Få en bedre kundeopplevelse med Ciscos AI-drevne Auto CSAT-funksjon, basert på dyplæringsteknikker for å forutsi kundetilfredshetspoeng. Denne kraftige funksjonen utnytter det fulle potensialet i samhandlingene dine, og gir uvurderlig innsikt for informert beslutningstaking. Med innsikt i sanntid lett tilgjengelig kan organisasjonen heve kundeservicestandardene og fremme kontinuerlig forbedring. 

Kundetilfredshet (CSAT) er en viktig beregning for kontaktsentre for å forstå hvor fornøyde kundene er med tjenesten deres. CSAT samles inn ved hjelp av kundeundersøkelser; Svarprosenten er imidlertid lav. Svarene kommer ofte fra kunder som hadde enten gode eller dårlige erfaringer, noe som kan forskyve den generelle tilbakemeldingen som mottas. Ved hjelp av Ciscos proprietære modeller analyserer Auto CSAT driftsdata, interaksjonsutskrifter og undersøkelsesdata for nøyaktig å forutsi CSAT-poengsummer for hvert engasjement. De automatiske CSAT-poengsummene kan brukes av kunder til å identifisere opplæringskrav, velge revisjonsanrop og sikre rask løsning for misfornøyde kunder, og brukes til å legge til rette for sanntidshandlinger som samtaleruting. Den automatiske CSAT-poengsummen er tilgjengelig i Webex Contact Center Analyzer for generering av rapporter fra kunder.

Kontaktsentre kan bruke denne funksjonen til å forbedre sine strategier for kundeopplevelse:

• Proaktiv problemløsning – Organisasjoner kan ta tak i og løse problemer tidlig ved å identifisere misnøye.
• Tilpassede opplæringsprogrammer – Utvikle tilpassede treningsprogrammer basert på spesifikke ytelsesdata for agenter.
• Kontinuerlig forbedring – Bruk innsikt fra CSAT-poengsummer til å finjustere og optimalisere kundeserviceprosesser.
• Strategisk beslutningstaking – Informer strategiske beslutninger med datadrevet innsikt.

Ikke bruk disse poengsummene til å vurdere agentprestasjoner, utviklingssamtaler, straffer, kompensasjon eller ansettelsesbeslutninger. Hvis du vil ha mer informasjon om bruksretningslinjer, kan du se den tekniske merknaden AutoCSAT – AI Transparency.

Hvis du vil aktivere automatisk CSAT, er det viktig å oppfylle følgende forutsetninger:

1. Kunder som har kjøpt den nye SKU-en for AI Assistant-tillegget (A-FLEX-AI-ASST).
2. Kunder som måler CSAT med undersøkelser etter samtale aktivert gjennom:
   • Experience Management, eller
   • Tilpassede IVR evalueringer ved hjelp av CSAT DTMF mal for evalueringsflyt i flytverktøyet

3. Kunder som måler CSAT på 3-punkts eller 5-punkts skala
4. Kunder med interaksjoner på engelsk
5. Samtaleopptak må være aktivert for å tillate behandling etter samtale

• Vi publiserer CSAT-poengsummer i samtaleøktoppføringene, og du kan få tilgang til dem ved hjelp av Søk-API .
• Du kan også få tilgang til disse poengsummene i AI Assistant-instrumentbordet i Analyzer for å generere egendefinerte rapporter.
• Du kan også få tilgang til partiturene fra widgeten Opptaksbehandling på skrivebordet til Supervisor.

Rapporten Auto CSAT gir svar på disse viktige spørsmålene:

• Innsikt på agentnivå: Hva er de automatiske CSAT-poengsummene for samhandlingene til en enkelt agent? Hva er deres gjennomsnittlige, minimum og maksimale trender for automatisk CSAT-poengsum?
• Innsikt på teamnivå: Hva er de automatiske CSAT-poengsummene for samhandlingene til et bestemt team? Hva er deres gjennomsnittlige, minimum og maksimale trender for automatisk CSAT-poengsum?
• Innsikt på kønivå: Hva er de automatiske CSAT-poengsummene for samhandlinger i en gitt kø? Hva er deres gjennomsnittlige, minimum og maksimale trender for automatisk CSAT-poengsum?
• Sammenlignende analyse: Hvordan er Auto CSAT-poengsummene sammenlignet mellom ulike agenter, team og køer?
• Forbedringsområder: Hvor kan agentcoaching og trening forbedre prestasjonene?
• Interaksjonsrevisjoner: Hvilke interaksjoner krever ytterligere gjennomgang eller kundeoppfølging?
• Operasjonelle forbedringer: Hvilke områder antyder behov for drifts- eller prosessforbedringer?

Før du begynner: Aktiver samtaleopptak for å forenkle behandlingen etter samtalen, noe som er nødvendig for å produsere automatiske CSAT-prognoser.

