Emneeskaleringsanalyse

Eskalering er samtaleflyten der agent ikke kunne håndtere samtalen og eskalerte til en menneskelig representant. Når en agent er i stand til å svare på brukerspørringen uten å måtte eskalere til en menneskelig representant, er det en avbøyning. Det ideelle målet er å øke avbøyningshastigheten til en agent ved å redusere antall eskaleringer.

Copilot Studio har flere måter å håndtere eskalering på:

• Den direkte måten å initiere en eskalering til menneskelig representant er gjennom emnet Eskalere systemet. Dette systememnet utløses når agent ikke lenger kan behandle kundeforespørselen og må eskalere til en menneskelig representant. Via Eskaler-emnet kan du angi at agenten skal overføre samtalen til et representativt servicesenterverktøy, for eksempel Dynamics 365 Omnikanal for Customer Service for overføring til en live representant, eller en asynkron støtteopplevelse, for eksempel ved oppretting av en forespørsel, planlegging av en tilbakeringing og så videre.
• En annen måte å utløse denne eskaleringen på, er via Overfør samtale-noden i redigeringslerretet.

Type eskaleringer

Copilot Studio har to typer eskaleringer:

1. Direkte eskalering: i dette tilfellet kommer brukeren til agent og ønsker direkte å snakke med en menneskelig representant. Denne typen eskalering kan ikke unngås, da kundens hensikt er å utløse Escalate-emnet direkte.

   Eksempler på kundeforespørsler:

   • "Kan jeg snakke med noen"
   • «Snakk med en levende representant»
   • «Snakk med representanten»
   • "Prate med en representant"

2. Indirekte eskalering: i dette tilfellet blir brukeren eskalert til en representant under samtalen.

Disse kan grupperes i forventede kontra uventede eskaleringer.

Forventede eskaleringer skjer når emnet er utformet for å eskalere på et tidspunkt i løpet av samtalen, eller brukeren velger å eskalere siden agent ikke svarte på spørringen, mens en uventet eskalering kan skje når agent feiler på grunn av andre problemer.

Emneeskaleringsanalyse

TRINN 1: Overvåke og se gjennom ytelsen for emner

Identifisering og optimalisering av eskaleringsfrekvensdrivere kan utføres via den innebygde analysen eller ved hjelp av tilpasset analyse.

Innebygd analyse

Alle agent-øktene som førte til en eskalering eller overføring til en representant, registreres fra begynnelse til slutt på emnenivå. Eskaleringsdrivkraften i dette scenarioet er agentemnene.

Instrumentbordet for analyse har en del for «Drivere for eskaleringsfrekvens», som inneholder detaljer om hvilke agentemner som ble eskalert til menneskelige representanter mesteparten av tiden, og hvorfor. Denne informasjonen er tilgjengelig i det numeriske synspunktet og avledes fra chatavskriftene.

I følgende skjermbilde, under delen Drivere for eskaleringsfrekvens har emnet Returer og bytter en Sats-verdi på 75 %. Dette betyr at 75 % av alle øktene som utløste retur, utveksling ... Tema ble eskalert til en menneskelig representant. Siden agenten ikke kunne løse problemet for brukeren, måtte agenten eskalere det til en menneskelig representant i 75 % av tilfellene der brukeren ble spurt om returer. Nå kan agentforfatteren forbedre emnet Returer, bytter ... for å redusere antall eskaleringer som skjer via dette emnet.

Diagrammet viser også innvirkningen som en rød eller blå linje. Poengsummen for innvirkning for eskaleringsfrekvens er den totale eskaleringsfrekvensen, inkludert emnet minus den totale eskaleringsfrekvensen unntatt emnet. Kort sagt bidrar innvirkning til at du forstår hvordan emnet bidrar i den samlede eskaleringsraten. Hvis innvirkningen er høy, er det dette emnet du må fokusere på, for hvis du forbedrer dette emnet, forbedres også den potensielle innvirkningen det har på eskaleringer.

Et rødt felt angir at emnets eskaleringsfrekvens er større enn den gjennomsnittlige eskaleringsfrekvensen, noe som resulterer i en negativ innvirkning på den totale eskaleringsfrekvensen. Et blått felt angir at eskaleringsfrekvensen er lavere, noe som gir en positiv innvirkning på den totale ytelsen til eskaleringsfrekvensen. Reduksjon av eskaleringsfrekvensen for emnene i rødt har størst innvirkning på forbedring av den samlede eskaleringsfrekvensen (innvirkningspoengsummen representeres ikke som et tall, men som et stolpediagram).

Egendefinert analyse

Du kan også bygge på din egen egendefinerte analyse over dataene for samtaleavskriftene. Microsoft tilbyr en eksempelmalrapport som kan brukes på nytt eller utvides for å identifisere de viktigste eskaleringsdriveremnene og legge til egendefinerte detaljer som er spesifikke for virksomheten og konteksten. Hvis du for eksempel trenger antall eskalerte økter per emne.

TRINN 2: Velge de viktigste eskaleringsemnene

Den generelle veiledningen er å målrette de øverste 5-10 emnene under Drivere for eskaleringsfrekvens til å begynne med, for å få optimalisering av avledningsprosenten. Hvis du forbedrer eskaleringsgraden med 10 % for hvert av de fem mest populære emnene, kan du sånn omtrentlig forbedre den samlede avledningen med 1 % for agenten.

