طلب التلخيص والتصنيف (فرز التذاكر)

المكاسب:

• القدرة على تحويل طلبات العملاء الطويلة والمتفرقة إلى ملخصات منظمة وقابلة للتنفيذ
• القدرة على تصنيف الطلبات حسب الفئة والإلحاح ومشاعر العملاء بمخطط ثابت
• القدرة على تحديد تنسيق إخراج ثابت (JSON/table) مناسب للأتمتة لمعالجة التذاكر المجمعة

تخيل صباح فريق الدعم: تراكمت 220 تذكرة (تذاكر) جديدة بين عشية وضحاها. بعضها عبارة عن سطر واحد "لقد نسيت كلمة المرور الخاصة بي"، وبعضها عبارة عن شكوى غاضبة من ثلاث فقرات، والبعض الآخر يمثل في الواقع فرصة مبيعات. إن قراءة هذه الكومة، وتخصيص كل منها للفئة الصحيحة، وتحديد مدى إلحاحها، وتوجيهها إلى الشخص المناسب (وهذا ما يسمى الفرز؛ نفس منطق فرز المرضى حسب الأولوية في غرفة الطوارئ) يلتهم أول ساعتين من اليوم.

يمكن للذكاء الاصطناعي (AI) القيام بهذه المهمة في ثوانٍ وبشكل مستمر. لكن السحر ليس في قول "تلخيص هذا الطلب"؛ فهو يفرض قائمة ثابتة من الفئات، ومستويات إلحاح واضحة، وتنسيق إخراج غير قابل للتغيير على النموذج. في هذه الوحدة، سنقوم بإنشاء نظام فرز يبدأ من معالجة طلب واحد إلى تصنيف مئات الطلبات بطريقة جاهزة للتشغيل الآلي.

ملاحظة: تعتبر تصنيفات الفئة والإلحاح التي تم إنشاؤها بواسطة الذكاء الاصطناعي أداة فحص أولية. وعلى وجه الخصوص، يجب تأكيد الطلبات التي تحمل علامة "عاجلة" و"شكوى" من قبل أحد الأشخاص قبل معالجتها.

لماذا الملخص المنظم؟

لا يمكن البحث عن الملخص المجاني ("يواجه العميل مشاكل في شحنته")، أو فرزه، أو تشغيله تلقائيًا. ومع ذلك فإن حاجة مدير الدعم واضحة للأسئلة التالية:

• ما هي الفئة التي يندرج فيها هذا الطلب؟ (الشحن، الإرجاع، الدفع، المعلومات الفنية، معلومات المنتج، الشكوى، فرصة المبيعات)
• ما مدى إلحاح الأمر؟ (حرج / مرتفع / متوسط / منخفض)
• ما هي الحالة العاطفية للعميل؟ (غاضب / خائب الأمل / محايد / راض)
• ما هو جوهر الجملة الواحدة؟
• ماذا يجب أن تكون الخطوة التالية؟

بمجرد تحديد هذه الأسئلة مسبقًا وتقديمها للنموذج كمخطط (حقول ثابتة وقيم محتملة)، تصبح جميع الطلبات البالغ عددها 220 قابلة للمقارنة وقابلة للتصفية بنفس التنسيق.

خطوة بخطوة: إنشاء خطة الفرز

1. تثبيت قائمة الفئات. لا تدع النموذج مناسبًا؛ إعطاء قائمة مغلقة.
2. تحديد معيار الاستعجال. حدد بوضوح ما تعنيه كلمة "حرج": توقف الخدمة تمامًا، وخسارة الدفع، والمخاطر الأمنية.
3. تحديد تسميات العاطفة. استخدم مجموعة محدودة وواضحة.
4. استيراد تنسيق الإخراج. لمعالجة الدُفعات، يكون JSON (تنسيق البيانات المقروء آليًا الذي يتكون من أزواج قيمة الحقل) مناسبًا، أما بالنسبة لطلب واحد، فإن الجدول مناسب.
5. ضع قاعدة "ضع علامة إذا لم تكن متأكدًا". إذا كان النموذج غير متأكد من الفئة، فليقل غير مؤكد وسينظر الإنسان.
6. يؤكد. في الدفعة الأولى، تحقق يدويًا من دقة الملصقات وقم بتعيين المطالبة.

