自动 CSAT 概述

借助思科基于 AI 的自动 CSAT 功能提升客户体验,该功能基于深度学习技术来预测客户满意度分数。 这一强大的功能可充分利用您互动的潜力,为明智的决策提供宝贵的见解。 借助随时有空的实时见解,您的组织可以提升客户服务标准并促进持续改进。 

客户满意度(CSAT)是联络中心了解客户对其服务的满意度的重要指标。 CSAT 是使用客户调查收集的;但是,响应率很低。 回复通常来自体验良好或不佳的客户,这可能会扭曲收到的整体反馈。 Auto CSAT 使用 Cisco 专有模型分析运营数据、交互记录和调查数据,以准确预测每次活动的 CSAT 分数。 客户可以使用自动 CSAT 分数来确定培训要求、选择要审核的呼叫、确保快速解决不满意的客户,并用于促进呼叫路由等实时作。 自动 CSAT 分数在客户生成报告 Webex Contact Center Analyzer 时有空。

联络中心如何使用自动 CSAT 分数

联络中心可以使用此功能来增强其客户体验策略:

  • 主动解决问题 - 组织可以通过识别不满意之处及早处理和解决问题。
  • 个性化培训计划 - 根据特定座席绩效数据开发自定义培训计划。
  • 持续改进 - 利用从 CSAT 分数中获得的见解来优化和优化客户服务流程。
  • 战略决策 - 利用数据驱动的见解为战略决策提供信息。

不要将这些分数用于评估代理绩效、评估、处罚、薪酬或雇佣决定。 有关使用指南的更多详细信息,请参阅 自动 CSAT - AI 透明度技术说明

启用自动 CSAT 的先决条件

若要启用自动 CSAT,必须满足以下先决条件:

  1. 已购买新的 AI Assistant 加载项 SKU(A-FLEX-AI-ASSST 的客户。
  2. 客户通过以下方式通过启用呼叫后调查来衡量 CSAT:

  3. 以 3 分或 5 分制测量 CSAT 的客户
  4. 使用英语进行交互的客户
  5. 必须启用呼叫录音以允许呼叫后处理

查看自动 CSAT 分数

  • 我们会在呼叫会话记录中公布 CSAT 分数,您可以使用搜索 API 访问这些分数。
  • 您还可以在分析器的 AI Assistant 仪表板 访问这些分数,以生成自定义报告。
  • 您也可以从主管桌面上的“录制文件管理”小组件访问乐谱。

自动 CSAT 报告回答了以下关键问题:

  • 代理级别的见解: 单个代理交互的自动 CSAT 分数是多少? 他们的自动 CSAT 平均、最低和最高分数趋势是什么?
  • 团队级别的见解: 特定团队交互的自动 CSAT 分数是多少? 他们的自动 CSAT 平均、最低和最高分数趋势是什么?
  • 队列级别洞察: 给定队列内交互的自动 CSAT 分数是多少? 他们的自动 CSAT 平均、最低和最高分数趋势是什么?
  • 比较分析: 如何比较不同代理、团队和队列的自动 CSAT 分数?
  • 需要改进的领域: 座席辅导和培训可以在哪些方面提高绩效?
  • 交互审核: 哪些交互值得进一步审查或客户跟进?
  • 运营改进: 哪些方面表明需要运营或流程改进?

如何启用自动 CSAT 功能

准备工作:启用呼叫录音以方便呼叫后处理,这是生成自动 CSAT 预测所必需的。

管理员可以选择为整个组织或特定用户激活自动 CSAT 功能。 启用后,自动 CSAT 将预测在您的联系人中心进行的交互的客户满意度。

按照以下步骤在 Control Hub 中启用自动 CSAT 功能:

  1. 登录到 Control Hub 并导航至 服务 > Contact Center
  2. 导航到 导航窗格中的桌面体验 > AI 助手
  3. 打开 自动 CSAT。
  4. 为自动 CSAT 计算选择以下选项之一:
    • 所有代理 - 选择此选项可计算所有代理及其交互的分数。
    • 单个代理 - 使用按姓名和团队进行搜索和筛选的选项,从列表中选择特定代理。
  5. 选择体验管理 从调查中选择 CSAT 问题以训练自动 CSAT 模型,或 选择 全局变量 以选择用于存储调查响应的全局变量。

启用自动 CSAT

自动 CSAT 配置仅对管理员有空,可通过用户档案进行管理。 有关我们用于预测自动 CSAT 的模型、我们用于训练的数据源、训练和评估频率等的详细信息,请参阅 AI 透明度技术说明

AI 助手会自动启用全局桌面布局。 如果您使用的是自定义布局,请更新您的布局以包含 所有相关角色(代理、主管和代理 - 主管)的 ai 助手 。 有关详细说明,请参阅 更新桌面布局

常见问题解答(FAQ)

启用该功能后,自动 CSAT 分数何时有空?

自动 CSAT 模型需要最少量的训练数据才能开始预测自动 CSAT 分数。 该模型根据调查数据、作数据和呼叫/聊天记录的组合进行训练。 成功的训练过程每个 CSAT 规模点至少需要 50 个数据点。 例如,5 分 CSAT 量表需要 50 个评级为 1 的交互、50 个评级为 2 的交互,依此类推,最多 5 个。

此基线对于建立初始模型性能至关重要。 然而,初始模型性能可能不会立即满足所有预期。 模型预测效果取决于业务性质和训练数据的质量。 随着数据表的数量和质量的提高,模型的性能也会提高。

一旦模型训练成功,您就可以开始看到自动 CSAT 分数。

我如何评估我组织的 Auto CSAT 模型的绩效指标? 

通过将生成的 Auto CSAT 值与从客户调查回复中获得的 CSAT 分数进行比较来评估 Auto CSAT 模型的性能。 该模型旨在与人类的评估保持一致;由于人类的主观性和对类似经历的不同反应,预计会出现一些差异。 大多数情况下,预测分数预计会与实际调查结果相符。 任何偏差都在实际调查分数的 +/- 1 范围内。 如果多个人类评估者对同一互动进行评分,这反映了您预期的相同程度的可变性。

Auto CSAT 模型多久重新训练一次?

Auto CSAT 模型每 30 天使用前 180 天的数据重新训练一次。 这种定期的再训练有助于确保模型保持准确性并且不会出现偏差。

如果我的组织有多个 CSAT 调查,我该如何选择要映射的正确 CSAT 问题?

对于模型训练,选择最能代表每个联络中心互动的整体客户满意度的 CSAT 问题。 如果您使用多个调查,请从 每个 调查中选择一个 CSAT 问题。 系统假定每次交互仅使用一份调查;从该调查中选择的 CSAT 问题为该交互提供了训练数据。

我的组织不收集 CSAT 调查。 我可以使用自动 CSAT 功能吗?

不可以。Auto CSAT 需要 CSAT 调查数据进行模型训练。 如果您的组织不收集 CSAT 调查,请通过体验管理或自定义 IVR 调查启用它们。 CSAT 数据收集开始后,激活自动 CSAT。

我们使用第三方工具来收集 CSAT 数据。 这些数据可以用来训练 Auto CSAT 模型吗?

否。Auto CSAT 目前仅使用内部收集的 CSAT 调查数据进行模型训练;不支持第三方调查数据。