Home / Case Studies / AI cliente inspeção e classificação de reclamações plataforma de laço fechado
Exemplos de programas de projectos do mesmo tipo

Verificação de serviço ao cliente do A.A.

Plataforma de anel fechado para a classificação da inspeção e reclamações de serviços de clientes AI

Mostrando como o sistema de serviços ao cliente AI analisa as conversas de texto e voz, identifica especificações de serviço, intenção do cliente, causa de reclamação e nível de risco e links de atribuições de planilha, revisão manual, treinamento e operação de qualidade loops fechados.

Reconhecimento de vozClassificação de TextoModelo de linguagem grandeMotor de regraIntegração com a planilha
Exemplos de programas de projectos do mesmo tipo

Este é um exemplo das opções de implementação de projectos semelhantes

Esta página é usada para ilustrar como tais projetos são geralmente analisados, implementados e aceitos, e não correspondem a um determinado cliente, nem a ideias de pacotes, interfaces de demonstração ou dados de medição no desempenho do projeto. Compreender o conteúdo da página e o âmbito público

Veremos.

Quem está a usá-lo, o que está o sistema a fazer, qual é o valor?

Principais utilizadores

Assentos, supervisores de atendimento ao cliente, operadores de serviços e administradores de sistemas

Utilização efectiva

Canais combinados, tipo de negócio, regras de controle de qualidade, classificação e atualização de queixas; uso de sessões históricas de dessensibilização para estabelecer amostras de múltiplos rótulos, erros graves e critérios manuais; combinação de transliteração de voz, verificação de regras, classificação de intenção, clipes de evidência e classificação de risco. Principais resultados e tarefas incomuns são confirmadas pelo pessoal operacional homólogo.

Funções principais

Acesso a sessões multicanais

Acesso ao portal unificado para documentos, mensagens ou eventos de negócios dispersos e fontes de registro e status de processamento.

Voz- Sobre

Operações de suporte para executar processos de "falar-relay", para ver o estado do processamento e para confirmar manualmente resultados anormais.

Centro de Controlo da Qualidade

As diferenças são registadas, conciliadas com as regras da operação e são apresentadas ao operador as razões das anomalias e da base de cálculo.

Várias etiquetas para reclamações

Identifica os campos e tipos chave no conteúdo de entrada, e o conteúdo de baixa fé ou falta entra em confirmação manual.

Posicionamento de risco e evidência

Suporte ao pessoal de operações para completar as operações, para visualizar o estado do processamento e para confirmar manualmente resultados anormais na cadeia de posicionamento de risco e evidência.

Revisão manual

c) Confiar tarefas de alto risco, de baixa confiança e excepcionais às pessoas com competência e manter o processo de tomada de decisão na sua totalidade.

Valor das operações

A seguir, são indicadas as direções de valor que podem ser priorizadas para os mesmos projetos e não representam receitas fixas; os projetos formais devem primeiro estabelecer a linha de base de negócio própria da empresa.

Expandir o âmbito da sessão verificável

Pontuação mais verificável e baseada em problemas

As queixas focalizadas são mais rapidamente trazidas para o departamento responsável

Resultados de revisão de qualidade impulsionam o conhecimento e melhoria do processo

01 / Estado das operações

Quais são as condições em que uma empresa normalmente encontra este problema?

Esta página é um exemplo de um projeto semelhante que não representa uma satisfação do cliente ou melhoria de conversão.

Cobertura limitada de check-ups manuais, problemas graves que podem ser expostos após queixa

Classificação inconsistente de profissionalismo, atitudes e resolução de integridade por diferentes supervisores

Diferentes expressões do mesmo problema em telefone, chats online e planilhas

Resultados automáticos de classificação, se atribuídos diretamente, podem resultar em responsabilidade e risco de erro de cálculo com limite de tempo

Os resultados do exame são mantidos em frações e não podem conectar conhecimentos, processos e melhorias de pessoal

02 / Metodologia de implementação

Como quebrar tais projetos

A primeira fase é definida por atribuições reais de negócios que identificam processos, dados, dependência do sistema e limites incomuns. A seguir, é a sequência de implementação adotada ou recomendada neste caso.

