Konversationseinblicke Erkunden

  • Freigeben Version: Zurich
  • Aktualisiert 31. Juli 2025
  • 3 Minuten Lesedauer

    • Erfahren Sie, wie Konversationseinblicke Ihnen helfen können, Konversationseinblicke mit KI-basierten CSAT-Punktzahlen und -Faktoren (CSAT) zu erweitern.

    Übersicht über Konversationseinblicke

    Konversationseinblicke wurden entwickelt, um abgeleitete CSAT-Punktzahlen und Erklärungsfaktoren für Konversationen in bereitzustellen Virtual Agent Und agentische Workflows. Sie nutzt KI, um Konversationen in Echtzeit zu analysieren, und bietet umsetzbare Einblicke, die zur Verbesserung beitragen Virtual Agent Und Servicemitarbeiter-Interaktionen und agentische Workflows.

    Abgeleitete CSAT ist eine numerische Punktzahl von 1 (am wenigsten zufrieden) bis 5 (am zufriedensten). Sie wird vollständig aus Konversationstranskripten in Echtzeit ohne Eingabe des Anwenders vorhergesagt. Neben der CSAT-Punktzahl prognostiziert das Modell auch CSAT-Faktoren, die zur CSAT-Punktzahl beigetragen haben. Die folgenden CSAT-Faktoren sind der abgeleiteten CSAT-Punktzahl zugeordnet.

    • Lösung: Gibt an, ob Virtual Agent Oder KI-Agent hat das Problem des Anwenders erfolgreich ohne menschliches Eingreifen gelöst.
    • Verwirrung: Gibt an, wie oft die Virtual Agent Oder KI-Agent hat die Absicht des Anwenders missverstanden oder nicht interpretiert.
    • Aufwand: Gibt die Anzahl der Anwender-Turns oder Interaktionen an, die erforderlich sind, um eine Lösung zu erreichen.
    • Einfühlungsvermögen: Gibt an, wie gut das ist Virtual Agent Oder KI-Agent hat den emotionalen Ton des Anwenders bestätigt und darauf reagiert.
    • Nächste Schritte: Erfasst, ob Virtual Agent Oder der KI-Agent hat klar kommuniziert, was der Anwender als Nächstes tun soll.
    • Frustration: Kennzeichnet Anzeichen von Anwenderunzufriedenheit oder wiederholten fehlgeschlagenen Versuchen während der Interaktion.
    • Übertragungen und Eskalationen: Verfolgt, wie oft der verwendet wird Virtual Agent Oder KI-Agent hat die Konversation an einen Human Agent oder ein anderes System übergeben.

    Abgeleitete CSAT-Punktzahlen und -Faktoren werden für jede Konversation berechnet. Anwendungen für Konversationsanalysen können die in der Tabelle „Konversationseinblicke“ [sn_aci_Insights] geschriebenen Punktzahlen nutzen, um anwenderdefinierte Dashboards und Workflows zu erstellen. Die KI-Agent Analytics-Dashboard Enthält standardmäßig Visualisierungen mit abgeleiteten CSAT-Punktzahlen und -Faktoren.

    Der Datenaufbewahrungszeitraum für die Tabelle „Konversationseinblicke“ [sn_aci_Insights] beträgt zwei Jahre. Weitere Informationen zum Erstellen anwenderdefinierter Dashboards finden Sie unter Create a dashboard with the in-line editor Und Select a table data source for a data visualization.

    Workflow für Konversationseinblicke

    Der Workflow „Konversationseinblicke“ veranschaulicht, wie jede Interaktion von verarbeitet wird Virtual Agent Oder ein KI-Agent, wird in umsetzbare Einblicke umgewandelt. Sie können die Einblicke direkt in die Dashboards zur Analyse und Entscheidungsfindung einspeisen. Der Workflow „Konversationseinblicke“ zeigt die Journey von Konversationen zu Einblicken in Dashboards.

    Abbildung : 1. Workflow für Konversationseinblicke
    Die Infografik zeigt, wie die Anwendung „Konversationseinblicke“ Einblicke aus Konversationen ableitet. Die Textbeschreibung finden Sie in der folgenden Beschreibung.
    1. Konversationsquellen
      • Chats der Agentischen KI
      • Virtual Agent Chats
    2. Datenaggregation
      • Agentic KI und Virtual Agent Interaktionen werden in der Konversationstabelle [sys_cs_Conversation] erfasst.
      • Das Konversationstranskript, einschließlich Anwenderabfrage, Antwort des Service Desk-Mitarbeiters, Zeitstempel und Metadaten wie Sitzungs-ID und Kanaltyp, wird ebenfalls zur Verarbeitung in der Konversationstabelle gespeichert.
    3. Einblickgenerierung
      • Das Modell analysiert das Konversationstranskript.
      • Abgeleitete CSAT-Punktzahlen werden für CSAT-Faktoren wie Empathie, Lösung, Frustration usw. generiert.
    4. Einblicke-Speicher
      • Abgeleitete CSAT-Punktzahlen und -Faktoren werden in der Tabelle „Konversationseinblicke“ [sn_aci_Insights] gespeichert.
      • Die Tabelle „Konversationseinblicke“ fungiert als strukturiertes Repository für die extrahierten Einblicke.
    5. Dashboards
      • Die Einblicke werden verfügbar gemacht, um Ad-hoc-Dashboards und Workflows zu erstellen.
      • Sie können Trends, Leistungsmetriken und Zielverbesserungen basierend auf den abgeleiteten CSAT-Punktzahlen erkunden.

    Vorteile von Konversationseinblicken

    Problem Lösung
    Herkömmliche Umfragen spiegeln häufig extreme Meinungen und niedrige Antwortraten wider. Abgeleitete CSAT hilft bei der Lösung dieses Problems, indem KI verwendet wird, um die CSAT-Punktzahl für Konversationen in Echtzeit basierend auf dem vollständigen Konversationstranskript zu schätzen. Diese CSAT-Punktzahl kann dazu beitragen, Verzerrungen zu beseitigen und den Bedarf an explizitem Umfragefeedback zu reduzieren.
    Feedback nach der Interaktion verzögert Einblicke, was zu verzögerten Indikatoren führt. CSAT-Punktzahlen werden unmittelbar nach der Interaktion generiert, wodurch Probleme und Trends schneller erkannt werden können.
    Mangel an umsetzbaren Einblicken hinter CSAT-Punktzahlen. CSAT-Faktoren wie Lösung, Einfühlungsvermögen, Aufwand usw. erklären die Anwenderzufriedenheit oder Unzufriedenheit und helfen Ihnen, Verbesserungen anzustreben.

    Empfehlungen für weitere Themen

    Weitere Informationen zum Konfigurieren und Verwenden von Konversationseinblicken finden Sie unter: