Emneeskaleringsanalyse

Eskalering er samtaleflyten der agenten ikke kan håndtere samtalen og må eskalere til en menneskelig representant. Når en agent besvarer brukerspørringen uten å måtte eskalere til en menneskelig representant, kalles 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 en menneskelig representant på er gjennom Eskalere systememnet. Dette systememnet aktiveres når agenten ikke lenger kan håndtere kundens forespørsel og må eskalere til en menneskelig representant. Gjennom Escalate-emnet kan du gjøre det mulig for agenten å overføre samtalen til et service desk-verktøy som Omnikanal for Customer Service for direkte overføring til en representant, eller til en asynkron støtteopplevelse som å opprette en sak, planlegge en tilbakeringing, og så videre.

• En annen måte å utløse denne eskaleringen på er via Transfer Conversation-noden i redigeringslerretet.

  

Type eskaleringer

Copilot Studio har to typer eskaleringer:

• Direkte eskalering: Brukeren henvender seg til agenten og ønsker å snakke direkte med en menneskelig representant. Du kan ikke unngå denne typen eskalering fordi kundens intensjon er å utløse systememnet for eskalering direkte.

  Eksempler på kundeforespørsler:

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

• Indirekte eskalering: Brukeren blir overført til en representant under samtalen.

Disse typene tilhører to kategorier: forventede og uventede eskaleringer.

• Forventede eskaleringer skjer når emnet er utformet for å eskalere på et tidspunkt i løpet av samtalen, eller når brukeren velger å eskalere siden agenten ikke svarte på spørsmålet deres.
• Uventede eskaleringer skjer når agenten opplever en feil på grunn av andre problemer.

Emneeskaleringsanalyse

Bruk denne firetrinnsprosessen til å analysere emneeskaleringer og identifisere muligheter for målrettede forbedringer.

Trinn 1: Overvåk og gjennomgå emnenes ytelse

Bruk de innebygde analysene eller tilpassede analysene for å identifisere og optimalisere drivere for eskaleringsrate.

Innebygd analyse

Alle agent-sesjonene som førte til en eskalering eller overføring til en representant logges fra start til slutt på emnenivå. Eskaleringsdrivkraften i dette scenarioet er agentemnene.

Analyse-dashbordet har en seksjon for "Eskaleringsdrivere" som gir detaljer om hvilke agentemner som eskalerer til menneskelige representanter oftest, og hvorfor. Denne informasjonen er tilgjengelig i nettpratutskriftene sett fra et numerisk perspektiv.

I følgende skjermbilde, under delen Drivere for eskaleringsfrekvens har emnet Returer og bytter en Sats-verdi på 75 %. Denne verdien indikerer at 75 % av alle sesjonene som utløste emnet Returns, Exchanges… ble eskalert til en menneskelig representant fordi agenten ikke klarte å løse problemet for brukeren. Agentforfatteren kan forbedre emnet Returns, Exchanges... for å redusere antall eskaleringer fra 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 et emne har høy innvirkning, prioriter det siden forbedring av det emne kan redusere 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. Redusering av eskaleringsfrekvensen for de viktigste emnene med lengst løsningsfrekvens i rødt gir den største innvirkning på forbedringen av den totale eskaleringsfrekvensen. Den innvirkningspoengsummen vises ikke som et tall, men som et stolpediagram.

Egendefinert analyse

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

Trinn 2: Velg de viktigste eskaleringsemnene

Den generelle anbefalingen er å fokusere på de 5–10 viktigste emner under eskaleringsratedrivere til å begynne med, for å optimalisere defleksjonsraten. Som et grovt estimat vil en forbedring av eskaleringsraten med 10 % for hvert av de fem viktigste emnene vanligvis forbedre agentens totale defleksjonsrate med omtrent 1 %.

