汽車 CSAT 概述

借助思科基於深度學習技術的 AI 驅動的自動 CSAT 功能來提升您的客戶體驗，該功能可預測客戶滿意度分數。 這項強大的功能可充分利用您的交互潛力，為明智的決策提供寶貴的見解。 借助現成的即時見解，您的組織可以提高客戶服務標準並促進持續改進。 

客戶滿意度 (CSAT) 是聯絡中心瞭解客戶對其服務的滿意度的重要指標。 CSAT 是使用客戶調查收集的;然而，回應率很低。 回應通常來自有好或壞體驗的客戶，這可能會扭曲收到的整體反饋。 Auto CSAT 使用思科的專有模型分析運營數據、交互記錄和調查數據，以準確預測每次參與的 CSAT 分數。 客戶可以使用自動 CSAT 分數來確定培訓要求，選擇要審核的呼叫，並確保快速解決不滿意的客戶，並用於促進呼叫路由等即時操作。 自動 CSAT 分數以 Webex Contact Center Analyzer 形式提供，用於按客戶生成報告。

聯絡中心如何使用自動 CSAT 分數

聯絡中心可以使用此功能來增強其客戶體驗策略：

  • 主動解決問題 - 組織可以通過識別不滿來及早處理和解決問題。
  • 個人化培訓計劃 - 根據特定的代理績效數據制定自訂的培訓計劃。
  • 持續改進 - 利用 CSAT 分數中的見解來優化和優化客戶服務流程。
  • 戰略決策 - 利用數據驅動的洞察為戰略決策提供資訊。

不要將這些分數用於評估代理的績效、評估、處罰、薪酬或雇傭決策。 有關使用指南的更多詳細資訊，請參閱 自動 CSAT - AI 透明度技術說明。

開啟自動 CSAT 的先決條件

若要啟用自動 CSAT，請務必滿足以下先決條件：

  1. 已購買新的 AI Assistant 附加元件 SKU（A-FLEX-AI-ASSST） 的客戶。
  2. 透過以下方式啟用呼叫後調查來衡量 CSAT 的客戶：

  3. 以 3 點或 5 點制測量 CSAT 的客戶
  4. 用英語互動的客戶
  5. 必須啟用通話錄音以允許通話後處理

檢視自動 CSAT 分數

  • 我們會在通話作業階段記錄中發布 CSAT 分數，您可以使用搜尋 API 存取這些分數。
  • 您還可以在 Analyzer 的 AI Assistant 儀錶板 中存取這些分數以生成自訂報告。
  • 您亦可從監督員桌面的「錄音管理」小工具存取樂譜。

自動 CSAT 報告回答了以下關鍵問題：

  • 代理級見解： 單個代理交互的自動 CSAT 分數是多少？ 他們的平均、最低和最高自動 CSAT 分數趨勢是什麼？
  • 團隊層面的見解： 特定團隊互動的自動 CSAT 分數是多少？ 他們的平均、最低和最高自動 CSAT 分數趨勢是什麼？
  • 佇列級別見解： 給定佇列內交互的自動 CSAT 分數是多少？ 他們的平均、最低和最高自動 CSAT 分數趨勢是什麼？
  • 比較分析： 不同代理、團隊和佇列之間的自動 CSAT 分數如何比較？
  • 需要改進的領域： 座席輔導和培訓可以在哪些方面提高績效？
  • 交互審核： 哪些交互需要進一步審查或客戶跟進？
  • 運營改進： 哪些領域表明需要運營或流程改進？

如何啟用自動 CSAT 功能

開始之前：啟用通話錄音以促進通話後處理，這是生成自動 CSAT 預測所必需的。

管理員可以選擇為整個組織或特定使用者啟動自動 CSAT 功能。 啟用后，自動 CSAT 將預測客戶對聯絡中心中發生的交互的滿意度。

執行以下步驟以在 Control Hub 中啟用自動 CSAT 功能：

  1. 登入 Control Hub 並導覽至 「服務 > Contact Center 」。
  2. 導航 到導航窗格中的“桌面體驗 > AI 助手 ”。
  3. 打開 自動 CSAT。
  4. 為自動 CSAT 計算選擇以下選項之一：
    • 所有代理 - 選取此選項可計算所有代理及其互動的分數。
    • 單個代理 - 使用依名稱與小組搜尋和過濾選項，從清單中選取特定的代理。
  5. 選擇體驗管理 以從調查中選擇 CSAT 問題以訓練自動 CSAT 模型，或 選擇 全域變數 以選擇用於存儲調查回應的全域變數。

開啟自動 CSAT

自動 CSAT 配置僅供管理員使用，並且可以通過使用者配置檔進行管理。 有關我們用於預測自動 CSAT 的模型、我們用於訓練的數據源、訓練和評估頻率等的詳細資訊，請參閱 AI 透明度技術說明。

AI 助手會自動啟用全域桌面佈局。 如果您使用的是自定義佈局，請更新佈局以包含 所有相關角色 (代理、主管和代理 - 主管) 的 AI 助手 。 有關詳細說明，請參閱 更新到桌面佈局。

常見問題集 (FAQ)

啟用該功能后，自動 CSAT 分數何時可用？

自動 CSAT 模型需要最少量的訓練數據才能開始預測自動 CSAT 分數。 該模型根據調查數據、操作數據和通話/聊天記錄的組合進行訓練。 成功的訓練過程需要每個 CSAT 縮放點至少 50 個數據點。 例如，5 分 CSAT 量表要求 50 個互動被評為 1,50 個互動被評為 2，依此類推，最多 5 個。

此基線對於建立初始模型性能至關重要。 但是，初始模型性能可能無法立即滿足所有預期。 模型預測的有效性取決於業務的性質和訓練數據的品質。 隨著數據表的數量和品質的提高，模型的性能也會提高。

成功訓練模型后，您可以開始查看自動 CSAT 分數。

如何評估組織的自動 CSAT 模型的性能指標？ 

通過將生成的自動 CSAT 值與從客戶調查回應獲得的 CSAT 分數進行比較，評估自動 CSAT 模型性能。 該模型旨在與人類評估保持一致;由於人類的主觀性和對類似經歷的不同反應，預計會有一些變化。 大多數情況下，預測分數應與實際調查回應相匹配。 任何偏差都在實際調查分數的 +/- 1 範圍內。 這反映了如果多個人工評估者對相同的交互進行評分，您期望的可變性水準相同。

自動 CSAT 模型多久重新訓練一次？

自動 CSAT 模型每 30 天使用前 180 天的數據重新訓練一次。 這種定期的再訓練有助於確保模型保持準確且無漂移。

如果我的組織有多個 CSAT 調查，如何選擇要映射到的正確 CSAT 問題？

對於模型訓練，請選擇最能代表每個聯絡中心交互的總體客戶滿意度的 CSAT 問題。 如果您使用多個調查，請從 每個 調查中選擇一個 CSAT 問題。 系統假定每次交互僅使用一個調查;該調查中選擇的 CSAT 問題提供了該交互的訓練數據。

我的組織不收集 CSAT 調查。 我可以使用自動 CSAT 功能嗎？

不。自動 CSAT 需要 CSAT 調查數據才能進行模型訓練。 如果您的組織不收集 CSAT 調查，請通過體驗管理或自定義 IVR 調查啟用它們。 CSAT 資料收集開始后，啟動自動 CSAT。

我們使用第三方工具來收集 CSAT 數據。 此數據可用於訓練自動 CSAT 模型嗎？

不。自動 CSAT 目前僅使用內部收集的 CSAT 調查數據進行模型訓練;不支援第三方調查數據。