Verbeter uw klantervaring met Cisco's AI-aangedreven Auto AANgedreven functie, gebaseerd op deep learning technieken om klanttevredenheidsscores te voorspellen. Deze krachtige functie benut het volledige potentieel van uw interacties, het verstrekken van inzichten voor geïnformeerde besluitvorming. Doordat real-time inzichten snel beschikbaar zijn, kan uw organisatie de servicestandaarden voor klanten verhogen en continue verbetering bevorderen. 

Klantentevredenheid (RESELLERST) is een belangrijke meetwaarde voor contact centers om te begrijpen hoe tevreden klanten zijn met hun service. AAN DE hand van klantenenquêtes wordt verzameld; de responsfrequentie is echter laag. Reacties zijn vaak afkomstig van klanten die goede of slechte ervaringen hebben, waardoor de algemene feedback die wordt ontvangen, kan afwijken. Met behulp van de eigen modellen van Cisco analyseert Auto DEZE gegevens, interactietranscripts en enquêtegegevens om voor elke opdracht de scores van TRANSCRIPTT te voorspellen. De Auto DEZE SCORES kunnen door klanten worden gebruikt om trainingsvereisten vast te stellen, gesprekken voor controle te selecteren en een snelle oplossing voor ontevreden klanten te garanderen, en om real-time handelingen zoals de routering van de oproep mogelijk te maken. De Score Auto DEZET is beschikbaar in Webex Contact Center Analyzer voor het genereren van rapporten van klanten.

Contact centers kunnen deze functie gebruiken om hun strategieën voor klantervaringen te verbeteren:

• Proactieve oplossing van problemen—Organisaties kunnen problemen vroeg oplossen door ontevredenheid te verhelpen.
• Persoonlijke trainingsprogramma's—Hiermee ontwikkelt u aangepaste trainingsprogramma's op basis van specifieke prestatiegegevens van de agent.
• Continue verbetering—Gebruik de inzichten van DE RESELLERST scores om de serviceprocessen voor klanten te verfijnen en te optimaliseren.
• Strategische besluitvorming—Informatie over strategische beslissingen met data-gedreven inzichten.

Gebruik deze scores niet voor het beoordelen van de prestaties, beoordelingsgesprekken, sancties, schadevergoedingen of beslissingen over werk. Raadpleeg voor meer informatie over de gebruiksrichtlijnen de Auto DEZE HANDLEIDING over de transparantie van de AI( AI Transparency Technical Note).

Om Auto DEZE FUNCTIE in te schakelen is het van belang dat aan de volgende voorwaarden wordt voldaan:

1. Klanten hebben de nieuwe AI Assistant-add-on SKU (A-FLEX-AI-ASST) aangeschaft.
2. Klanten die AAN HET meten VAN DOOR DE INBELt met post-call surveys via:
   • Ervaringsbeheer, of
   • Enquêtes IVR op maat met DE DTMF survey flow template in Flow Builder

3. Klanten die DE DOOR de klant meten op een 3- of 5-punts schaal
4. Klanten met interacties in het Engels
5. Gespreksopname moet zijn ingeschakeld zodat post-gesprekken kunnen worden verwerkt

• Wij publiceren DE SCORES van DE ENT IN DE Call Session Records en u hebt toegang tot deze met de API zoeken.
• U kunt deze scores ook openen in het AI Assistant-dashboard in Analyzer om aangepaste rapporten te genereren.
• U kunt de scores ook openen via de widget Opnamebeheer in de Supervisor-desktop.

Het Auto OMAA rapport beantwoordt de volgende belangrijke vragen:

• Inzichten op het niveau van de agent: wat zijn de Auto DEZE SCORES voor de interacties van een individuele agent? Wat zijn de gemiddelde, minimum en maximum trends in de Score van De auto- EN als ze zijn?
• Inzichten op teamniveau: Wat zijn de Auto-AAN-DE-22 scores voor de interacties van een specifiek team? Wat zijn de gemiddelde, minimum en maximum trends in de Score van De auto- EN als ze zijn?
• Inzichten op wachtrijniveau: wat zijn de Auto ENT-scores voor interacties binnen een bepaalde wachtrij? Wat zijn de gemiddelde, minimum en maximum trends in de Score van De auto- EN als ze zijn?
• Vergelijkende analyse: hoe verhoudt de Scores van Auto AAN UW kant tussen verschillende agenten, teams en wachtrijen?
• Gebieden voor verbetering: Waar kan agentcoaching en training de prestaties verbeteren?
• Interactie-controles: Welke interacties vereisen verdere beoordeling of follow-up van klanten?
• Operationele verbeteringen: op welke gebieden kan de noodzaak van operationele of procesverbeteringen worden verwacht?

Voordat u begint: schakel de opname van gesprekken in om de verwerking van gesprekken mogelijk te maken, wat noodzakelijk is om Auto DEZE voorspellingen te doen.