01

Sequência dos canais, tipo de actividade, regras relativas aos controlos de qualidade, classificação das queixas e responsabilidade pela promoção

02

Crie várias amostras de etiquetas, erros graves e padrões manuais usando sessões históricas de dessensibilização

03

Combinação de transliteração de voz, verificação de regras, classificação de intenção, clipes de evidência e classificação de risco

04

:: Conclusão sobre baixa confiança, queixas sensíveis e penalidades está sujeita a revisão manual

05

Crie ou atualize planilhas após confirmação e gravação atribuição, processamento, retorno de visitas e status de encerramento

06

Atualizar, corrigir processos e treinamentos de adaptação de conhecimentos por tipo de problema

Não preciso de escrever um pedido completo primeiro.

Queres julgar se isto é uma boa ideia para o teu projecto?

Adicione uma micro-carta de consultor de projeto para indicar os problemas atuais, sistemas em vigor, o tempo de tempo esperado de go-live e níveis de orçamento, e nós ajudaremos a determinar o escopo do primeiro período e os principais riscos.

Entrar em contato
03 / Limite do projeto

Que condições devem ser confirmadas primeiro?

Responsabilidades das partes

Verificação de qualidade e reclamações confirmadas com as equipes de clientes, negócios, conformidade e pós-venda

Estabelecimento de amostras multicanais, avaliações de erros, requisitos de prova e processos de revisão

Desenvolvimento da análise de sessão, classificação de regras, revisão manual, planilhas e capacidade operacional

Organize avaliação offline, verificação em escala de cinza, revisão de erros e retorno de versão

Ligação e limite

As notações AI não podem ser usadas diretamente como base exclusiva para a imposição de sanções ao pessoal ou para a determinação da responsabilidade do cliente

A classificação das queixas pode ser de tipo múltiplo e devem ser autorizados ajustamentos manuais e actualizações

Erros de viagem de voz, deficiências de contexto e alterações nas regras de negócio afetam julgamento

Privacidade do cliente, autorização de registro, retenção de dados e chamadas transfronteiriças exigem confirmação prévia dos limites de conformidade

04 / Âmbito do sistema

Módulo de capacidade para possível inclusão na primeira fase

O nome do módulo não é o intervalo final de citações. O item formal requer a confirmação item- a- item do utilizador, saída de entrada, permissão, interface, processo anormal e entrada ou não.

Acesso a sessões multicanaisVoz- SobreCentro de Controlo da QualidadeVárias etiquetas para reclamaçõesPosicionamento de risco e evidênciaRevisão manualPlanilhas atribuídasConselho de Melhoria da Qualidade
05 / Entrega e aceitação

O que deve ser deixado quando a entrega estiver completa?

EntregaProcesso de serviço ao cliente e instruções de calibração de controle de qualidade
EntregaSessões de dessensibilidade e coleta de avaliação multi-sensibilização
EntregaAI Revisão de Qualidade e Queixas Fonte de Estação de Trabalho
EntregaRegras, classificações e repartição de riscos
EntregaInterfaces de serviço e planilha
EntregaRelatórios de qualidade, segurança e desempenho
EntregaFuncionamento do BDX e dos materiais de transferência de conhecimentos

Provas de engenharia para revisão

A página não pretende ter o material do projecto do cliente; os seguintes registos verificáveis devem ser estabelecidos para a execução formal, de acordo com o âmbito do contrato.

