Takk for tilbakemeldingen.

Forbedre kundeopplevelsen din med Ciscos AI-drevne Auto CSAT-funksjon, basert på dyplæringsteknikker for å forutsi kundetilfredshetspoeng. Denne kraftige funksjonen utnytter det fulle potensialet i interaksjonene dine, og gir uvurderlig innsikt for informert beslutningstaking. Med sanntidsinnsikt som er 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 ved hjelp av kundeundersøkelser; men, svarprosenten er lav. Svarene kommer ofte fra kunder som hadde enten gode eller dårlige opplevelser, noe som kan fordreie den generelle tilbakemeldingen mottatt. Ved hjelp av Ciscos proprietære modeller analyserer Auto CSAT driftsdata, interaksjonsutskrifter og undersøkelsesdata for nøyaktig å forutsi CSAT-score for hvert engasjement. Auto CSAT-poengene kan brukes av kunder til å identifisere opplæringskrav, velge samtaler for revisjon og sikre rask løsning for misfornøyde kunder, og brukes til å legge til rette for sanntidshandlinger som samtaleruting. Auto CSAT-poengsummen er tilgjengelig Webex Contact Center Analyzer for å generere rapporter fra kunder.

Kontaktsentre kan bruke denne funksjonen til å forbedre strategiene for kundeopplevelse:

• Proaktiv problemløsning — Organisasjoner kan løse problemer tidlig ved å identifisere misnøye.
• Personlige treningsprogrammer — Utvikle tilpassede treningsprogrammer basert på spesifikke agenterytelsesdata.
• Kontinuerlig forbedring — Bruk innsikt fra CSAT-score for å avgrense og optimalisere kundeserviceprosesser.
• Strategisk beslutningstaking — Informer strategiske beslutninger med datadrevet innsikt.

Ikke bruk disse poengene til å vurdere agentens ytelse, vurderinger, straffer, kompensasjon eller ansettelsesbeslutninger. Hvis du vil ha mer informasjon om retningslinjer for bruk, kan du se Teknisk merk nad for automatisk CSAT—AI Transparency.

For å aktivere Auto CSAT er det viktig å oppfylle følgende forutsetninger:

1. Kunder som har kjøpt den nye AI Assistant eller AI QM- eller AI Assistant QM Bundle-tilleggs-SKU () A-FLEX-AI-ASST.
2. Kunder som måler CSAT med Post-Call Surveys aktivert gjennom:
   • Erfaringsle delse, eller
   • Egendefinerte IVR-undersøkelser ved hjelp av CSAT DTMF-undersøkelsesflytmal i Flow Builder

3. Kunder som måler CSAT på en 3-punkts eller 5-punkts skala
4. Kunder med interaksjoner på engelsk (flerspråklig støtte er for øyeblikket i beta. For mer informasjon, se Flerspråklig støtte for AI Assistant funksjoner.
5. Samtaleopptak må være aktivert for å tillate behandling etter samtale

• Vi publiserer Auto CSAT score i Call Session Records, og du kan få tilgang til dem ved hjelp av Search API.
• Du kan også få tilgang til disse poengsummene i Auto CSAT-tabellen i AI AssistantDashboard i Analyzer for å generere tilpassede rapporter.

  Auto CSAT-rapporten svarer på disse viktige spørsmålene:

  • Inn@@ sikt på agentnivå: Hva er Auto CSAT-poengene for en individuell agents interaksjoner? Hva er deres gjennomsnittlige, minimum og maksimale Auto CSAT score trender?
  • Inn@@ sikt på teamnivå: Hva er Auto CSAT- poengene for et bestemt lags interaksjoner? Hva er deres gjennomsnittlige, minimum og maksimale Auto CSAT score trender?
  • Inn@@ sikt på kønivå: Hva er Auto CSAT- poengene for interaksjoner innenfor en gitt kø? Hva er deres gjennomsnittlige, minimum og maksimale Auto CSAT score trender?
  • Sammenlignende analyse: Hvordan sammenlignes Auto CSAT-score på tvers av forskjellige agenter, lag og køer?
  • Områder for forbedring: Hvor kan agentcoaching og trening forbedre ytelsen?
  • Interaksjonsrevisjoner: Hvilke interaksjoner krever videre gjennomgang eller kundeoppfølging?
  • Operasjonelle forbedringer: Hvilke områder tyder på behov for operasjons- eller prosessforbedringer?
• I Supervisor Desktop vises Auto CSAT score på siden Interaksjonsdetaljer, spesielt i Interaksjonsdatapanelet.

