Stimmungsanalyse

  • Freigeben Version: Yokohama
  • Aktualisiert 30. Januar 2025
  • 2 Minuten Lesedauer

    • Die Stimmungsanalyse kann Ihnen helfen, die Emotionen von Kunden zu messen, sodass Sie einfühlsamere und mitfühlendere Kunden-Experiences bereitstellen können.

    Verwenden Sie die Stimmungsanalysefunktion, die in Task Intelligence für den Kundenservice enthalten ist, um:
    • Bewerten Sie E-Mail- und Falltext.
    • Identifizieren Sie die aktuelle Stimmung neuer Fälle.
    • Identifizieren Sie die laufende Stimmung aktualisierter Fälle.
    • Zeigen Sie diese Informationen Service Desk-Mitarbeitern und Managern an.
    Abbildung : 1. Fallliste mit Stimmungsfeldern
    Listenansicht „meine Fälle“ im konfigurierbaren CSM-Arbeitsbereich mit Feldern für positive, negative und neutrale Fallstimmung.

    Service Desk-Mitarbeiter können die aktuelle Fallstimmung verwenden, um ihre Arbeit und ihre laufende Stimmung bei IT-Trends im Laufe der Zeit zu priorisieren, um zu sehen, ob sich Fälle in die richtige Richtung bewegen.

    Manager können die Stimmung verwenden, um Fälle an Service Desk-Mitarbeiter mit den richtigen Einfühlungskompetenzen weiterzuleiten, Fälle zu überwachen und bei Bedarf neu zuzuweisen und Eskalationen zu vermeiden. Manager können Coaching-Möglichkeiten auch identifizieren, indem sie Fälle betrachten, die mit einer negativen Stimmung endeten.
    Hinweis:
    In YokohamaRelease: Die Stimmungsanalysefunktion kann die Stimmung für Fälle vorhersagen, die auf Englisch erstellt wurden.

    Stimmungsanalyse – Modelle für maschinelles Lernen

    Stimmungsanalyse verwendet ein vortrainiertes Modell für maschinelles Lernen, um E-Mail- und Falltext auszuwerten und die Stimmung vorherzusagen. Diese Analyse findet statt, wenn ein Fall erstellt und vom Kunden aktualisiert wird.
    Tabelle : 1. Stimmungsanalyse für Fälle
    Fallszenario Beschreibung
    Wenn ein Fall erstellt wird
    Das Stimmungsanalysemodell wertet den folgenden Text aus, um eine Vorhersage zu treffen:
    • Text in der Betreffzeile und im Textkörper von E-Mails.
    • Text in der Kurzbeschreibung und Beschreibung von Fällen.
    Wenn das Modell eine Vorhersage treffen kann, gibt es die folgenden Informationen zurück:
    • Eine Stimmungsbezeichnung und die entsprechende Stimmungsebene.
      • Positiv (1,0)
      • Neutral (0,5)
      • Negativ (0,0)
    • Ein Konfidenzniveau für die Vorhersage.

    Wenn das Modell eine Vorhersage treffen kann, wird die Stimmung zu hinzugefügt Ursprüngliche Stimmung Feld.

    Wenn das Modell keine Vorhersage treffen kann, wird Ursprüngliche Stimmung Ist nicht festgelegt.

    Dieses System speichert die Stimmungsvorhersageinformationen in der Tabelle „Vorhersageergebnisse für Aufgabe“.
    Wenn ein Fall aktualisiert wird
    Das Stimmungsanalysemodell wertet den folgenden Text aus, um eine Vorhersage zu treffen:
    • Der Text aus dem Text einer Antwort-E-Mail.
    • Kommentare, die ein Kunde dem Fall hinzufügt.
    Wenn das Modell eine Vorhersage treffen kann, gibt es die folgenden Informationen zurück:
    • Eine aktualisierte Stimmungsbezeichnung und die entsprechende Stimmungsebene.
    • Ein Konfidenzniveau für die Vorhersage.
    Das System:
    • Aktualisiert Aktuelle Stimmung Feld mit der aktuellen Stimmung.
    • Vergleicht die aktualisierte aktuelle Stimmung mit der ursprünglichen aktuellen Stimmung, berechnet die Stimmungsänderung und aktualisiert Stimmung im Laufe der Zeit Feld.
      • Wenn die Punktzahl erhöht wird, wird Stimmung im Laufe der Zeit Feld zeigt Verbesserung an.
      • Wenn die Punktzahl abnimmt, wird Stimmung im Laufe der Zeit Feld zeigt abnehmend an.
      • Wenn sich die Punktzahl nicht ändert, wird Stimmung im Laufe der Zeit Feld zeigt weiterhin den vorherigen Wert an.
      Hinweis:
      Wenn Ursprüngliche Stimmung Ist neutral und Aktuelle Stimmung Ist neutral, dann ist Stimmung im Laufe der Zeit Ist neutral.

    Wenn das Modell keine Vorhersage treffen kann, werden keine Informationen aufgezeichnet, und der Wert wird in angezeigt Aktuelle Stimmung Feld bleibt gleich.

    Weitere Informationen zum vortrainierten Modell für maschinelles Lernen finden Sie unter Erstellen Sie ein Modell, um die Fallstimmung vorherzusagen .