Trinn 3: Gjennomgå samtaler for valgte emner

Analyse av samtaleutskriftene for de mest populære eskaleringsemnene kan gi mer innsikt i årsakene til eskalering. Samtaleutskrifter fanger replikk for replikk, som «bruker sier» og «kopilot sier». De fanger også opp emnenavnet som ble utløst og sesjonens utfall (f.eks. Løst, Eskalert).

Du kan filtrere disse øktene basert på utfallet for De mest eskalerte emner og gjennomgå noen eksempelsamtaler for å avgjøre hva som forårsaket eskaleringen. Denne prosessen hjelper deg med å identifisere mønsteret som forårsaker eskaleringen. Gjenta denne øvelsen med jevne mellomrom for å stadig forbedre avledningsraten og redusere eskaleringsraten.

Følgende trinn-for-trinn-veiledning hjelper deg å analysere nettpratutskrifter og identifisere anbefalinger for å forbedre emnes ytelse:

1. Velg ett av de fem mest populære emnene for å gjøre forbedringer som reduserer eskalering.

2. Filtrer utskriftene, 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, start med 10 økter.

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

5. List opp dialogbanene som er identifisert for hver økt, og grupper dem etter dialogbane.

6. Identifiser en forbedringsanbefaling for hver dialogbanegruppe.

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

f.eks., hvis du bruker denne tilnærmingen for Sjekk bestillingsstatus-emnet som beskrevet i neste avsnitt, kan det se slik ut:

Emnebeskrivelse

Sjekk ordrestatus er ment å gi ordre- og fraktinformasjon til brukeren.

Observasjon fra avskrifter

Etter at du har gjennomgått flere utskrifter for dette emnet som ender med eskalering, finner du flere dialogveier som fører til at brukeren eskalerer til en representant, selv om agenten gir ordreinformasjon slik den er utformet.

Dialogbane #1 dekker f.eks. når agenten oppgir ordreinformasjon etter at brukeren har spurt om en manglende forsendelse. Dialogbane #2 dekker når brukeren ser etter statusen for flere ordrer, mens agenten gir statusen for bare én ordre om gangen. For dialogsti #1 kan du legge til et nytt tema som fokuserer på Missing Order-scenarioet . For dialogbane #2 kan du oppdatere selvbetjeningshandlingen slik at den gir status for flere ordre i stedet for bare én.

Sammendrag av samtaleavskriftgjennomgang

• Eksempelsettstørrelse: Analyser eksempelsamtaler for eskalerte økter fra de nedlastede avskriftene. Alle utløserfraser aktiverer riktig emne. Alle ender med eskalering.
• Forventet dialogbane: Gå til handlingen OrdreInfo og oppgi ordrestatusen til brukeren.

Nye dialogbaner identifiseres ved å se gjennom avskriftene

• Dialogbane 1: OrderInfo svarer med dynamisk kort for ordreinformasjon, men brukerspørringen er relatert til en pakke som mangler, så brukeren bestemmer seg for å eskalere (7 av 10 sesjoner).
• 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 Ordreinfo-handlingen slik at den validerer formatet på ordre-ID og gir en feilmelding for ugyldige ordre-ID-er.

Trinn 4: Gjør målrettede forbedringer i utvalgte emner

Basert på gjennomgang av samtaleutskrifter, gjør målrettede forbedringer i de utvalgte emner.

Noen teknikker for å redusere eskaleringsrater på emnenivå er å legge til selvbetjeningsmuligheter slik at brukeren ikke er avhengig av en menneskelig representant for en handling som å sjekke leveringsstatus, og å forbedre trigger-ytelsen slik at systemet presenterer riktige emner for brukeren i stedet for å eskalere til en menneskelig representant. Disse forbedringene inkluderer å legge til manglende utløseruttrykk og oppdatere eksisterende utløseruttrykk.

Neste trinn

Lær hvordan du analyserer fallback- og ukjente spørringer for å berike agentens emner ved å legge til nye utløseruttrykk eller opprette nye emner. Disse handlingene bidrar til å redusere forvirring, forbedre gjenkjennelsen og øke den totale avledningsraten.