Förbättra kundupplevelsen med Ciscos AI-drivna automatiska CSAT-funktion, baserad på djupinlärningstekniker för att förutsäga kundnöjdhetspoäng. Denna kraftfulla funktion utnyttjar den fulla potentialen i dina interaktioner och ger ovärderliga insikter för välgrundat beslutsfattande. Med insikter i realtid lättillgängliga kan din organisation höja kundservicestandarden och främja kontinuerlig förbättring. 

Kundnöjdhet (CSAT) är ett viktigt mått för kontaktcenter för att förstå hur nöjda kunderna är med sin tjänst. CSAT samlas in med hjälp av kundundersökningar; Svarsfrekvensen är dock låg. Svaren kommer ofta från kunder som hade antingen bra eller dåliga erfarenheter, vilket kan snedvrida den övergripande feedback som mottagits. Med hjälp av Ciscos egenutvecklade modeller analyserar Auto CSAT driftdata, interaktionstranskriptioner och enkätdata för att exakt förutsäga CSAT-poäng för varje uppdrag. De automatiska CSAT-poängen kan användas av kunder för att identifiera utbildningskrav, välja samtal för granskning och säkerställa snabb lösning för missnöjda kunder och användas för att underlätta realtidsåtgärder som samtalsdirigering. Den automatiska CSAT-poängen är tillgänglig i Webex Contact Center Analyzer för generering av rapporter från kunder.

Kontaktcenter kan använda den här funktionen för att förbättra sina strategier för kundupplevelser:

• Proaktiv problemlösning – Organisationer kan ta itu med och lösa problem tidigt genom att identifiera missnöje.
• Anpassade utbildningsprogram – utveckla anpassade utbildningsprogram baserade på specifika agentprestandadata.
• Kontinuerlig förbättring – Använd insikter från CSAT-poäng för att förfina och optimera kundtjänstprocesser.
• Strategiskt beslutsfattande – Ge underlag för strategiska beslut med datadrivna insikter.

Använd inte dessa poäng för att bedöma agenters prestationer, bedömningar, påföljder, kompensation eller anställningsbeslut. Mer information om riktlinjer för användning finns i Auto CSAT – AI Transparency Technical Note.

Om du vill aktivera automatisk CSAT är det viktigt att uppfylla följande krav:

1. Kunder som har köpt den nya AI Assistant-tilläggs-SKU:n (A-FLEX-AI-ASST).
2. Kunder som mäter CSAT med undersökningar efter samtal möjliggörs genom:
   • Experience Management, eller
   • Anpassade IVR undersökningar med CSAT DTMF Survey Flow Template i Flow Builder

3. Kunder som mäter CSAT på en 3-gradig eller 5-gradig skala
4. Kunder med interaktion på engelska
5. Samtalsinspelning måste vara aktiverat för att möjliggöra bearbetning efter samtal

• Vi publicerar CSAT-poäng i samtalssessionsposterna och du kan komma åt dem med hjälp av sök API .
• Du kan också komma åt dessa poäng i AI Assistant Dashboard i Analyzer för att generera anpassade rapporter.
• Du kan också komma åt partituren från widgeten Inspelningshantering på arbetsledarskrivbordet.

Auto CSAT-rapporten svarar på följande nyckelfrågor:

• Insikter på agentnivå: Vilka är de automatiska CSAT-poängen för en enskild agents interaktioner? Vilka är deras genomsnittliga, lägsta och högsta Auto CSAT-poängtrender?
• Insikter på teamnivå: Vilka är de automatiska CSAT-poängen för ett specifikt teams interaktioner? Vilka är deras genomsnittliga, lägsta och högsta Auto CSAT-poängtrender?
• Insikter på könivå: Vilka är de automatiska CSAT-poängen för interaktioner inom en viss kö? Vilka är deras genomsnittliga, lägsta och högsta Auto CSAT-poängtrender?
• Jämförande analys: Hur jämför automatiska CSAT-poäng mellan olika agenter, team och köer?
• Förbättringsområden: Var kan agentcoaching och utbildning förbättra prestanda?
• Interaktionsrevisioner: Vilka interaktioner kräver ytterligare granskning eller kunduppföljning?
• Operativa förbättringar: Vilka områden tyder på ett behov av drifts- eller processförbättringar?

Innan du börjar: Aktivera samtalsinspelning för att underlätta bearbetning efter samtal, vilket är nödvändigt för att skapa automatiska CSAT-förutsägelser.

