Izmjerite zadovoljstvo korisnika s Auto CSAT

Unaprijedite svoje korisničko iskustvo uz Ciscovu značajku Auto CSAT pokretanu umjetnom inteligencijom, koja se temelji na tehnikama dubokog učenja za predviđanje rezultata zadovoljstva korisnika. Ova snažna značajka iskorištava puni potencijal vaših interakcija, pružajući neprocjenjive uvide za informirano donošenje odluka. Uz lako dostupne uvide u stvarnom vremenu, vaša organizacija može podići standarde korisničke usluge i promicati kontinuirano poboljšanje. 

Zadovoljstvo korisnika (CSAT) važna je metrika za kontakt centre kako bi razumjeli koliko su korisnici zadovoljni njihovom uslugom. CSAT se prikuplja pomoću anketa kupaca; međutim, stope odgovora su niske. Odgovori često dolaze od kupaca koji su imali ili dobra ili loša iskustva, što može iskriviti ukupne primljene povratne informacije. Koristeći Ciscove vlasničke modele, Auto CSAT analizira operativne podatke, transkripte interakcija i anketne podatke kako bi točno predvidio CSAT rezultate za svaki angažman. Korisnici mogu koristiti Auto CSAT rezultate za utvrđivanje zahtjeva za obuku, odabir poziva za reviziju i osiguravanje brzog rješavanja problema za nezadovoljne klijente, te korištenje za olakšavanje radnji u stvarnom vremenu kao što je usmjeravanje poziva. Auto CSAT rezultat dostupan je u Webex Contact Center Analyzer za generiranje izvješća korisnika.

Kontaktni centri mogu koristiti ovu značajku za poboljšanje svojih strategija korisničkog iskustva:

• Proaktivno rješavanje problema—Organizacije se mogu pozabaviti i riješiti probleme rano identificiranjem nezadovoljstva.
• Personalizirani programi obuke—Razvijte prilagođene programe obuke na temelju specifičnih podataka o učinku agenta.
• Kontinuirano poboljšanje—Upotrijebite uvide iz CSAT rezultata kako biste poboljšali i optimizirali procese korisničke službe.
• Donošenje strateških odluka—Informirajte se o strateškim odlukama pomoću uvida temeljenih na podacima.

Nemojte koristiti ove rezultate za procjenu učinka agenta, procjene, kazne, naknade ili odluke o zapošljavanju. Za više pojedinosti o smjernicama za korištenje pogledajte Auto CSAT—tehnička napomena o AI transparentnosti.

Da biste omogućili Auto CSAT, važno je ispuniti sljedeće preduvjete:

1. Kupci koji su kupili novi SKU dodatka AI Assistant ( A-FLEX-AI-ASST).
2. Korisnici mjere CSAT s anketama nakon poziva omogućenim putem:
   • Upravljanje iskustvom, ili
   • Prilagođene IVR Ankete koriste CSAT DTMF Predložak toka ankete u Flow Builderu

3. Kupci koji mjere CSAT na ljestvici od 3 ili 5 točaka
4. Kupci s interakcijama na engleskom jeziku
5. Snimanje poziva mora biti omogućeno kako bi se omogućila obrada nakon poziva

• Rezultate Auto CSAT-a objavljujemo u Evidencijama sesija poziva i možete im pristupiti pomoću Traži API.
• Ovim rezultatima također možete pristupiti u tablici Auto CSAT u Nadzorna ploča AI Assistant u Analyzeru za generiranje prilagođenih izvješća.

  Auto CSAT izvješće odgovara na ova ključna pitanja:

  • Uvidi na razini agenta: Koji su Auto CSAT rezultati za interakcije pojedinog agenta? Koji su njihovi prosječni, minimalni i maksimalni trendovi Auto CSAT rezultata?
  • Uvidi na razini tima: Koji su Auto CSAT rezultati za interakcije određenog tima? Koji su njihovi prosječni, minimalni i maksimalni trendovi Auto CSAT rezultata?
  • Uvidi na razini čekanja: Koji su Auto CSAT rezultati za interakcije unutar određenog reda? Koji su njihovi prosječni, minimalni i maksimalni trendovi Auto CSAT rezultata?
  • Usporedna analiza: Kako se rezultati Auto CSAT-a uspoređuju s različitim agentima, timovima i redovima?
  • Područja za poboljšanje: Gdje obuka i obuka agenata mogu poboljšati izvedbu?
  • Revizije interakcija: Koje interakcije zahtijevaju daljnji pregled ili praćenje korisnika?
  • Operativna poboljšanja: Koja područja ukazuju na potrebu za operativnim ili procesnim poboljšanjima?
• Također možete pristupiti rezultatima iz widgeta za upravljanje snimanjem na radnoj površini Supervisor.

Prije nego počnete : Omogućite snimanje poziva kako biste olakšali obradu nakon poziva, koja je neophodna za proizvodnju Auto CSAT predviđanja.

