خلاصه تماس و برچسب‌گذاری خودکار: کاهش بسته‌بندی به ثانیه

سود:

• امکان تولید برچسب‌گذاری خودکار بر اساس طبقه‌بندی بسته با خلاصه‌های تماس ساختاریافته و کوتاه
• امکان حذف اطلاعات ساختگی با عبور خودکار خلاصه و برچسب ها از طریق تایید نماینده و مقایسه آنها با متن منبع
• امکان کوتاه کردن زمان جمع بندی با انتقال خلاصه ها بدون حفظ اطلاعات شخصی/کارت و بدون تفسیر تعهدات

کار یک نماینده به صحبت با مشتری ختم نمی شود. پس از هر تماس، یک رکورد از "در مورد آنچه صحبت شد، آنچه انجام شد، موضوع چیست" باید ایجاد شود. به این کار پایان یا پس از تماس / ACW گفته می‌شود: نماینده مکالمه را خلاصه می‌کند، یک کد پایان در سیستم انتخاب می‌کند (کد تحویل - دسته‌ای که موضوع/نتیجه تماس را نشان می‌دهد، به عنوان مثال "تأیید شده است"، "نقص فنی") و یادداشت‌های لازم را می‌نویسد. این کار کوچک به نظر می رسد، اما بزرگ است: اگر نماینده ای که روزانه 60 تماس برقرار می کند، 2 دقیقه برای هر تماس صرف کند، 2 ساعت از روز صرف نوشتن یادداشت می شود. علاوه بر این، نماینده خسته یادداشت را شلخته می نویسد. سوابق متناقض خواهد بود و نماینده یا مدیر بعدی قادر به درک تاریخچه نخواهد بود.

هوش مصنوعی این کار را متحول می‌کند: متن (رونویسی) مکالمه را می‌خواند و خلاصه‌ای منظم، برچسب‌های دقیق و پیشنهاد مرحله بعدی را در چند ثانیه تولید می‌کند. نماینده به جای نوشتن، بررسی و تایید می کند. در این بخش نحوه تنظیم خلاصه تماس و برچسب گذاری خودکار، مواردی که باید به آنها توجه شود و رشته تأیید را خواهیم دید.

یک خلاصه تماس خوب شامل چه مواردی می شود؟

خلاصه تماس باید آنقدر واضح باشد که کسی که هرگز آن مکالمه را نشنیده است (عامل، مدیر، سرپرست بعدی) بتواند آن را در 15 ثانیه درک کند. یک خلاصه خوب شامل موارد زیر است: چرا مشتری تماس گرفت (چرا تماس گرفت)، چه کاری انجام شد (نماینده چه کاری انجام داد)، نتیجه (آیا حل شد، چه چیزی وعده داده شد)، تجارت باز (چه چیزی، در صورت وجود، نیاز به پیگیری دارد). خلاصه بد یا خیلی طولانی است (خط به خط تجزیه مکالمه) یا خیلی کوتاه است («مشتری تماس گرفت، رسیدگی شد»). هوش مصنوعی در قرار گرفتن در این بین بسیار خوب است: ساختارمند، مختصر و کامل.

برچسب‌گذاری / تنظیم خودکار زمانی است که هوش مصنوعی کد پایان و برچسب‌های موضوع تماس را پیشنهاد می‌کند. به عنوان مثال، هوش مصنوعی یک مکالمه را به عنوان «موضوع: صورت‌حساب، موضوع فرعی: اعتراض بالای صورت‌حساب، نتیجه: اعتراض-ثبت-بازشده، احساس: عصبانی» برچسب‌گذاری می‌کند. این برچسب‌ها ارزش زیادی در آینده ایجاد می‌کنند: مدیر به سؤالات «کدام موضوع بیشترین درخواست‌ها را در این ماه دریافت کرده است» و «کدام موضوع کمترین نرخ حل را دارد» را در چند ثانیه پاسخ می‌دهد. اما برای اینکه برچسب‌ها کار کنند، به یک واژگان برچسب منسجم نیاز دارند (تاکسونومی - فهرست از پیش تعریف شده، محدود و واضح از دسته‌ها). اگر ربات برچسب های رایگان تولید کند، سه برچسب مختلف مانند "فاکتور"، "صورتحساب"، "مشکل فاکتور" ظاهر می شود و تجزیه و تحلیل مختل می شود.