Administratorer har muligheten til å aktivere funksjonen Automatisk CSAT enten for hele organisasjonen eller for bestemte brukere. Når den er aktivert, vil Auto CSAT forutsi kundetilfredshet for interaksjoner som finner sted i kontaktsenteret ditt.

Aktiver funksjonen Automatisk CSAT i Kontrollhub ved å følge disse trinnene:

1. Logg på Control Hub og naviger til Services > Contact Center.
2. Naviger til Skrivebordsopplevelse > AI-assistent i navigasjonsruten.
3. Slå på Auto CSAT.
4. Velg ett av følgende alternativer for Beregninger av automatisk CSAT:
   • Alle agenter – Velg dette alternativet for å beregne poengsummer for alle agenter og samhandlingene deres.
   • Individuelle agenter – Velg bestemte agenter fra listen ved hjelp av søke- og filtreringsalternativer etter navn og team.
5. Velg Opplevelsesadministrasjon for å velge CSAT-spørsmålene fra spørreundersøkelsene for å lære opp den automatiske CSAT-modellen eller Global variabel for å velge den globale variabelen som brukes til å lagre evalueringssvar.

Når er Auto CSAT-poengsummer tilgjengelige etter at funksjonen er aktivert?

Den automatiske CSAT-modellen krever et minimum av treningsdata for å begynne å forutsi automatiske CSAT-poengsummer. Modellen trener på en kombinasjon av undersøkelsesdata, operasjonelle data og samtale / chat-utskrifter. En vellykket opplæringsprosess krever minst 50 datapunkter for hvert CSAT-skaleringspunkt. En 5-punkts CSAT-skala krever for eksempel 50 samhandlinger med vurderingen 1, 50 samhandlinger klassifisert som 2 og så videre, opptil 5.

Denne grunnlinjen er avgjørende for å etablere innledende modellytelse. Imidlertid kan det hende at den første modellens ytelse ikke umiddelbart oppfyller alle forventninger. Effektiviteten av modellprediksjonen avhenger av virksomhetens art og kvaliteten på treningsdataene. Etter hvert som databladets volum og kvalitet forbedres, forbedres også modellens ytelse.

Du kan begynne å se Auto CSAT-poengsummene når modellen er opplært.

Hvordan kan jeg vurdere ytelsesmålingene for organisasjonens Auto CSAT-modell? 

Evaluer ytelsen til den automatiske CSAT-modellen ved å sammenligne de genererte Auto CSAT-verdiene med CSAT-poengsummene hentet fra svar på kundeundersøkelser. Modellen er designet for å samsvare med menneskelige evalueringer; Noe variasjon forventes på grunn av menneskelig subjektivitet og ulike reaksjoner på lignende erfaringer. For det meste forventes forventede poengsummer å samsvare med faktiske undersøkelsessvar. Eventuelle avvik faller innenfor et +/- 1-område av de faktiske undersøkelsesresultatene. Dette gjenspeiler det samme nivået av variabilitet du forventer hvis flere menneskelige evaluatorer vurderte den samme interaksjonen.

Hvor ofte blir Auto CSAT-modellene omskolert?

Auto CSAT-modellene blir omskolert hver 30. dag ved hjelp av data fra de foregående 180 dagene. Denne regelmessige omskoleringen bidrar til å sikre at modellene forblir nøyaktige og fri for drift.

Hvis organisasjonen min har flere CSAT-spørreundersøkelser, hvordan velger jeg det riktige CSAT-spørsmålet å tilordne til?

For modellopplæring velger du CSAT-spørsmålet som best representerer generell kundetilfredshet for hver kontaktsentersamhandling. Hvis du bruker flere evalueringer, velger du ett CSAT-spørsmål fra hver evaluering. Systemet forutsetter at det kun benyttes én undersøkelse per interaksjon; Det valgte CSAT-spørsmålet fra den spørreundersøkelsen gir opplæringsdataene for den interaksjonen.

Organisasjonen min samler ikke inn CSAT-spørreundersøkelser. Kan jeg bruke funksjonen Auto CSAT?

Nei. Automatisk CSAT krever CSAT-undersøkelsesdata for modellopplæring. Hvis organisasjonen din ikke samler inn CSAT-spørreundersøkelser, kan du aktivere dem gjennom opplevelsesadministrasjon eller tilpassede IVR-evalueringer. Når CSAT-datainnsamlingen har startet, aktiverer du Automatisk CSAT.

Vi bruker et tredjepartsverktøy for å samle inn CSAT-data. Kan disse dataene brukes til å lære opp den automatiske CSAT-modellen?

Nei. Auto CSAT bruker for øyeblikket bare internt innsamlede CSAT-undersøkelsesdata for modellopplæring; Undersøkelsesdata fra tredjeparter støttes ikke.