zisky:
- Schopnost transformovat dlouhé a roztříštěné požadavky zákazníků do strukturovaných, použitelných souhrnů
- Schopnost klasifikovat požadavky podle kategorie, naléhavosti a sentimentu zákazníka s pevným schématem
- Schopnost definovat konzistentní výstupní formát (JSON/tabulka) vhodný pro automatizaci hromadného zpracování tiketů
Představte si ráno podpůrného týmu: přes noc se nashromáždilo 220 nových vstupenek (vstupenek). Některé jsou jednořádkové „Zapomněl jsem heslo“, některé jsou naštvanou stížností o třech odstavcích a některé jsou ve skutečnosti prodejní příležitostí. Pročíst tuto hromádku, zařadit každou do správné kategorie, určit její naléhavost a nasměrovat ji na správnou osobu (říká se tomu třídění; stejná logika řazení pacientů podle priority na pohotovosti) zabere první dvě hodiny dne.
Umělá inteligence (AI) tuto práci zvládne během několika sekund a konzistentně. Ale kouzlo nespočívá v tom, že řeknete „shrňte tento požadavek“; Ukládá modelu pevný seznam kategorií, jasné úrovně naléhavosti a neměnný výstupní formát. V této jednotce zavedeme systém třídění, který půjde od zpracování jednoho požadavku až po označení stovek požadavků způsobem připraveným na automatizaci.
Poznámka: Štítky kategorií a naléhavosti generované umělou inteligencí jsou nástrojem předběžného prověřování. Zejména žádosti označené jako „urgentní“ a „stížnost“ musí být před zpracováním potvrzeny člověkem.
Proč strukturovaný souhrn?
Bezplatný souhrn („zákazník má problémy se zásilkou“) nelze vyhledávat, třídit ani automatizovat. Potřeba manažera podpory je však jasná u následujících otázek:
- Do jaké kategorie tato žádost spadá? (Doprava, vrácení, platba, technická, informace o produktu, reklamace, prodejní příležitost)
- Jak je to naléhavé? (Kritické / Vysoké / Střední / Nízké)
- Jaký je emocionální stav zákazníka? (Naštvaný / Zklamaný / Neutrální / Spokojený)
- Jaká je jeho jednovětá podstata?
- Jaký by měl být další krok?
Jakmile tyto otázky definujete předem a dáte je modelu jako schéma (konstantní pole a možné hodnoty), všech 220 požadavků se stane srovnatelnými a filtrovatelnými ve stejném formátu.
Krok za krokem: Vytvoření schématu třídění
- Připnout seznam kategorií. Nenechte model zapadnout; Dejte uzavřený seznam.
- Definujte kritérium naléhavosti. Uveďte, co konkrétně znamená „kritické“: služba zcela zastavena, ztráta platby, bezpečnostní riziko.
- Identifikujte nálepky emocí. Použijte omezenou a přehlednou sadu.
- Importujte výstupní formát. Pro dávkové zpracování je vhodný JSON (strojově čtený datový formát skládající se z párů pole hodnota), pro jeden požadavek je vhodná tabulka.
- Vytvořte pravidlo „zaškrtněte, pokud si nejste jisti“. Pokud si model není jistý kategorií, ať řekne nejistý a člověk se podívá.
- Ověřte. V první dávce ručně zkontrolujte přesnost štítků a nastavte výzvu.
Kopírovatelné výzvy
Základní výzva, která převede jeden požadavek na strukturovaný souhrn:
Role: Jste zkušeným specialistou na třídění podpory. Níže analyzujte požadavek zákazníka. Přidat komentář; stačí se spolehnout na to, co je v textu.Vyplňte následující pole:- shrnutí: (max 1 věta)- kategorie: [Doprava | Návrat | Platba | Technické | Informace o produktu | Reklamace | Prodejní příležitost]- naléhavost: [kritické | Vysoká | Střední | Nízký]- emoce: [Rozzlobený | Zklamání | Neutrální | Spokojeno]- další_krok: (jedna věta, konkrétní akce)- nejsem si jistý: ("ano", pokud je kategorie/naléhavost nejasná, jinak "ne") Požadavek:"""{{ request_text }}"""
Pro dávkové zpracování výzva převede více požadavků na pole JSON najednou:
Zpracujte níže očíslované žádosti. Vygenerujte pro každý objekt JSON s následujícím schématem a vraťte je všechny jako pole JSON. Překročení schématu: { "id": "", "summary": "", "category": "", "urgence": "", "emotion": "", "next_step": "", "Nejsem si jistý": "" }Pouze kategorie: Doprava, Vrácení, Platba, Technické, Informace o produktu, Stížnost, Prodejní příležitost. Požadavky: {{ numbered_request_list }}
Výzva, která objasňuje kritérium naléhavosti a učí model definici „kritického“:
Určete naléhavost podle následujícího pravidla:- Kritické: služba je zcela nedostupná, ztráta platby, bezpečnostní/datové riziko, právní ohrožení.- Vysoká: důležitá funkce je nefunkční, ale existuje řešení; rozzlobený zákazník.- Střední: ojedinělý problém, nezastavující pracovní postup.- Nízký: žádost o informace, návrh, obecný dotaz. Důvod svého rozhodnutí napište jednou větou do pole „důvod_naléhavosti“.
Výzva, která zachycuje prodejní příležitost a vytváří most podpory/prodeje:
Pokud při zpracování poptávky zákazník projeví zájem o koupi nového produktu/balíčku/doplňku (např. „máte větší balení“, „kolik uživatelů to zabere“), vytvořte kategorii „Příležitost prodeje“ a do pole „poznámka k prodeji“ přidejte jednovětý tip pro prodejní tým.