جدول زیر تکمیل دستی و به کمک هوش مصنوعی را مقایسه می کند:

اندازه

مانوئل (نویسنده نماینده)

مجهز به هوش مصنوعی (تأییدات عامل)

مدت زمان (در هر تماس)

90-150 ثانیه

15-30 ثانیه

سازگاری

بسته به شخص متفاوت است

بالا، بسته به فرهنگ لغت

کامل بودن

در خستگی می افتد

پایدار

کیفیت برچسب

آزاد، نامرتب

طبقه بندی ثابت

ریسک

از دست دادن زمان، ناهماهنگی

خلاصه نادرست (باید تأیید شود)

نکته: قبل از رفتن به برچسب گذاری خودکار، حتماً یک طبقه بندی (لیست برچسب بسته) تعریف کنید. گفتن به هوش مصنوعی "از بین این 20 تگ، موارد مناسب را انتخاب کنید" بسیار قابل اعتمادتر از گفتن "موضوع را برچسب گذاری کنید".

مرحله به مرحله: تنظیم فید

1. منبع را آماده کنید: متن مکالمه را دریافت کنید (رونوشت ASR در تماس صوتی، متن آماده در چت). ابتدا اطلاعات شخصی/کارت را پوشش دهید (جزئیات در بخش بعدی).
2. طبقه بندی را ارائه دهید: لیستی از کدهای پایان معتبر و برچسب های موضوع را به مدل بدهید. او را از بیرون رفتن منع کنید.
3. درخواست خروجی ساختاریافته: به جای پاراگراف های آزاد، خروجی میدانی (دلیل، اقدامات، نتیجه، پیگیری، برچسب ها، احساسات) را بخواهید. بنابراین می توان آن را به طور خودکار در سیستم نوشت.
4. تایید نماینده: خلاصه و برچسب ها روی صفحه نمایش نماینده ظاهر می شوند. اجازه دهید نماینده آن را بخواند، تصحیح کند و در 10-20 ثانیه تایید کند. بدون تایید ضبط نکنید.
5. بازخورد: اصلاحات انجام شده توسط عامل را جمع آوری کنید و طبقه بندی و درخواست را بهبود بخشید.

چهار قالب قابل کپی

1) خلاصه تماس ساختاریافته:

متن مصاحبه مشتری ناشناس (بدون نام/کارت) زیر را خلاصه کنید. فقط از آنچه در رونوشت است استفاده کنید. افزودن حدس و گمان ها / فرمت خروجی: - دلیل جستجو (1 جمله): - آنچه انجام شد (مورد به مورد): - نتیجه (حل شد / تا حدی / حل نشد): - قول / تعهد (در صورت وجود، کلمه به کلمه): - کار قابل پیگیری (در صورت وجود): مصاحبه: <<رمزگشایی>>

2) برچسب گذاری بر اساس طبقه بندی:

مکالمه زیر را فقط با انتخاب آن از این لیست‌ها تگ کنید: موضوع: [فاکتور، محموله، برگشت، فنی، عضویت، پرداخت، شکایت، موارد دیگر] نتیجه: [حل‌شده، اعتراض_بازشده، منتقل شده، دنبال_قرارگاه، حل‌نشده]احساس: [آرام، راضی، عصبانی، مضطرب]اگر "در لیست "مناسب نیست" تولید برچسب‌های جدید. خروجی JSON: {"موضوع":""،"نتیجه":"، "emotion":""}مکالمه: <<رونویسی>>

3) مرحله بعدی / پیشنهاد پیگیری:

بر اساس مکالمه زیر یک توصیه «مرحله بعدی» برای نماینده ایجاد کنید. صرفا بر اساس تعهد و کار باز در متن. خروجی: (1) کاری که باید انجام شود، (2) مهلت (در صورت موجود بودن در متن)، (3) توصیه واحد مسئول. اگر تعهدی وجود ندارد بنویسید "بدون نیاز به پیگیری". مصاحبه: <<رونویسی>>

4) کنترل کیفیت/ناسازگاری:

خلاصه نماینده زیر را با متن مصاحبه مقایسه کنید. آیا در خلاصه اطلاعاتی وجود دارد که در مصاحبه (ساخته شده) نباشد؟ آیا اطلاعات مهمی در مصاحبه وجود دارد اما در خلاصه آن وجود ندارد؟ هر دو نقطه را علامت بزنید. نظر اضافه نکنید، فقط مقایسه کنید. خلاصه: <<خلاصه>> مصاحبه: <<رونویسی>>

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

این گفتگو را خلاصه کنید و برچسب بزنید.

