- 主页
- /
- 文章
借助 Auto CSAT
本文是我们测试版的一部分。 内容正在进行中,可能会随着我们产品的增强而更改。 我们欢迎您通过测试版门户提供反馈,以帮助改进文档。
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:
- 已购买新的 AI Assistant 加载项 SKU(A-FLEX-AI-ASSST
)
的客户。 - 客户通过以下方式通过启用呼叫后调查来衡量 CSAT:
- 体验管理,或
- 在流程构建器中使用 PostCallSurvey_AutoCSAT_Template
自定义
IVR 调查
- 以 3 分或 5 分制测量 CSAT 的客户
- 使用英语进行交互的客户
- 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 仪表板中访问这些分数,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:
- 登录到 Control Hub 并导航至 服务 > Contact Center。
- 导航到 导航窗格中的桌面体验 > AI 助手 。
- 开启自动 CSAT 功能
- 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。
- 特定代理 - 使用搜索和按姓名和团队筛选选项,从列表中选择特定代理。
- 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。
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。
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。 但是,初始模型性能可能无法立即满足所有预期。 模型预测的有效性取决于业务的性质和训练数据的质量。 随着数据表的体积和质量的提高,模型的性能也会提高。
成功训练模型后,可以开始查看自动 CSAT 分数。
如何评估组织的自动 CSAT 模型的性能指标?
通过将生成的自动 CSAT 值与客户调查响应中获得的 CSAT 分数进行比较,评估自动 CSAT 模型的性能。 该模型旨在与人类评估保持一致;由于人类的主观性和对类似经历的不同反应,预计会出现一些变化。 大多数情况下,预测分数应与实际调查响应相匹配。 任何偏差都在实际调查分数的 +/- 1 范围内。
自动 CSAT 模型多久重新训练一次?
自动 CSAT 模型每 30 天使用前 180 天的数据重新训练一次。