المطالبات القابلة للنسخ

المطالبة الأساسية التي تحول طلبًا واحدًا إلى ملخص منظم:

الدور: أنت متخصص في فرز الدعم من ذوي الخبرة. تحليل طلب العميل أدناه. أضف تعليقا؛ فقط اعتمد على ما هو موجود في النص. املأ الحقول التالية: - الملخص: (جملة واحدة كحد أقصى) - الفئة: [الشحن | العودة | الدفع | التقنية | معلومات المنتج | شكوى | فرصة المبيعات] - إلحاح: [حرجة | عالية | متوسطة | منخفض]- الانفعال: [غاضب | خيبة | محايد | راض]- next_step: (جملة واحدة، إجراء ملموس)- غير متأكد: ("نعم" إذا كانت الفئة/الحاجة الملحة غير واضحة، وإلا "لا") طلب:"""{{ request_text }}"""

بالنسبة للمعالجة المجمعة، يقوم الموجه بتحويل طلبات متعددة إلى مصفوفة JSON مرة واحدة:

قم بمعالجة الطلبات المرقمة أدناه. أنشئ كائن JSON لكل منها باستخدام المخطط التالي وأرجعها جميعًا كمصفوفة JSON. الخروج عن المخطط: { "id": ""، "summary": ""، "category": ""، "urgency": ""، "emotion": ""، "next_step": ""، "لست متأكدًا": "" }الفئات فقط: الشحن، الإرجاع، الدفع، التقنية، معلومات المنتج، الشكوى، فرصة المبيعات. الطلبات: {{ numbered_request_list }}

المطالبة التي توضح معيار الإلحاح وتعلم النموذج تعريف "حرج":

تحديد درجة الاستعجال وفقًا للقاعدة التالية: - حرج: الخدمة غير متاحة تمامًا، فقدان الدفع، مخاطر أمنية/بيانات، تهديد قانوني. - مرتفع: تعطلت وظيفة مهمة ولكن الحل البديل موجود؛ العميل الغاضب.- متوسط: مشكلة فردية، عدم توقف سير العمل.- منخفض: طلب معلومات، اقتراح، سؤال عام. اكتب سبب قرارك في جملة واحدة في الحقل "urgency_reason".

المطالبة التي تلتقط فرصة المبيعات وتنشئ جسر دعم/مبيعات:

عند معالجة الطلب، إذا أبدى العميل اهتمامًا بشراء منتج/حزمة/ملحق جديد (على سبيل المثال، "هل لديك حزمة أكبر"، "كم عدد المستخدمين الذين يستغرقونها")، قم بإنشاء الفئة "فرصة مبيعات" وأضف نصيحة من جملة واحدة لفريق المبيعات في حقل "ملاحظة_المبيعات".

موجه ضعيف / موجه قوي

حث ضعيف

موجه قوي

"تلخيص وتصنيف هذا الطلب"

قائمة الفئات المغلقة + تعريف الاستعجال + مخطط JSON ثابت

يولد تسميات مختلفة في كل مرة

يعطي دائمًا نفس التصنيف لنفس الطلب

إنه يستخدم كلمة "عاجل" حسب رغبته.

يطبق معايير محددة لـ "الحرجة"

انه يشكل غامضا

emin_degilim: قل نعم واترك الأمر للشخص

الاتساق هو القاعدة الذهبية هنا: إذا لم تندرج نفس الشكوى ضمن نفس الفئة في يومين مختلفين، فلن يكون من الممكن الاعتماد على التقارير والأتمتة.

ثلاث حالات صغيرة

الحالة 1 - الناقد السري. في شركة SaaS (برامج تأجير الإنترنت)، بدت الرسالة "لا أستطيع تسجيل الدخول، الفريق بأكمله ينتظر 40 شخصًا" عادية لأنها كانت قصيرة الطول. حددت مطالبة الفرز أنها "حرجة" بفضل قاعدة الاستعجال (معايير "الخدمة غير متوفرة تمامًا"). تمت معالجة الطلب خلال 6 دقائق بدلاً من الانتظار لمدة ساعتين في قائمة الانتظار؛ تم منع انتهاك SLA (اتفاقية مستوى الخدمة، أي وقت الاستجابة الموعود).

الحالة 2 - تحديد أولويات الغضب. في أحد الأيام، عندما تم فحص 180 طلبًا من علامات الذكاء الاصطناعي، تبين أنه تم وضع 14 طلبًا مع العاطفة "الغاضب" في قائمة انتظار منفصلة. تم توجيه هذه الطلبات إلى الممثلين ذوي الخبرة، وتحسنت درجة الاستطلاع السلبية (CSAT، أي درجة رضا العملاء) في ذلك الأسبوع بشكل ملحوظ مقارنة بالأسبوع السابق.

