การวิเคราะห์ แชทบอท แบบคลาสสิก

สำคัญ

บทความนี้อธิบายเมตริกและข้อมูลที่มีให้สำหรับประสบการณ์การวิเคราะห์ แชทบอท แบบคลาสสิก โดยค่าเริ่มต้น Copilot Studio ใช้ การวิเคราะห์สำหรับเอเจนต์สมัยใหม่ การวิเคราะห์ แชทบอท แบบคลาสสิกมีให้บริการตามคำขอ ส่งคำขอโดย การติดต่อฝ่ายสนับสนุนด้านเทคนิค

แท็บ สรุป ของหน้า การวิเคราะห์ แสดงภาพรวมคร่าวๆ เกี่ยวกับประสิทธิภาพเอเจนต์ มีการใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) เพื่อแสดงให้คุณเห็นหัวข้อที่มีผลกระทบมากที่สุดสำหรับอัตราการส่งต่อ อัตราการละทิ้ง และอัตราการแก้ปัญหา

เซสชันการวิเคราะห์จะติดตามการมีส่วนร่วมของผู้ใช้กับเอเจนต์ของคุณและพยายามบันทึกว่าเอเจนต์ของคุณจัดการงานของผู้ใช้ได้ดีเพียงใด การสนทนาเดียวสามารถมีหนึ่งเซสชันการวิเคราะห์หรือมากกว่านั้น แต่ละเซสชันเชื่อมโยงกับหัวข้อเฉพาะ หัวข้อที่ไม่ใช่ของระบบล่าสุดที่ทริกเกอร์หรือหัวข้อของระบบหัวข้อแรกที่ทริกเกอร์ หากไม่มีการทริกเกอร์ของหัวข้อที่ไม่ใช่ของระบบ เชื่อมโยงกับเซสชันการวิเคราะห์

แผนภูมิสรุปจะวัดว่าเอเจนต์ของคุณทำงานได้ดีเพียงใด และช่วยคุณค้นหาหัวข้อที่ส่งผลต่อประสิทธิภาพของเอเจนต์ของคุณมากที่สุด เซสชันจะหมดเวลาหลังจากไม่มีการใช้งาน 30 นาที

• เซสชันเริ่มต้นเมื่อผู้ใช้โต้ตอบกับเอเจนต์ของคุณหรือเอเจนต์ส่งข้อความเชิงรุกไปยังผู้ใช้ เซสชันเริ่มต้นในสถานะ ไม่ได้มีส่วนร่วม

• เซสชันจะ มีส่วนร่วม เมื่อเกิดเหตุการณ์อย่างใดอย่างหนึ่งต่อไปนี้:

  • หัวข้อที่ไม่ใช่หัวข้อของระบบถูกทริกเกอร์
  • เซสชันถูกเลื่อนระดับ
  • หัวข้อสำรองถูกทริกเกอร์
  • หัวข้อที่เพิ่มการสนทนาถูกทริกเกอร์

  เมื่อเซสชันได้รับการมีส่วนร่วมแล้ว เซสชันจะยังคงได้รับการมีส่วนร่วม เซสชันที่มีส่วนร่วมสามารถมีหนึ่งในผลลัพธ์ต่อไปนี้: แก้ไขแล้ว, เลื่อนระดับแล้ว หรือ ถูกยกเลิก

• เซสชันสิ้นสุดลงและถือว่า เลื่อนระดับ เมื่อมีการทริกเกอร์ เลื่อนระดับ หัวข้อหรือโหนด โอนให้เจ้าหน้าที่ ถูกเรียกใช้ (เซสชันการวิเคราะห์ปัจจุบันจะสิ้นสุดลง ไม่ว่าการสนทนาจะโอนไปยังตัวแทนสนทนาสดหรือไม่ก็ตาม)

• เซสชันสิ้นสุดลงและถือว่า ได้รับการแก้ไข เมื่อ:

  • หัวข้อ การสิ้นสุดการสนทนา จะถูกทริกเกอร์ และผู้ใช้ยืนยันว่าการโต้ตอบนั้นสำเร็จหรือปล่อยให้เซสชันหมดเวลา
  • หัวข้อ ยืนยันความสำเร็จ ถูกทริกเกอร์

• เซสชันสิ้นสุดลงและถือว่า ถูกละทิ้ง เมื่อเซสชันที่มีส่วนร่วมหมดเวลา และเซสชันไม่เข้าสู่สถานะได้รับการแก้ไขหรือเลื่อนระดับ

