid weergeeft voor elke interactie met het contactcenter. Als u meerdere enquêtes gebruikt, kies dan één CSAT-vraag uit elke enquête. Het systeem gaat ervan uit dat er slechts één enquête per interactie wordt gebruikt; de geselecteerde CSAT-vraag uit die enquête bevat de trainingsgegevens voor die interactie.

5. Mijn organisatie verzamelt geen CSAT-enquêtes. Kan ik de Auto CSAT-functie gebruiken?

   Nee. Auto CSAT vereist CSAT-onderzoeksgegevens voor modeltraining. Als uw organisatie geen CSAT-enquêtes verzamelt, schakel ze dan in via Experience Management of aangepaste IVR-enquêtes. Nadat het verzamelen van CSAT-gegevens is begonnen, activeert u Auto CSAT.

6. We gebruiken een tool van derden om CSAT-gegevens te verzamelen. Kunnen deze gegevens worden gebruikt om het Auto CSAT-model te trainen?

   Nee. Auto CSAT gebruikt momenteel alleen intern verzamelde CSAT-onderzoeksgegevens voor modeltraining; onderzoeksgegevens van derden worden niet ondersteund.

7. Waarom zie ik 'N/A' in het Auto CSAT-rapport?

   Als 'N/A' in het Auto CSAT-rapport verschijnt, kan dat erop wijzen dat het model niet is getraind vanwege onvoldoende gegevens. Zorg ervoor dat uw organisatie voldoet aan de gegevensvereisten voor modelopleidingen. Het systeem vereist minstens 50 reacties per CSAT-schaalpunt.

8. Wat gebeurt er als ik omschakel tussen de opties Experience Management (EM) en Global Variable (GV)?

   De omschakeling tussen EM- en GV-opties wordt van kracht tijdens de volgende omscholingscyclus. Het bestaande model zal de CSAT-waarden blijven voorspellen tot er een omscholing plaatsvindt . Regelmatige wijzigingen kunnen van invloed zijn op de kwaliteit van het model, dus het is het beste om de consistentie te behouden.