Beheerders kunnen ervoor kiezen om de functie Auto AAN de binnenzijde van de organisatie of voor specifieke gebruikers te activeren. Eenmaal ingeschakeld voorspelt Auto DEZE klanttevredenheid voor interacties die in uw contactcenter plaatsvinden.

Schakel de functie Auto OP DE Control Hub in door de volgende stappen uit te voeren:

1. Meld u aan bij Control Hub en navigeer naar Services > Contact Center.
2. Navigeer naar Desktopervaring > AI Assistant in het navigatiedeelvenster.
3. Auto OP INschakelen .
4. Kies een van de volgende optiesvoor voor de berekeningen van Auto OP DE 2000:
   • Alle agenten: selecteer deze optie om de scores te berekenen voor alle agenten en hun interacties.
   • Afzonderlijke agenten - selecteer specifieke agenten in de lijst, gebruik de zoek- en filteropties op naam en team.
5. Selecteer Ervaringsbeheer om de AAN UW enquêtes te beantwoorden vragen van uw enquêtes om het Auto DEZE model of de Global Variable te trainen om de globale variabele te kiezen die wordt gebruikt om enquêtes op te slaan.

Wanneer zijn de Scores van Auto EN AAN het eind van de dag beschikbaar na het inschakelen van de functie?

Het Auto DEZE MODEL vereist een minimale hoeveelheid trainingsgegevens om te kunnen beginnen met het voorspellen van de Scores van Auto EN DOOR de aanhalingsgegevens. Het model traint op een combinatie van enquêtegegevens, operationele gegevens en transcripts van gesprekken en chatgesprekken. Voor een geslaagd trainingsproces zijn voor elk OPA-schaalpunt minimaal 50 gegevenspunten nodig. Op een " 5-punts"-schaal, bijvoorbeeld, zijn 50 interacties nodig die worden beoordeeld als 1, 50 interacties met een score van 2, enzovoort, tot 5.

Deze basiswaarde is van cruciaal belang voor het vaststellen van de eerste modelprestaties. Het is echter mogelijk dat de eerste modelprestaties niet meteen aan alle verwachtingen voldoen. De effectiviteit van de modelprognose hangt af van de aard van het bedrijf en de kwaliteit van de trainingsgegevens. Naarmate het volume en de kwaliteit van de ondergang van de ondergang verbeteren, verbeteren de prestaties van het model ook.

U kunt de Auto DEZE scores zien zodra het model met succes is getraind.

Hoe kan ik de prestatiecijfers van het Auto DEZE MODEL VAN mijn organisatie beoordelen? 

Evalueer de prestaties van het Auto DEZE STAPT model door de gegenereerde Auto DEZE WAARDEN te vergelijken met de AAN de KLANT beantwoording scores. Het model is ontworpen om uit te stemmen op menselijke evaluaties. er wordt enige variaties verwacht als gevolg van humane subjectiviteit en verschillende reacties op vergelijkbare ervaringen. Van de voorspelde scores wordt meestal verwacht dat ze overeenkomen met de werkelijke antwoorden op de enquêtes. Eventuele afwijkingen vallen binnen een +/- 1 bereik van de werkelijke enquêtesscores. Dit reflecteert hetzelfde niveau van Jeiaen dat je zou verwachten als meerdere menselijke evaluatoren dezelfde interactie beoordeelden.

Hoe vaak worden de Auto DEZE MODELLEN opnieuw getraind?

De Auto DEZE MODELLEN worden elke 30 dagen opnieuw getraind op basis van gegevens van de voorgaande 180 dagen. Deze regelmatige hertraining zorgt ervoor dat de modellen nauwkeurig blijven en driftvrij.

Als mijn organisatie meerdere AAN ENT hij/zij enquêtes heeft, hoe kies ik dan de juiste BIJT-vraag om naar toe te kaarten?

Selecteer voor modeltraining de AAN ENE VRAAG DIE het beste overeenkomt met de algehele klanttevredenheid voor elk interactie met het contactcenter. Als u meerdere enquêtes gebruikt, kiest u één INT-vraag uit elke enquête. Het systeem gaat ervan uit dat er per interactie slechts één enquête wordt gebruikt. de geselecteerde ENT-vraag uit die enquête bevat de trainingsgegevens voor die interactie.

Mijn organisatie verzamelt geen INA-enquêtes. Kan ik de functie Auto OP OPA gebruiken?

Nee. Auto AAN HET 2440-10 de gegevens van de modeltraining vereist. Als uw organisatie geen SURVEYS verzamelt, schakelt u deze in via Experience Management of aangepaste IVR enquêtes. Zodra DE gegevensverzameling van DE ENE OP DE VOOR UIT ALST-gegevens is begonnen, activeert u Auto AAN HET 200:00

We gebruiken een tool van derden om gegevens te verzamelen. Kunnen deze gegevens worden gebruikt om het model Auto VOOR de training te gebruiken?

Nee. Auto DIE OP dit moment alleen intern verzamelde"-enquêtegegevens gebruikt voor modeltrainingen; enquêtegegevens van derden worden niet ondersteund.