Provas de engenhariaCanais, tipo de sessão, regras relativas aos controlos de qualidade, classificação das queixas e matriz de responsabilidades
Provas de engenhariaAmostras de dessensibilidade, rótulos artificiais, amostras contestadas e grave desdefinição
Provas de engenhariaClassificação, pontuação, posicionamento de evidências e relatórios de avaliação da qualidade entre canais
Provas de engenhariaBaixa confiança, queixas sensíveis, excessos de autoridade e modelos não disponíveis para os registos de ensaios
Provas de engenhariaRevisão manual, atribuição de ordens de trabalho, promoção, revisitas e encerramento de registros de auditoria
Provas de engenhariaDesfasamento, default, limitação de tempo, repetição de queixas e melhoria do conhecimento

Recomendou a aceitação e a inspeção de base

Regras prioritárias, classificações e identificação de problemas graves nas colecções fixas de avaliação e avaliação satisfazem a linha de base estabelecida

Cada conclusão do teste mostra evidência da sessão e regras de aplicação.

Reclamações sensíveis, baixa confiança e resultado da disputa entraram em revisão manual conforme acordado

Planilhas criadas, atribuídas, promovidas, revertidas e duplicadas de acordo com as regras de negócio

Diferentes jogadores só podem visualizar canais autorizados, equipes e dados de clientes

Regras, conhecimentos ou modelos atualizados para permitir a implementação de uma versão de avaliação de regressão

DECISION FAQ

Questões comuns relacionadas com os projectos em curso

Confira todas as 265 perguntas.
Contrato AI, inspeção de clientes, formulários, navegador e assistente de lance

Como deve ser comparada a amostra completa e manual do AI?

O AI é adequado para cobrir todas as sessões, detectar anomalias e localizar evidências, e manualmente para lidar com julgamentos de fronteiras, problemas graves, reclamações e calibração de regras. Ao invés de cancelar o manual, o modelo mais seguro é permitir que as máquinas completem uma triagem em larga escala, permitir que o oficial de exame dedique tempo a sessões de alto risco e melhore a análise. As regras devem estar online com resultados manuais e, após o erro ser detectado, devem ser calibradas continuamente. Conclusões sobre as penalidades da equipe devem manter um mecanismo de revisão e queixas.

Ver resposta completa
% 1% 1

Onde deve começar a entrada da Transformação Enterprise AI?

Enterprise AI Transporte deve começar com uma tarefa operacional real, de alta frequência e de verificação de resultados, em vez de primeiro comprar modelos ou construir grandes plataformas. Grave o processamento atual, demorado, back-work, consequências de erro e responsabilidade manual, e selecione uma cena onde as amostras estão disponíveis e podem ser usadas manualmente para cobrir a parte inferior.

Ver resposta completa
% 1% 1

É verdade que o serviço da AI é um substituto para o serviço artificial?

O serviço cliente AI é mais adequado para altas frequências, regras claras e perguntas bem informadas, e não recomenda uma substituição completa para o trabalho. Reclamações, disputas de reembolso, compromissos sensíveis e julgamentos complexos devem ser transferidos para assentos autorizados. Um bom sistema transfere o contexto do usuário, citando fontes e ações executadas, em vez de permitir que os clientes os repitam.

Ver resposta completa
Empresa AI Organização e implementação do transporte

As empresas não têm os dados para resolver. Podem iniciar a transição do AI?

O diagnóstico da cena e o inventário de dados podem ser iniciados, mas não é apropriado comprometer-se com os efeitos completos do AI diretamente quando as condições de dados não são conhecidas. As empresas podem priorizar o conhecimento relativamente centralizado, amostras facilmente disponíveis, e os resultados podem ser verificados manualmente, enquanto executando pequenos PoCs, e governança irá realmente afetar os dados da cena.

Ver resposta completa
O seu julgamento baseia-se na sua situação real.

O caso é apenas uma maneira de levar o projeto de volta para o seu negócio.

Diga-nos o que é apropriado, o que é feito na primeira fase e quais os riscos envolvidos na identificação dos processos, sistemas e problemas atuais que estão sendo abordados.

Entrar em contato