แท็บสรุปรวมถึงแผนภูมิที่หลากหลายกับมุมมองกราฟิกของตัวบ่งชี้ประสิทธิภาพหลักสำหรับตัวบ่งชี้ประสิทธิภาพหลักของเอเจนต์ของคุณ ส่วนที่เหลือของบทความนี้จะอธิบายแต่ละตารางอย่างละเอียด

เคล็ดลับ

• ตามค่าเริ่มต้น เพจจะแสดงตัวบ่งชี้ประสิทธิภาพหลักสำหรับเจ็ดวันที่ผ่านมา หากต้องการเปลี่ยนช่วงเวลา ให้ใช้ตัวควบคุมวันที่ที่ด้านบนของหน้า
• การถอดความการสนทนาสำหรับการวิเคราะห์ของแชทบอทใน Dataverse สามารถใช้งานได้ประมาณหกชั่วโมงหลังจากเซสชันการวิเคราะห์เริ่มต้นขึ้น

แผนภูมิสรุป

ตารางสรุปจะสรุปตัวบ่งชี้ประสิทธิภาพหลักสำหรับช่วงเวลาที่ระบุ และเปอร์เซ็นต์การเปลี่ยนแปลงในช่วงเวลาหนึ่งๆ

รายละเอียด	รายละเอียด
เซสชันทั้งหมด	จำนวนทั้งหมดของเซสชันภายในช่วงเวลาที่ระบุ
อัตราการมีส่วนร่วม	เปอร์เซ็นต์ของเซสชันทั้งหมดที่กลายเป็นมีส่วนร่วม
อัตราการแก้ปัญหา	เปอร์เซ็นต์ของเซสชันที่มีส่วนร่วมที่ได้รับการแก้ไข
อัตราการส่งต่อ	เปอร์เซ็นต์ของเซสชันที่มีส่วนร่วมที่ส่งต่อ
อัตราการยกเลิก	เปอร์เซ็นต์ของเซสชันที่มีส่วนร่วมที่ถูกละทิ้ง
CSAT	มุมมองแบบกราฟิกของคะแนนความพึงพอใจของลูกค้าโดยเฉลี่ย (CSAT) สำหรับเซสชันที่ลูกค้าตอบสนองต่อคำขอสิ้นสุดเซสชันเพื่อทำแบบสำรวจ

แผนภูมิการมีส่วนร่วมตามช่วงเวลา

แผนภูมิ การมีส่วนร่วมในช่วงเวลา ให้มุมมองแบบกราฟิกของจำนวนเซสชันที่มีส่วนร่วมและไม่ได้มีส่วนร่วมในช่วงเวลาหนึ่ง

รายละเอียด	คำอธิบาย
ที่มีส่วนร่วม	จำนวนเซสชันที่มีส่วนร่วมต่อวัน
ไม่มีส่วนร่วม	จำนวนเซสชันที่ไม่มีส่วนร่วมต่อวัน

แผนภูมิผลลัพธ์ของเซสชันตามช่วงเวลา

แผนภูมิ ผลลัพธ์ของเซสชันตามช่วงเวลา จะให้มุมมองแบบกราฟิกของอัตราการแก้ไขรายวัน อัตราการส่งต่อ และอัตราการยกเลิก ในช่วงเวลาที่กำหนด

รายละเอียด	คำอธิบาย
แก้ปัญหาแล้ว	อัตรารายวันของเซสชันที่แก้ไข
จัดระดับ	อัตรารายวันของเซสชันที่ส่งต่อ
ถูกละทิ้ง	อัตรารายวันของเซสชันที่ยกเลิก

แผนภูมิตัวขับเคลื่อนอัตราการแก้ไขปัญหา

แผนภูมิ ตัวขับเคลื่อนอัตราการแก้ไขปัญหา จะแสดงหัวข้อตามลำดับของผลกระทบที่มีต่ออัตราการแก้ไขปัญหาในช่วงเวลาที่กำหนด

รายละเอียด	รายละเอียด
หัวข้อ	หัวข้อ Copilot Studio
อัตรา	เปอร์เซ็นต์ของเซสชันที่มีส่วนร่วมสำหรับหัวข้อที่ได้รับการแก้ไข
ผลกระทบ	คะแนนผลกระทบอัตราการแก้ไขปัญหาของหัวข้อ คะแนนผลกระทบของอัตราการแก้ไขปัญหาคืออัตราการแก้ไขปัญหาโดยรวมซึ่งรวมถึงหัวข้อ ลบด้วยอัตราการแก้ไขปัญหาโดยรวมที่ไม่รวมหัวข้อ