Før du begynner: Aktiver anropsopptak for å lette behandlingen etter samtale, som er nødvendig for å produsere Auto CSAT spådommer.

Administratorer har muligheten til å aktivere funksjonen Auto 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 Auto CSAT funksjonen i Control Hub ved å følge disse trinnene:

1. Logg på Control Hub og naviger til Tjenester > Kontakt senter.
2. Naviger til Desktop Experi ence > AI- funksjoner i navigasjonsruten.
3. Slå på Auto CSAT under Global konfigurasjon.
4. Hvis du vil aktivere Auto CSAT for alle køene i organisasjonen, slår du på Bruk på alle køer.
5. Hvis du vil aktivere Auto CSAT for bestemte køer, navigerer du til kø konfigurasjonen øverst, velger ønsket kø og aktiverer funksjonen for den køen.
6. Velg Experience Management for å velge CSAT-spørsmålene fra undersøkelsene dine for å trene Auto CSAT-modellen eller Global Variable for å velge den globale variab elen som brukes til å lagre spørreundersøkelsessvar.

1. Når er Auto CSAT score tilgjengelig etter at funksjonen er aktivert?

   Auto CSAT- modellen krever minimum 250 interaksjoner med CSAT-undersøkelsessvar for å begynne å forutsi Auto CSAT-score. Modellen trener på en kombinasjon av undersøkelsesdata, drifts data og samtale/chat-transkripsjoner. En vellykket treningsprosess krever minimum 250 datapunkter på tvers av alle CSAT-skalapunkter, jevnt fordelt mellom skalaene for optimale resultater.

2. Hvordan kan jeg vurdere ytelsesberegningene til organisasjonens Auto CSAT- modell?

   Evaluer Auto CSAT-modellytelsen ved å sammenligne de genererte Auto CSAT- verdiene med CSAT-poengsummene hentet fra kundeundersøkelsessvar. Modellen er designet for å samsvare med menneskelige evalueringer; noe variasjon forventes på grunn av menneskelig subjektivitet og forskjellige reaksjoner på lignende opplevelser. For det meste forventes forutsagte poengsummer å matche faktiske undersøkelsessvar. Eventuelle avvik faller innenfor et +/- 1 område av de faktiske undersøkelses poengene. Dette gjenspeiler det samme nivået av variabilitet du forventer hvis flere menneskelige evaluatorer vurderte den samme interaksjonen.

3. Hvor ofte blir Auto CSAT-modellene omskolert?

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

4. Hvis organisasjonen min har flere CSAT-undersøkelser, hvordan velger jeg riktig CSAT-spørsmål å kartlegge til?

   For modellopplæring, velg CSAT-spørsmålet som best representerer generell kundetilfredshet for hver kontaktsenterinteraksjon. Hvis du bruker flere undersøkelser, velger du ett CSAT-spørsmål fra hver undersøkelse. Systemet antar at bare en undersøkelse brukes per interaksjon; det valgte CSAT-spørsmålet fra undersøkelsen gir trenings dataene for den interaksjonen.

5. Organisasjonen min samler ikke CSAT-undersøkelser. Kan jeg bruke Auto CSAT funksjonen?

   Nei. Auto CSAT krever CSAT-undersøkelsesdata for modellopplæring. Hvis organisasjonen din ikke samler inn CSAT-undersøkelser, kan du aktivere dem gjennom Experience Management eller tilpassede IVR-undersøkelser. Etter at CSAT datainnsamling begynner, aktiver Auto CSAT.

6. Vi bruker et tredjepartsverktøy for å samle inn CSAT-data. Kan disse dataene brukes til å trene Auto CSAT-modellen?

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

7. Hvorfor ser jeg 'N/A' i Auto CSAT-rapporten?

   Hvis 'N/A' vises i Auto CSAT- rapporten, kan det indikere at modellen ikke har blitt trent på grunn av utilstrekkelige data. Sørg for at organisasjonen oppfyller datakravene for modellopplæring. Systemet krever minst 50 svar per CSAT-skalapunkt.

8. Hva skjer hvis jeg bytter mellom alternativene Experience Management (EM) og Global Variable (GV)?

   Bytte mellom EM- og GV-alternativer vil tre i kraft i løpet av neste omskolingssyklus. Den eksisterende modellen vil fortsette å forutsi CSAT-verdier til omskoling skjer . Hyppige endringer kan påvirke modellens kvalitet, så det er best å opprettholde konsistens.