Покращуйте свій клієнтський досвід за допомогою функції Auto CSAT на основі штучного інтелекту від Cisco, заснованої на методах глибокого навчання для прогнозування показників задоволеності клієнтів. Ця потужна функція використовує весь потенціал вашої взаємодії, надаючи безцінну інформацію для прийняття обґрунтованих рішень. Завдяки доступній статистиці в режимі реального часу ваша організація може підвищити стандарти обслуговування клієнтів і сприяти постійному вдосконаленню. 

Задоволеність клієнтів (CSAT) є важливим показником для контакт-центрів, щоб зрозуміти, наскільки клієнти задоволені їхнім сервісом. CSAT збирається за допомогою опитувань клієнтів; Однак рівень відповідей низький. Відповіді часто надходять від клієнтів, які мали хороший або поганий досвід, що може спотворити загальний отриманий відгук. Використовуючи власні моделі Cisco, Auto CSAT аналізує операційні дані, стенограми взаємодії та дані опитувань, щоб точно передбачити бали CSAT для кожної взаємодії. Показники Auto CSAT можуть використовуватися клієнтами для визначення вимог до навчання, вибору дзвінків для аудиту та забезпечення швидкого вирішення проблем незадоволених клієнтів, а також використовуватися для полегшення дій у режимі реального часу, таких як маршрутизація викликів. Оцінка Auto CSAT доступна в Webex Contact Center Analyzer для створення звітів за клієнтами.

Контакт-центри можуть використовувати цю функцію для покращення своїх стратегій клієнтського досвіду:

• Проактивне вирішення проблем — організації можуть вирішувати проблеми на ранніх стадіях, виявляючи незадоволеність.
• Персоналізовані навчальні програми — розробіть індивідуальні програми тренувань на основі конкретних даних про роботу агентів.
• Постійне вдосконалення: використовуйте статистику з оцінок CSAT, щоб уточнювати й оптимізувати процеси обслуговування клієнтів.
• Прийняття стратегічних рішень – інформуйте про стратегічні рішення за допомогою аналітичних даних даних.

Не використовуйте ці бали для оцінки роботи агента, атестацій, штрафів, компенсацій або рішень про працевлаштування. Щоб отримати докладнішу інформацію про правила використання, зверніться до Технічної примітки Auto CSAT — AI Transparency Technical Note.

Щоб увімкнути Auto CSAT, важливо виконати такі передумови:

1. Клієнти, які придбали новий додатковий артикул AI Assistant (A-FLEX-AI-ASST).
2. Клієнти вимірюють CSAT за допомогою опитувань після дзвінка за допомогою:
   • Управління досвідом, або
   • Користувацькі IVR опитування з використанням шаблону потоку опитувань CSAT DTMF у Flow Builder

3. Клієнти, які вимірюють CSAT за 3-бальною або 5-бальною шкалою
4. Клієнти з взаємодією англійською мовою
5. Запис дзвінків має бути ввімкнено, щоб забезпечити обробку після дзвінка

• Ми публікуємо оцінки CSAT у записах сеансів дзвінків, і ви можете отримати доступ до них за допомогою API пошуку.
• Ви також можете отримати доступ до цих оцінок на інформаційній панелі AI Assistant в Analyzer, щоб створювати власні звіти.
• Ви також можете отримати доступ до оцінок за допомогою віджета керування записами на робочому столі керівника.

Звіт Auto CSAT дає відповіді на ці ключові питання:

• Статистика на рівні агента: Які оцінки Auto CSAT для взаємодії окремого агента? Які тенденції їх середнього, мінімального та максимального балів Auto CSAT?
• Статистика на рівні команди: Які оцінки Auto CSAT для взаємодії конкретної команди? Які тенденції їх середнього, мінімального та максимального балів Auto CSAT?
• Статистика на рівні черги: Які оцінки Auto CSAT для взаємодій у заданій черзі? Які тенденції їх середнього, мінімального та максимального балів Auto CSAT?
• Порівняльний аналіз: Як порівнюються показники Auto CSAT у різних агентів, команд і черг?
• Сфери для вдосконалення: Де тренерство та тренування агентів можуть покращити продуктивність?
• Аудит взаємодії: які взаємодії вимагають подальшого розгляду або подальшого спостереження за клієнтами?
• Операційні вдосконалення: Які сфери свідчать про потребу в операційному вдосконаленні або вдосконаленні процесів?