Administratori imaju opciju aktiviranja značajke Auto CSAT za cijelu organizaciju ili za određene korisnike. Nakon što je omogućen, Auto CSAT će predvidjeti zadovoljstvo korisnika za interakcije koje se odvijaju u vašem kontakt centru.

Omogućite značajku Auto CSAT u Control Hub-u slijedeći ove korake:

1. Prijaviti se na Kontrolno središte i dođite do Usluge > Kontakt centar.
2. Idite do Iskustvo na radnoj površini > AI pomoćnik u navigacijskom oknu.
3. Uključi uključi Auto CSAT.
4. Odaberite jednu od sljedećih opcija za automatske CSAT izračune:
   • Svi agenti — Odaberite ovu opciju za izračun rezultata za sve agente i njihove interakcije.
   • Individualni agenti — Odaberite određene agente s popisa, koristeći opcije pretraživanja i filtriranja prema imenu i timu.
5. Odaberite Upravljanje iskustvom odabrati CSAT pitanja iz svojih anketa za obuku Auto CSAT modela ili Globalna varijabla za odabir globalne varijable koja se koristi za pohranu odgovora na anketu.

1. Kada su Auto CSAT rezultati dostupni nakon omogućavanja značajke?

   Model Auto CSAT zahtijeva najmanje 250 interakcija s odgovorima na anketu CSAT-a da bi se počelo predviđati rezultate Auto CSAT-a. Model trenira na kombinaciji podataka istraživanja, operativnih podataka i transkripata poziva/chata. Uspješan proces obuke zahtijeva najmanje 250 podatkovnih točaka na svim CSAT ljestvicama, ravnomjerno raspoređenih među ljestvicama za optimalne rezultate.

2. Kako mogu procijeniti metriku učinka Auto CSAT modela moje organizacije?

   Procijenite izvedbu Auto CSAT modela usporedbom generiranih Auto CSAT vrijednosti s CSAT rezultatima dobivenim iz odgovora na anketu kupaca. Model je dizajniran za usklađivanje s ljudskim procjenama; očekuju se neke varijacije zbog ljudske subjektivnosti i različitih reakcija na slična iskustva. Uglavnom se očekuje da će predviđeni rezultati odgovarati stvarnim odgovorima ankete. Sva odstupanja spadaju u raspon +/- 1 stvarnih rezultata istraživanja. To odražava istu razinu varijabilnosti koju biste očekivali kada bi više ljudskih ocjenjivača ocijenilo istu interakciju.

3. Koliko često se modeli Auto CSAT prekvalificiraju?

   Modeli automatskog CSAT-a prekvalificiraju se svakih 30 dana koristeći podatke iz prethodnih 180 dana. Ova redovita prekvalifikacija pomaže osigurati da modeli ostanu točni i bez pomaka.

4. Ako moja tvrtka ili ustanova ima više CSAT anketa, kako odabrati pravo CSAT pitanje za mapiranje?

   Za obuku modela odaberite CSAT pitanje koje najbolje predstavlja ukupno zadovoljstvo korisnika za svaku interakciju kontaktnog centra. Ako koristite više anketa, odaberite jedno CSAT pitanje iz svake ankete. Sustav pretpostavlja da se po interakciji koristi samo jedna anketa; odabrano CSAT pitanje iz te ankete pruža podatke o osposobljavanju za tu interakciju.

5. Moja organizacija ne prikuplja CSAT ankete. Mogu li koristiti značajku Auto CSAT?

   Ne. Automatski CSAT zahtijeva podatke CSAT ankete za obuku modela. Ako vaša tvrtka ili ustanova ne prikuplja CSAT ankete, omogućite ih putem upravljanja iskustvom ili prilagođenih IVR anketa. Nakon početka prikupljanja CSAT podataka, aktivirajte Auto CSAT.

6. Za prikupljanje CSAT podataka koristimo alat treće strane. Mogu li se ti podaci koristiti za treniranje auto CSAT modela?

   Ne. Automatski CSAT trenutno koristi samo interno prikupljene podatke CSAT ankete za obuku modela; Podaci ankete trećih strana nisu podržani.

7. Zašto se u izvješću automatskog CSAT-a prikazuje 'N/A'?

   Ako se u izvješću Auto CSAT pojavi 'N/A', to može značiti da model nije obučen zbog nedovoljnih podataka. Provjerite ispunjava li vaša tvrtka ili ustanova zahtjeve podataka za obuku modela. Sustav zahtijeva najmanje 50 odgovora po točki CSAT ljestvice.

8. Što se događa ako se prebacim između opcija upravljanja iskustvom (EM) i globalnih varijabli (GV)?

   Prebacivanje između EM i GV opcija stupit će na snagu tijekom sljedećeg ciklusa prekvalifikacije. Postojeći model nastavit će predviđati csat vrijednosti sve dok ne dođe do prekvalifikacije. Česte promjene mogu utjecati na kvalitetu modela, stoga je najbolje održavati dosljednost.