TRINN 3: Se gjennom diskusjoner for valgte emner

Analyse av samtaleutskriftene for de mest populære eskaleringsemnene kan gi mer innsikt i årsakene til eskalering. Samtaleutskriftene registrerer detaljene som «brukeren sier» og «kopiloten sier». Den registrerer også emnenavnet som ble utløst og resultatet av økten (for eksempel Løst, Eskalert osv.).

Nå kan du filtrere disse øktene basert på resultatet for Mest eskalerte emner og gå gjennom noen eksempelsamtaler for se hva som forårsaket eskaleringen. Dette hjelper deg å identifisere mønsteret som forårsaker eskaleringen. Denne øvelsen kan gjentas periodisk for å fortsette å forbedre avledningsprosenten og redusere eskaleringsfrekvensen.

Nedenfor finner du den trinnvise veiledningen du kan bruke for å tolke chatteavskriftene og komme opp med de riktige anbefalingene for å forbedre emneytelsen:

1. Ta et av de fem mest populære emnene for å gjøre forbedringer som reduserer eskalering.

2. Filtrer avskriftene, og sorter etter resultatet av økten for eskalering.

3. Velg det nyeste eksempelsettet med samtaleavskrift (for eksempel 10 økter). Størrelsen på eksempelsettet avhenger av nøyaktigheten du leter etter. For en rask analyse kan du starte med 10 økter.

4. Les gjennom hver av øktene, og identifiser de forskjellige, repeterende dialogbanene som dukker opp for den emnerelaterte diskusjonen.

5. Før opp dialogbanene som identifiseres for hver økt, og grupper dem i henhold til dialogbanen.

6. For hver dialogbanegruppe kommer du opp med en anbefaling for forbedring.

7. Implementer anbefalingene i agentemnene, og følg med på endringen i eskaleringsfrekvensen og avledningen.

Bruk av metoden ovenfor for emneeksemplet Sjekk bestillingsstatus som er beskrevet i den neste delen, vil se slik ut:

Emnebeskrivelse

Kontroller ordrestatus skal gi ordre- og leveringsinformasjon for brukeren.

Observasjon fra avskrifter

Etter at du har gått gjennom flere samtaleutskrifter for dette emnet som endte med eskalering, finnes det flere dialogbaner som gjør at brukeren eskalerer til en representant, selv om agenten leverte ordreinformasjonen riktig.

Det kan være en dialogbane #1 der agent gir ordreinformasjonen når brukeren spør om manglende forsendelse. Det kan også være en annen dialogbane # 2 der brukeren leter etter statusen til flere ordrer mens agent for øyeblikket gir en status for bare én ordre om gangen. Anbefalingen for dialogbane #1 kan være å legge til et nytt emne som eksklusivt håndterer Manglende ordre-scenarioet, mens anbefalingen for dialogbane #2 kan være å oppdatere selvbetjeningshandlingen for å gi status for flere ordrer i stedet for bare én.

Sammendrag av samtaleavskriftgjennomgang

• Eksempelsettstørrelse: Analyser eksempelsamtaler for eskalerte økter fra de nedlastede avskriftene. Alle utløste riktig emne. Alle ble eskalert på slutten.
• Forventet dialogbane: Gå til handlingen OrdreInfo og oppgi ordrestatusen til brukeren.

Nye dialogbaner identifiseres ved å se gjennom avskriftene

• Dialogbane 1: OrderInfo svarer med tilpasset kort for ordreinformasjon, men brukerspørringen er relatert til manglende pakke, så brukeren bestemmer seg for å eskalere (7 av 10 økter).
• Dialogforløp 2: OrderInfo-handling svarer med: "ordren inneholder flere leveringer", men viser ikke leveringsinformasjon for alle ordrene, så brukeren bestemmer seg for å eskalere (2 av 10 økter).
• Dialogbane 3: Annen (mangende ordrenummersamsvar), brukeren var ikke klar over at de la inn et feil ordrenummer, så brukeren bestemmer seg for å eskalere (1 av 10 økter).

Anbefalinger for dialogbanegrupper

• Bane 1: Legge til et nytt emne for håndtering av manglende ordre.
• Bane 2: Forbedre OrderInfo-handlingen for å støtte levering av flere ordreinformasjon.
• Bane 3: Forbedre OrderInfo-handlingen for å validere ordre-ID-formatet og angi feilmelding for feil ordre-ID-er.

TRINN 4: Gjøre målrettede forbedringer i utvalgte emner

Basert på resultatet av gjennomgangen av samtaleavskriftene kan du nå gjøre målrettede forbedringer i de valgte emnene.

Noen av teknikkene du kan bruke for å redusere eskaleringsrater på emnenivå, inkluderer å legge til selvbetjeningsfunksjoner slik at brukeren ikke trenger å stole på menneskelige representanter for en handling (for eksempel sjekke leveringsstatus), forbedre utløsende ytelse for å sikre at de riktige emnene presenteres for brukeren i stedet for å måtte eskalere til en menneskelig representant (dette inkluderer å legge til manglende utløseruttrykk og oppdatere eksisterende utløseruttrykk).

Emnesuppleringsanalyse