ตารางแสดงผลกระทบเป็นเปอร์เซ็นต์ หัวข้อที่มีเปอร์เซ็นต์ผลกระทบเชิงบวกคือหัวข้อที่มีอัตราความละเอียดสูงกว่าค่าเฉลี่ย ซึ่งจะเพิ่มอัตราการแก้ปัญหาโดยรวมของเอเจนต์ของคุณ

เพิ่มอัตราความละเอียดของหัวข้อที่มีเปอร์เซ็นต์ผลกระทบเชิงลบสูงเพื่อปรับปรุงอัตราการแก้ปัญหาโดยรวมสำหรับเอเจนต์ของคุณได้เร็วขึ้น

หากต้องการดูข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อแต่ละรายการ ให้เลือกลิงก์ รายละเอียด เพื่อแสดงหน้ารายละเอียดหัวข้อ สำหรับข้อมูลเพิ่มเติม โปรดดู วิเคราะห์การใช้งานหัวข้อ

แผนภูมิตัวขับเคลื่อนอัตราการส่งต่อ

แผนภูมิ ตัวขับเคลื่อนอัตราการส่งต่อ จะแสดงหัวข้อตามลำดับของผลกระทบที่มีต่ออัตราการส่งต่อในช่วงเวลาที่กำหนด

รายละเอียด	รายละเอียด
หัวข้อ	หัวข้อ Copilot Studio
อัตรา	เปอร์เซ็นต์ของเซสชันที่มีส่วนร่วมสำหรับหัวข้อที่ถูกส่งต่อ
ผลกระทบ	คะแนนผลกระทบอัตราการส่งต่อของหัวข้อ คะแนนผลกระทบของอัตราการส่งต่อคืออัตราการส่งต่อโดยรวมซึ่งรวมถึงหัวข้อ ลบด้วยอัตราการส่งต่อโดยรวมที่ไม่รวมหัวข้อ

ตารางแสดงผลกระทบเป็นเปอร์เซ็นต์ หัวข้อที่มีเปอร์เซ็นต์ผลกระทบเชิงบวกคือหัวข้อที่มีอัตราการเลื่อนระดับมากกว่าค่าเฉลี่ย ซึ่งจะเพิ่มอัตราการยกระดับโดยรวมของเอเจนต์ของคุณ

ลดอัตราการเลื่อนระดับของหัวข้อที่มีเปอร์เซ็นต์ผลกระทบสูงเพื่อลดอัตราการเลื่อนระดับสำหรับเอเจนต์ของคุณได้เร็วขึ้น

หากต้องการดูข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อแต่ละรายการ ให้เลือกลิงก์ รายละเอียด เพื่อแสดงหน้ารายละเอียดหัวข้อ สำหรับข้อมูลเพิ่มเติม โปรดดู วิเคราะห์การใช้งานหัวข้อ

แผนภูมิตัวขับเคลื่อนอัตราการยกเลิก

แผนภูมิ ตัวขับเคลื่อนอัตราการยกเลิก จะแสดงหัวข้อตามลำดับของผลกระทบที่มีต่ออัตราการยกเลิกในช่วงเวลาที่กำหนด

รายละเอียด	รายละเอียด
หัวข้อ	หัวข้อ Copilot Studio
อัตรา	เปอร์เซ็นต์ของเซสชันที่มีส่วนร่วมสำหรับหัวข้อที่ถูกยกเลิก
ผลกระทบ	คะแนนผลกระทบอัตราการยกเลิกของหัวข้อ คะแนนผลกระทบของอัตราการยกเลิกคืออัตราการยกเลิกโดยรวมซึ่งรวมถึงหัวข้อ ลบด้วยอัตราการยกเลิกโดยรวมที่ไม่รวมหัวข้อ

ตารางแสดงผลกระทบเป็นเปอร์เซ็นต์ หัวข้อที่มีเปอร์เซ็นต์ผลกระทบเชิงบวกคือหัวข้อที่มีอัตราการละทิ้งมากกว่าค่าเฉลี่ย ซึ่งจะเพิ่มอัตราการละทิ้งโดยรวมของเอเจนต์ของคุณ

ลดอัตราการละทิ้งหัวข้อที่มีเปอร์เซ็นต์ผลกระทบสูงเพื่อลดอัตราการละทิ้งสำหรับเอเจนต์ของคุณได้เร็วขึ้น

หากต้องการดูข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อแต่ละรายการ ให้เลือกลิงก์ รายละเอียด เพื่อแสดงหน้ารายละเอียดหัวข้อ สำหรับข้อมูลเพิ่มเติม โปรดดู วิเคราะห์การใช้งานหัวข้อ