Administratörer har möjlighet att aktivera funktionen Auto CSAT antingen för hela organisationen eller för specifika användare. När den har aktiverats förutsäger Auto CSAT kundnöjdheten för interaktioner som äger rum i ditt kontaktcenter.

Aktivera funktionen Auto CSAT i Control Hub genom att följa dessa steg:

1. Logga in på Control Hub och navigera till Tjänster > Kontaktcenter.
2. Navigera till Skrivbordsmiljö > AI Assistant i navigeringsfönstret.
3. Aktivera Auto CSAT.
4. Välj ett av följande alternativ för automatiska CSAT-beräkningar:
   • Alla agenter – Välj det här alternativet om du vill beräkna poäng för alla agenter och deras interaktioner.
   • Enskilda agenter – Välj specifika agenter i listan med hjälp av sök- och filteralternativ efter namn och team.
5. Välj Experience Management för att välja CSAT-frågorna från dina undersökningar för att träna den automatiska CSAT-modellen eller Global variabel för att välja den globala variabeln som används för att lagra undersökningssvar.

När är automatiska CSAT-poäng tillgängliga när funktionen har aktiverats?

Auto CSAT-modellen kräver en minimal mängd träningsdata för att börja förutsäga Auto CSAT-poäng. Modellen tränar på en kombination av undersökningsdata, driftdata och transkriptioner av samtal/chatt. En lyckad träningsprocess kräver minst 50 datapunkter för varje CSAT-skalningspunkt. Till exempel kräver en 5-punkts CSAT-skala 50 interaktioner som klassificerats som 1, 50 interaktioner som klassificerats som 2 och så vidare, upp till 5.

Den här baslinjen är avgörande för att fastställa inledande modellprestanda. Den initiala modellens prestanda kanske dock inte omedelbart uppfyller alla förväntningar. Modellens förutsägelseeffektivitet beror på verksamhetens karaktär och kvaliteten på träningsdata. I takt med att databladets volym och kvalitet förbättras förbättras även modellens prestanda.

Du kan börja se Auto CSAT-poängen när modellen har tränats.

Hur kan jag utvärdera prestandamåtten för min organisations automatiska CSAT-modell? 

Utvärdera Auto CSAT-modellens prestanda genom att jämföra de genererade Auto CSAT-värdena med CSAT-poängen som erhållits från kundundersökningssvar. Modellen är utformad för att anpassa sig till mänskliga utvärderingar; Viss variation förväntas på grund av mänsklig subjektivitet och olika reaktioner på liknande erfarenheter. För det mesta förväntas förutspådda poäng matcha faktiska undersökningssvar. Eventuella avvikelser faller inom ett +/- 1-intervall av de faktiska undersökningspoängen. Detta återspeglar samma nivå av variation som du kan förvänta dig om flera mänskliga utvärderare betygsatte samma interaktion.

Hur ofta tränas Auto CSAT-modellerna om?

Auto CSAT-modellerna tränas om var 30:e dag med hjälp av data från de föregående 180 dagarna. Denna regelbundna omskolning hjälper till att säkerställa att modellerna förblir korrekta och fria från drift.

Om min organisation har flera CSAT-undersökningar, hur väljer jag rätt CSAT-fråga att mappa till?

För modellträning väljer du den CSAT-fråga som bäst representerar den totala kundnöjdheten för varje kontaktcenterinteraktion. Om du använder flera undersökningar väljer du en CSAT-fråga från varje undersökning. Systemet förutsätter att endast en undersökning används per interaktion; den valda CSAT-frågan från undersökningen ger träningsdata för den interaktionen.

Min organisation samlar inte in CSAT-undersökningar. Kan jag använda funktionen Auto CSAT?

Nej. Auto CSAT kräver CSAT-undersökningsdata för modellträning. Om din organisation inte samlar in CSAT-undersökningar kan du aktivera dem via Experience Management eller anpassade IVR undersökningar. När CSAT-datainsamlingen har börjat aktiverar du Auto CSAT.

Vi använder ett tredjepartsverktyg för att samla in CSAT-data. Kan dessa data användas för att träna den automatiska CSAT-modellen?

Nej. Auto CSAT använder för närvarande endast internt insamlade CSAT-undersökningsdata för modellträning; Undersökningsdata från tredje part stöds inte.