Slabá výzva / Silná výzva
Slabá výzva
Výkonná výzva
"Shrňte a klasifikujte tento požadavek"
Uzavřený seznam kategorií + definice naléhavosti + pevné schéma JSON
Pokaždé generuje jiné štítky
Vždy dává stejný štítek ke stejnému požadavku
Slovo „naléhavé“ používá podle vlastního přání.
Aplikuje konkrétní kritéria pro „kritické“
Vytváří nejasnosti
emin_degilim: řekni ano a nech to na člověku
Konzistence je zde zlatým pravidlem: pokud stejná stížnost nespadá do stejné kategorie ve dvou různých dnech, žádné hlášení a automatizace nebudou spolehlivé.
Tři mini pouzdra
Případ 1 – Důvěrný kritik. Ve společnosti SaaS (internet pronajatý software) se zpráva „Nemohu se přihlásit, celý tým čeká na 40 lidí“ vypadala obyčejně, protože byla krátká. Výzva pro třídění ji označila jako „Kritickou“ díky pravidlu naléhavosti (kritéria „služba zcela nedostupná“). Požadavek byl zpracován za 6 minut namísto čekání 2 hodin ve frontě; bylo zabráněno porušení SLA (smlouva o úrovni služeb, tj. slíbená doba odezvy).
Případ 2 – Stanovení priority hněvu. Jednoho dne, když byly zkoumány AI tagy 180 požadavků, bylo vidět, že 14 požadavků s emocí „Angry“ bylo umístěno do samostatné fronty. Tyto požadavky byly směřovány ke zkušeným zástupcům a negativní skóre průzkumu (CSAT, tedy skóre zákaznické spokojenosti) se ten týden ve srovnání s předchozím týdnem výrazně zlepšilo.
Případ 3 – Přemostění od podpory k prodeji. "Můj aktuální balíček je pro 5 uživatelů, potřebuji ho navýšit na 20 lidí, je to možné?" AI označila zprávu jako „Sales Opportunity“ a přidala poznámku o prodeji. Požadavek automaticky připadl prodejnímu týmu; Příležitost upsell, která by zůstala nepovšimnuta, pokud by byla ztracena ve standardní frontě podpory, se stala ziskem.
Tip: Udržujte seznam kategorií co nejkratší a nejdiskrétnější. 20 kategorií bude matoucí model (a váš tým); 6–8 jasných kategorií je označeno konzistentněji a má v přehledech smysl. Spojte dvě často zaměňované kategorie.
Připojení k automatizaci
Skutečná síla strukturovaného výstupu JSON spočívá v tom, že automaticky přechází do dalšího kroku: Požadavek označený jako „Kritický“ okamžitě upozorní manažera, „Obchodní příležitost“ spadá do CRM (software pro řízení vztahů se zákazníky), „Návrat“ přejde do samoobslužného toku. Ale první pravidlo automatizace: akce s vysokým dopadem (vrácení peněz, uzavření účtu) se nikdy nespouštějí pouze na základě značky AI; Někdy existuje lidský souhlas.
Upozornění: Analýza sentimentu je předpověď, nikoli přesné měření. Zákazník, kterému model říká „Neutral“, může být ve skutečnosti tiše velmi naštvaný. K určení priority použijte značku emocí; ale nespoléhejte jen na ni, abyste vyvodili definitivní závěry typu „tento zákazník je již spokojen“.
Časté chyby
- Přenechání seznamu kategorií modelu; pokaždé získat jiné, nekompatibilní štítky.
- Ponechání relativního slova jako „naléhavé“ nedefinované; Žádost všech je naléhavá.
- Neopravuje výstupní formát; Někdy se místo JSON zobrazí odstavec, někdy seznam.
- Neposkytování únikových dveří pro nejistotu (nejsem si jistý).
- Propojení vysoce účinných transakcí (vrácení peněz, uzavření účtu) se značkou AI bez souhlasu člověka.
- Automatizace celého toku bez ručního ověření první dávky.
V souhrnu
- Triage rychle třídí hromadu příchozích požadavků podle kategorie, naléhavosti a emocí.
- Klíč ke konzistenci: uzavřený seznam kategorií, konkrétní definice naléhavosti a pevný výstupní formát (JSON).
- Označení naléhavosti a emocí urychluje stanovení priorit; Přináší kritické a zlostné požadavky.
- Strukturovaný výstup lze přímo propojit s automatizací (notifikace, směrování, CRM).
- Akce s velkým dopadem a nejednoznačné štítky by měly být vždy prověřeny člověkem.
Aplikační úkol
Dávkové zpracování 5 různých požadavků zákazníků (nebo vzorků), které máte, pomocí výše uvedené výzvy pole JSON. Poté ručně zkontrolujte výstup: (1) Je každá kategorie správná? (2) Zastavují ti, kteří jsou označeni jako „kritické“, skutečně službu? (3) Řekl jsem jistě „ano“ na správných místech? Opravte všechny značky, které se nehodí, a aktualizujte výzvu (zejména definice kategorií a pravidlo naléhavosti). Toto cvičení buduje zvyk kalibrovat schéma podle vaší vlastní reality.
kontrolní seznam
- [ ] Definoval jsem uzavřený a diskrétní seznam kategorií.
- [ ] Popsal jsem úrovně naléhavosti konkrétními opatřeními.
- [ ] Opravil jsem výstupní formát (JSON/tabulka).
- [ ] Přidal jsem únikové dveře pro nejistotu (I'm_unsure).
- [ ] Ručně jsem ověřil první dávku a zkalibroval výzvu.
- [ ] Na akce s velkým dopadem dávám vrstvu lidského souhlasu.