วิเคราะห์การวัดความพึงพอใจของลูกค้าของเอเจนต์ของคุณ

แท็บ ความพึงพอใจ ของลูกค้าของหน้า การวิเคราะห์ ให้มุมมองโดยละเอียดของข้อมูลแบบสำรวจความพึงพอใจของลูกค้า (CSAT) รวมถึงคะแนน CSAT เฉลี่ย ธีมการสืบค้นของผู้ใช้หลัก และข้อมูลเชิงลึกที่นำไปใช้ได้จริงเกี่ยวกับตัวขับเคลื่อนความพึงพอใจหรือไม่พอใจกับคำตอบของเอเจนต์ของคุณ

ตามค่าเริ่มต้น เพจจะแสดงตัวบ่งชี้ประสิทธิภาพหลักสำหรับเจ็ดวันที่ผ่านมา หากต้องการเปลี่ยนช่วงเวลา ให้ใช้ตัวเลือกวันที่ที่ด้านบนของหน้า คุณสามารถดึงข้อมูลในช่วงเวลาใดก็ได้ภายใน 45 วันที่ผ่านมา

คะแนนความพึงพอใจของลูกค้า

แผนภูมิ คะแนนความพึงพอใจของลูกค้า แสดงมุมมองแบบกราฟิกของคะแนน CSAT โดยเฉลี่ยสำหรับเซสชันที่ลูกค้าตอบสนองต่อคำขอ จบการสนทนา เพื่อทำแบบสำรวจ แบบสำรวจ CSAT ขอให้ลูกค้าให้คะแนนประสบการณ์ของตนในระดับ 1 ถึง 5 หากลูกค้าตอบแบบสำรวจมากกว่าหนึ่งรายการในเซสชันเดียวกัน จะใช้เฉพาะแบบสำรวจล่าสุดเท่านั้น

แผนภูมินี้ยังแสดงตัวบ่งชี้การเปลี่ยนแปลงตามช่วงเวลาอีกด้วย ตัวอย่างเช่น เมื่อคุณเลือกช่วงเวลาสามวัน ตัวบ่งชี้จะแสดงเปอร์เซ็นต์การเปลี่ยนแปลงเทียบกับสามวันก่อนกับช่วงเวลาที่เลือก ตัวบ่งชี้ช่วงเวลาเกินระยะเวลาจะปรากฏขึ้นก็ต่อเมื่อเอเจนต์ของคุณมีข้อมูลการสำรวจ CSAT สำหรับช่วงเวลาก่อนหน้า หากไม่มีข้อมูลการสำรวจ CSAT สำหรับช่วงเวลาต่อท้ายเดียวกันซึ่งสัมพันธ์กับข้อมูลที่เลือกในตัวกรอง ตัวบ่งชี้ช่วงเวลาจะไม่แสดง

อัตราการตอบแบบสำรวจ CSAT

แผนภูมิ อัตราการตอบแบบสำรวจ CSAT แสดงจำนวนของแบบสำรวจ CSAT สำหรับ จบการสนทนา ที่นำเสนอและเปอร์เซ็นต์ของแบบสำรวจที่เสร็จสมบูรณ์

รายละเอียดแยกย่อยของความพึงพอใจของลูกค้า

แผนภูมิ การแยกย่อยความพึงพอใจของลูกค้า แสดงเปอร์เซ็นต์ของเซสชันที่พึงพอใจ ไม่พึงพอใจ หรือเป็นกลางในช่วงเวลาที่เลือก บานหน้าต่างสถานะความพึงพอใจของลูกค้า ให้รายละเอียดเพิ่มเติมเกี่ยวกับสัญญาณต่างๆ ที่ใช้ในการกำหนดสถานะความพึงพอใจของเซสชัน

สถานะความพึงพอใจของลูกค้า

แผนภูมิ สถานะความพึงพอใจของลูกค้า ให้ข้อมูลเชิงลึกที่สำคัญเกี่ยวกับธีมที่ผู้ใช้ค้นหา และระดับความพึงพอใจของผู้ใช้เกี่ยวกับคำตอบของเอเจนต์ เซสชันที่มีธีมคล้ายกันจะถูกจัดกลุ่มไว้ด้วยกัน แผนภูมิแสดงจำนวนเซสชันสำหรับแต่ละธีมในช่วงเวลาที่เลือก และเปอร์เซ็นต์ของเซสชันเหล่านี้ที่พึงพอใจหรือไม่พึงพอใจ เซสชันที่ทั้งพึงพอใจและไม่พึงพอใจจะถือเป็นเซสชันที่เป็นกลางและไม่ปรากฏในแผนภูมินี้

