Explorar informações da conversa
Saiba como as Informações da conversa podem ajudar você a aumentar as informações da conversa com pontuações e fatores de satisfação do cliente inferida (CSAT) baseados em IA.
Visão geral das Informações da conversa
As Informações da conversa foram projetadas para fornecer pontuações de CSAT inferidas e fatores explicativos para conversas em Virtual Agent e fluxos de trabalho do agente. Ele aproveita a IA para analisar conversas em tempo real e fornece informações acionáveis que ajudam a melhorar Virtual Agent e interações do atendente e fluxos de trabalho do agente.
CSAT inferido é uma pontuação numérica de 1 (menos satisfeito) a 5 (mais satisfeito). É previsto inteiramente a partir de transcrições de conversa em tempo real sem qualquer entrada do usuário. Além da pontuação de CSAT, o modelo também prevê fatores de CSAT que contribuíram para a pontuação de CSAT. Os fatores de CSAT a seguir estão associados à pontuação de CSAT inferida.
- Resolução: Indica se Virtual Agent Ou o agente de IA resolveu com sucesso o problema do usuário sem intervenção humana.
- Confusão: Indica com que frequência o Virtual Agent Ou agente de IA mal compreendido ou falhou ao interpretar a intenção do usuário.
- Esforço: Indica o número de turnos do usuário ou interações necessárias para alcançar uma resolução.
- Empatia: Indica o quão bem o Virtual Agent Ou o agente de IA reconheceu e respondeu ao tom emocional do usuário.
- Próximas etapas: Captura se é Virtual Agent Ou o agente de IA comunicou claramente o que o usuário deve fazer em seguida.
- Frustração: Sinaliza sinais de insatisfação do usuário ou repetidas tentativas com falha durante a interação.
- Transferências e escalações: Rastreia com que frequência o Virtual Agent Ou agente de IA entregou a conversa para um agente humano ou outro sistema.
Pontuações e fatores de CSAT inferidos são calculados para cada conversa. As aplicações de análise conversacional podem aproveitar as pontuações gravadas na tabela Informações da conversa [sn_ci_insights] para criar painéis e fluxos de trabalho personalizados. . Painel de Análise do agente de IA Inclui visualizações com pontuações e fatores de CSAT inferidos por padrão.
O período de retenção de dados da tabela Informações da conversa [sn_ci_insights] é de dois anos. Para obter mais informações sobre como criar painéis personalizados, consulte Create a dashboard with the in-line editor e. Select a table data source for a data visualization.
Fluxo de trabalho de Insights da conversa
O fluxo de trabalho Informações da conversa ilustra como cada interação, seja tratada por Virtual Agent Ou um agente de IA é transformado em informações acionáveis. Você pode alimentar as informações diretamente nos painéis para análise e tomada de decisões. O fluxo de trabalho Informações da conversa mostra a jornada de conversas a informações em painéis.
- Origens da conversa
- Bate-papos com IA do Agentic
- Virtual Agent bate-papos
- Agregação de dados
- Agentic AI e. Virtual Agent As interações são capturadas na tabela de conversa [sys_cs_conversation].
- A transcrição da conversa, incluindo consulta do usuário, resposta do agente, carimbos de data/hora e metadados, como o ID da sessão e o tipo de canal, também são armazenadas na tabela de conversa para processamento.
- Geração de informações
- O modelo analisa a transcrição da conversa.
- Pontuações de CSAT inferidas são geradas para fatores de CSAT, como Empatia, Resolução, Frustração e assim por diante.
- Armazenamento de informações
- Pontuações e fatores de CSAT inferidos são armazenados na tabela Informações da conversa [sn_ci_insights].
- A tabela Informações da conversa atua como um repositório estruturado para as informações extraídas.
- Painéis
- As informações são disponibilizadas para criar painéis e fluxos de trabalho ad hoc.
- Você pode explorar tendências, métricas de desempenho e melhorias de meta com base nas pontuações de CSAT inferidas.
Benefícios do Conversation Insights
| Problema | Solução |
|---|---|
| Pesquisas tradicionais geralmente refletem opiniões extremas e baixas taxas de resposta. | O CSAT inferido ajuda a resolver esse problema usando IA para estimar a pontuação de CSAT para conversas em tempo real, com base na transcrição completa da conversa. Esta pontuação de CSAT pode ajudar a eliminar o viés e reduzir a necessidade de dependência do feedback explícito da pesquisa. |
| O feedback pós-interação atrasa as informações, resultando em indicadores atrasados. | As pontuações de CSAT são geradas imediatamente após a interação, permitindo a detecção mais rápida de problemas e tendências. |
| Falta de informações acionáveis por trás das pontuações de CSAT. | Fatores de CSAT, como Resolução, Empatia, Esforço e assim por diante, explicam a satisfação ou a insatisfação do usuário, ajudando você a direcionar melhorias. |