Analysera copilot-mått för kundnöjdhet (förhandsvisning)

Fliken Kundnöjdhet på sidan Analys ger en detaljerad vy över undersökningsuppgifterna om kundnöjdhet (CSAT), bland annat genomsnittspoängen för CSAT, den primära användarfrågan och användbara insikter om förarna som är nöjda eller inte är nöjda med copilot-svaret.

Som standard visar sidan KPI:er för de senaste sju dagarna. Om du vill ändra tidsperioden använder du datumväljarna överst på sidan. Du kan hämta data för valfri tidsperiod under de senaste 45 dagarna.

Kundnöjdhetspoäng

Diagrammet Kundnöjdhetspoäng ger en grafisk vy av genomsnittet av CSAT-poäng för sessioner där kunder svarar på en begäran i slutet av konversationen om att göra undersökningen. I CSAT-undersökningen uppmanas kunderna att betygssätta sina erfarenheter på en skala från 1 till 5. Om en slutanvändare svarar på fler än en undersökning i samma session används bara den senaste.

Det här diagrammet visar även en symbol för period-över-period-förändringar. Om du till exempel väljer en tredagarsperiod visas en procentuell ändring i förhållande till de tre dagarna före den valda perioden. Period-över-period-indikatorn visas bara om din copilot har CSAT-undersökningsdata tillgänglig för föregående period. Om det inte finns några tillgängliga CSAT-undersökningsdata för samma efterföljande tidsperiod i förhållande till vad som valts i filtret visas inte period-över-period-indikatorn.

Svarsfrekvens för CSAT-enkät

Svarsfrekvensdiagrammet för CSAT-enkät visar antalet CSAT-enkäter i slutet av konversationen som presenterats, samt hur många procent av enkäterna som slutfördes.

Kundnöjdhet - detaljer

Diagrammet Kundnöjdhet - detaljer visar hur många procent av sessionerna som var nöjda, missnöjda eller neutrala under den valda tidsperioden. Statusrutan Kundnöjdhet ger mer information om olika funktioner som används för att fastställa nöjdhetsstatus för sessionen.

Kundnöjdhetsstatus

Diagrammet Kundnöjdhetsstatus ger viktiga insikter om vad användarna söker efter och användarnas tillfredsställelse över copilot-svar. Sessioner med liknande teman grupperas. Diagrammet visar antalet sessioner för varje tema under den valda perioden och andelen av dessa sessioner som var nöjda eller missnöjda. Sessioner som varken var nöjda eller missnöjda räknas som sessioner och visas inte i det här diagrammet.

Temat för en given session härleds med hjälp av ML-modeller. Innan de skickas till analysinstrumentpanelerna bearbetas olika funktioner för att ta bort personliga data eller känslig information, till exempel telefonnummer. Dessutom, om teman innehåller grovt eller skadligt språk, är dessa teman maskerade.

Håll muspekaren över varje segment i diagrammet för att se de specifika drivkrafterna för nöjdhet eller missnöje. Om något av villkoren gäller för en viss session anses sessionen som nöjd eller missnöjd:

• En session anses vara missnöjd om:

  • Användaren får två användare eller färre i undersökningen i slutet av en konversation.
  • Användaren ombads att skapa en ny fråga två gånger eller fler än två gånger i (reservämne för system).
  • Användaren övergav sessionen.
  • Användaren eskalerade sessionen till en live-handläggare.
  • Den allmänna inställningen hos användaren om deras konversation med copilot klassificeras som negativ. Sentimentet bestäms med hjälp av en allmänt tillgänglig ML-modell finjusterad för sentimentanalys.

• En session anses vara nöjd om:

  • Användaren får fyra stjärnor eller mer i undersökningen i slutet av en konversation.
  • Användaren ombads inte omformulera sin fråga mer än en gång i (reservämne för system).
  • Sessionen har lösts.
  • Den allmänna inställningen hos användaren om deras konversation med copilot klassificeras som positiv.

Sessioner som inte uppfyller något av ovanstående villkor räknas som sessioner och visas inte i det här diagrammet.

På fliken Sammanfattning på sidan Analys kan du använda informationsikonerna för att lära dig mer om interaktion, eskalering, rapportering och stängningsfrekvens.

Extraktion av tema och sessionssentiment

Copilot Studio använder tekniker för naturlig språkbearbetning (NLP) för att extrahera teman och tilldela sentiment till en viss copilot-session.

För varje session extraherar Copilot Studio teman från de användarens första talindata. Enskilda sessioner med liknande teman aggregeras och visas som en enskild artikel i diagrammet Kundnöjdhetsstatus.

För att utvärdera sessionssentimentet tränas den underliggande NLP-modellen på offentliga engelska datamängder. Den här processen analyserar texten i sessionen för att avgöra om den övergripande attityden är positiv, negativ eller neutral. Processen förbearbetar också användarfrågor för att ta bort falska positiva identifieringar. Den här förbearbetningen säkerställer till exempel att en fråga som "det bästa alternativet?" inte anses vara positivt enbart på grund av att ordet "bäst" visas i frågan.