ธีมของเซสชันที่กำหนดได้รับมาโดยใช้โมเดล ML ก่อนที่จะถูกส่งไปยังแดชบอร์ดการวิเคราะห์ ธีมจะถูกประมวลผลเพื่อลบข้อมูลส่วนบุคคลหรือข้อมูลที่ละเอียดอ่อน เช่น หมายเลขโทรศัพท์ นอกจากนี้ หากธีมมีภาษาที่หยาบคายหรือเป็นอันตราย ธีมเหล่านี้จะถูกปิดบัง

หากต้องการดูความพึงพอใจหรือความไม่พึงพอใจที่เฉพาะเจาะจง ให้วางเมาส์เหนือแต่ละส่วนของแผนภูมิ หากเกณฑ์ใดๆ เป็นจริงสำหรับเซสชันหนึ่งๆ เซสชันนั้นจะถูกจัดประเภทว่าพึงพอใจหรือไม่พึงพอใจ:

• มีการพิจารณาเซสชันเป็น ไม่พึงพอใจ ถ้า:

  • ผู้ใช้ให้สองดาวหรือน้อยกว่าในแบบสำรวจ จบการสนทนา
  • ผู้ใช้ถูกขอให้เรียบเรียงข้อความค้นหาใหม่สองครั้งหรือมากกว่าสองครั้งใน (หัวข้อสำรองของระบบ)
  • ผู้ใช้ละทิ้งเซสชัน
  • ผู้ใช้ที่เลื่อนระดับเซสชันเป็นตัวแทนสนทนาสด
  • ความรู้สึกโดยรวมของผู้ใช้เกี่ยวกับการสนทนากับเอเจนต์จัดอยู่ในประเภทเชิงลบ ความคิดเห็นถูกกำหนดโดยใช้โมเดล ML ที่เปิดเผยต่อสาธารณะซึ่งได้รับการปรับแต่งสำหรับการวิเคราะห์ความคิดเห็น

• มีการพิจารณาเซสชันเป็น พึงพอใจ ถ้า:

  • ผู้ใช้ให้สี่ดาวหรือมากกว่าในแบบสำรวจ จบการสนทนา
  • ผู้ใช้ไม่ถูกขอให้เรียบเรียงข้อความค้นหาใหม่มากกว่าหนึ่งครั้งใน (หัวข้อสำรองของระบบ)
  • เซสชันได้รับการแก้ไข
  • ความรู้สึกโดยรวมของผู้ใช้เกี่ยวกับการสนทนากับเอเจนต์จัดอยู่ในประเภทบวก

เซสชันที่ไม่ตรงตามเกณฑ์ใดๆ ข้างต้นถือเป็นเซสชันที่เป็นกลางและไม่ปรากฏในแผนภูมินี้

ใน แท็บสรุป ของหน้า การวิเคราะห์ คุณสามารถใช้ไอคอนข้อมูลเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับการมีส่วนร่วม การเลื่อนระดับ อัตราการละทิ้งและการแก้ไข

การแยกความคิดเห็นของธีมและเซสชัน

Copilot Studio ใช้เทคนิคการประมวลผลภาษาธรรมชาติ (NLP) เพื่อแยกธีมและกำหนดความคิดเห็นให้กับเซสชันเอเจนต์ที่กำหนด

สำหรับทุกเซสชัน Copilot Studio จะแยกธีมออกจากคำพูดของผู้ใช้ครั้งแรก เซสชันแต่ละรายการที่มีธีมคล้ายกันจะถูกรวบรวมไว้ และปรากฏเป็นรายการเดียวในแผนภูมิ สถานะความพึงพอใจของลูกค้า

เพื่อประเมินความรู้สึกของเซสชัน โมเดล NLP พื้นฐานจะได้รับการฝึเกี่ยวกับชุดข้อมูลภาษาอังกฤษสาธารณะ กระบวนการนี้จะวิเคราะห์ข้อความของเซสชันเพื่อพิจารณาว่าความรู้สึกโดยรวมว่าเป็นบวก ลบ หรือเป็นกลาง กระบวนการนี้ยังประมวลผลการสอบถามของผู้ใช้ล่วงหน้าเพื่อขจัดผลบวกปลอม ตัวอย่างเช่น การประมวลผลล่วงหน้านี้ช่วยให้แน่ใจว่าการสอบถาม เช่น "ตัวเลือกที่ดีที่สุดคืออะไร" ไม่ได้จัดอยู่ในประเภทเชิงบวกเพียงเพราะคำว่า "ดีที่สุด" ปรากฏในการสอบถาม