Перш ніж почати: Увімкніть запис дзвінків, щоб спростити обробку після виклику, необхідну для створення автоматичних прогнозів CSAT.

Адміністратори мають можливість активувати функцію Auto CSAT як для всієї організації, так і для конкретних користувачів. Після включення Auto CSAT буде прогнозувати задоволеність клієнтів взаємодією, що відбувається у вашому контакт-центрі.

Увімкніть функцію Auto CSAT у Control Hub, виконавши такі дії:

1. увійдіть у Control Hub і перейдіть до Services > Contact Center.
2. Перейдіть до розділу Desktop Experience > AI Assistant на панелі навігації.
3. Увімкніть Auto CSAT.
4. Виберіть один із наведених нижче варіантів автоматичного розрахунку CSAT.
   • Усі оператори: виберіть цей параметр, щоб обчислити бали для всіх агентів та їхніх взаємодій.
   • Окремі агенти: виберіть конкретних агентів зі списку, використовуючи параметри пошуку та фільтра за іменем і командою.
5. Виберіть «Керування досвідом», щоб вибрати запитання CSAT із ваших опитувань, щоб навчити модель Auto CSAT, або «Глобальна змінна », щоб вибрати глобальну змінну, яка використовується для зберігання відповідей на опитування.

Коли доступні результати Auto CSAT після ввімкнення цієї функції?

Модель Auto CSAT вимагає мінімальної кількості тренувальних даних, щоб почати прогнозувати результати Auto CSAT. Модель тренується на комбінації даних опитування, оперативних даних і стенограм дзвінків/чатів. Для успішного тренувального процесу потрібно мінімум 50 балів даних на кожну точку шкали CSAT. Наприклад, 5-бальна шкала CSAT вимагає 50 взаємодій з оцінкою 1, 50 взаємодій з оцінкою 2 і так далі, аж до 5.

Цей базовий рівень має вирішальне значення для встановлення початкової продуктивності моделі. Однак початкова продуктивність моделі може не відразу виправдати всі очікування. Ефективність прогнозування моделі залежить від характеру бізнесу та якості даних навчання. Зі збільшенням обсягу та якості таблиці даних покращується і продуктивність моделі.

Ви можете почати бачити результати Auto CSAT після успішного навчання моделі.

Як я можу оцінити показники ефективності моделі Auto CSAT моєї організації? 

Оцініть ефективність моделі Auto CSAT, порівнявши згенеровані значення Auto CSAT з оцінками CSAT, отриманими за відповідями на опитування клієнтів. Модель розроблена таким чином, щоб узгоджуватися з оцінками людини; Очікується певна варіативність у зв'язку з людською суб'єктивністю та різними реакціями на схожий досвід. Здебільшого, очікується, що прогнозовані результати збігатимуться з фактичними відповідями на опитування. Будь-які відхилення потрапляють в діапазон +/- 1 від фактичних результатів опитування. Це відображає той самий рівень варіативності, який ви б очікували, якби кілька оцінювачів-людей оцінювали однакову взаємодію.

Як часто проходять перепідготовку моделей Auto CSAT?

Моделі Auto CSAT перенавчаються кожні 30 днів, використовуючи дані за попередні 180 днів. Ця регулярна перепідготовка допомагає гарантувати, що моделі залишаються точними та вільними від дрейфу.

Якщо моя організація проводить кілька опитувань CSAT, як я можу вибрати правильне запитання CSAT для зіставлення?

Для модельного навчання виберіть питання CSAT, яке найкраще відображає загальну задоволеність клієнтів при кожній взаємодії з контакт-центром. Якщо ви використовуєте кілька опитувань, виберіть одне запитання CSAT із кожного опитування. Система припускає, що на одну взаємодію використовується лише одне опитування; Вибране запитання CSAT з цього опитування надає навчальні дані для цієї взаємодії.

Моя організація не збирає опитування CSAT. Чи можу я використовувати функцію Auto CSAT?

Ні. Auto CSAT вимагає дані опитування CSAT для навчання моделей. Якщо ваша організація не збирає опитування CSAT, увімкніть їх за допомогою керування досвідом або спеціальних опитувань IVR. Коли почнеться збір даних CSAT, активуйте Auto CSAT.

Ми використовуємо сторонній інструмент для збору даних CSAT. Чи можна використовувати ці дані для навчання моделі Auto CSAT?

Ні. В даний час Auto CSAT використовує тільки внутрішньо зібрані дані опитування CSAT для навчання моделей; Дані опитувань третіх сторін не підтримуються.