الحالة 3 - الجسر من الدعم إلى المبيعات. "حزمتي الحالية مخصصة لخمسة مستخدمين، وأريد زيادتها إلى 20 شخصًا، هل هذا ممكن؟" وضع الذكاء الاصطناعي علامة على الرسالة على أنها "فرصة مبيعات" وأضاف ملاحظة مبيعات. وصل الطلب تلقائيًا إلى فريق المبيعات؛ أصبحت فرصة زيادة المبيعات التي كان من الممكن أن تمر دون أن يلاحظها أحد إذا ضاعت في قائمة انتظار الدعم القياسية مكسبًا.

نصيحة: اجعل قائمة الفئات الخاصة بك قصيرة ومنفصلة قدر الإمكان. 20 فئة ستربك النموذج (وفريقك)؛ يتم تصنيف 6-8 فئات واضحة بشكل أكثر اتساقًا وتكون ذات معنى في التقارير. اجمع بين فئتين يتم الخلط بينهما بشكل متكرر.

الاتصال بالأتمتة

تتمثل القوة الحقيقية لمخرجات JSON المنظمة في أنها تتدفق تلقائيًا إلى الخطوة التالية: يُخطر الطلب المسمى "حرج" المدير على الفور، وتقع "فرصة المبيعات" في CRM (برنامج إدارة علاقات العملاء)، وينتقل "الإرجاع" إلى تدفق الخدمة الذاتية. لكن القاعدة الأولى للأتمتة: الإجراءات عالية التأثير (استرداد الأموال، إغلاق الحساب) لا يتم تنفيذها أبدًا بناءً على علامة الذكاء الاصطناعي وحدها؛ في بعض الأحيان يكون هناك موافقة بشرية.

تحذير: تحليل المشاعر هو توقع وليس قياسًا دقيقًا. قد يكون العميل الذي يسميه النموذج "محايدًا" غاضبًا جدًا في الواقع. استخدم علامة العاطفة لتحديد الأولويات؛ لكن لا تعتمد عليه وحده لاستخلاص استنتاجات نهائية مثل "هذا العميل راضٍ بالفعل".

الأخطاء الشائعة

• ترك قائمة الفئات للنموذج؛ الحصول على تسميات مختلفة وغير متوافقة في كل مرة.
• ترك كلمة نسبية مثل "عاجل" غير محددة؛ طلب الجميع عاجل.
• عدم إصلاح تنسيق الإخراج؛ في بعض الأحيان تظهر الفقرة، وأحيانًا تظهر القائمة بدلاً من JSON.
• عدم توفير باب خروج لعدم اليقين (لست متأكدا).
• ربط المعاملات عالية التأثير (استرداد الأموال، إغلاق الحساب) بعلامة الذكاء الاصطناعي دون موافقة الإنسان.
• أتمتة التدفق بالكامل دون التحقق يدويًا من الدفعة الأولى.

باختصار

• يتم الفرز بسرعة من خلال كومة الطلبات الواردة حسب الفئة والإلحاح والعاطفة.
• مفتاح الاتساق: قائمة الفئات المغلقة، وتعريف الإلحاح الملموس، وتنسيق الإخراج الثابت (JSON).
• تعمل تسميات الإلحاح والعاطفة على تسريع عملية تحديد الأولويات؛ إنه يطرح مطالب انتقادية وغاضبة.
• يمكن ربط المخرجات المنظمة مباشرة بالأتمتة (الإخطار، التوجيه، إدارة علاقات العملاء).
• يجب دائمًا أن تخضع الإجراءات عالية التأثير والتسميات الغامضة للتحقق البشري.

مهمة التطبيق

قم بمعالجة طلبات العملاء الخمسة المختلفة لديك (أو العينات) باستخدام موجه صفيف JSON أعلاه. ثم تحقق يدويًا من الإخراج: (1) هل كل فئة صحيحة؟ (2) هل العناصر التي تم وضع علامة "حرج" عليها توقف الخدمة بالفعل؟ (3) هل قلت بالتأكيد "نعم" في الأماكن الصحيحة؟ قم بتصحيح أي علامات غير مناسبة وقم بتحديث المطالبة (خاصة تعريفات الفئة وقاعدة الاستعجال) وفقًا لذلك. يبني هذا التمرين عادة معايرة المخطط ليتوافق مع واقعك.

قائمة مرجعية

• [ ] لقد قمت بتحديد قائمة مغلقة ومنفصلة من الفئات.
• [ ] لقد وصفت مستويات الإلحاح بتدابير ملموسة.
• [ ] لقد أصلحت تنسيق الإخراج (JSON/table).
• [ ] أضفت باب خروج لعدم اليقين (لست متأكدًا).
• [ ] لقد قمت بالتحقق يدويًا من الدفعة الأولى وقمت بمعايرة المطالبة.
• [ ] أضع طبقة من الموافقة البشرية على الإجراءات عالية التأثير.