مبهم: بدون قالب بندی، بدون طبقه بندی، بدون ممنوعیت ساخت، بدون ناشناس. خروجی شل و نامرتب است و برچسب ها ناسازگار ظاهر می شوند.

اعلان قدرتمند:

گفتگوی ناشناس را در زیر خلاصه کنید. قالب: دلیل / اقدامات / نتیجه / تعهد / پیگیری. برچسب را فقط از لیست زیر انتخاب کنید: موضوع=[فاکتور، ارسال، برگشت، فنی، شکایت، سایر موارد]، نتیجه=[حل‌شده، منتقل شده، حل‌نشده]. هیچ اطلاعاتی را که در متن نیست اضافه نکنید. انتقال تعهد به کلمه. مصاحبه: <<رونویسی>>

تفاوت: قالب، طبقه بندی، ممنوعیت ساخت و ناشناس بودن واضح است.

سه کیف کوچک

مورد 1 - صرفه جویی در زمان. تیم تماس یک شرکت باربری متشکل از 120 نفر به طور متوسط ​​110 ثانیه برای هر تماس صرف کردند. وقتی خلاصه هوش مصنوعی + پیش نویس برچسب فعال شد، این زمان به 25 ثانیه کاهش یافت. 120 مخاطب در روز × 60 تماس × 85 ثانیه ذخیره شده ≈ ~ 170 ساعت در روز، یعنی ~ 21 شیفت کامل. این ظرفیت به کوتاه کردن زمان انتظار و کارهای دشوارتر منتقل شد.

مورد 2 - تله خلاصه ساختگی. در یک مرکز بیمه، هوش مصنوعی قولی نوشت و گفت: «به مشتری قول بازگشت ظرف 3 روز کاری داده شد»، حتی اگر هرگز در مکالمه به آن اشاره نشد (مدل «پیش‌بینی شده» از مکالمات مشابه). وقتی نماینده بدون تایید آن را ارسال کرد، مشتری این قول را به او یادآوری کرد. راه حل: مرحله "4) کیفیت/ناسازگاری" را اجباری کنید و به تایید نماینده نیاز دارید. پس از آن، نرخ تعهدات ساختگی به نزدیک صفر کاهش یافت.

مورد 3 - هرج و مرج را برچسب بزنید. از زمانی که برچسب ها در یک بانک منتشر شد، 340 برچسب موضوعی مختلف در مدت 6 ماه ایجاد شد ("کارت"، "کارت اعتباری"، "kk"، "مشکل کارت"...). گزارش مدیریت بی معنی بود. هنگامی که یک طبقه بندی 22 موردی بسته تعریف شد و هوش مصنوعی مجبور به استفاده از آن شد، گزارش ها معنی دار شدند و "5 موضوع برتر" برای اولین بار قابل اعتماد بودند.

اشتباهات رایج

• برچسب گذاری بدون طبقه بندی برچسب زدن رایگان تجزیه و تحلیل را به زباله تبدیل می کند. همیشه از لیست بسته استفاده کنید
• دور زدن تایید نمایندگان چاپ خلاصه و برچسب به طور مستقیم در سیستم، اطلاعات ساخته شده را به یک رکورد دائمی تبدیل می کند.
• انتقال داده های شخصی به خلاصه نام، شناسنامه، کارت و آدرس نباید به صورت خلاصه نگهداری شود. چکیده باید ناشناس باشد.
• خلاصه بیش از حد طولانی رونویسی مکالمه به جمع بندی سرعت نمی بخشد. خلاصه ای مختصر و دقیق را هدف بگیرید.
• تفسیر تعهد هوش مصنوعی باید بخش قول/تعهد را کلمه به کلمه بدون اظهار نظر بیان کند. استنباط هایی مانند «احتمالاً وعده داده شده» خطرناک هستند.

احتیاط: خلاصه خودکار عامل را از مسئولیت سلب نمی کند. آن را سرعت می بخشد مسئولیت هر رکوردی که وارد سیستم می شود به عهده نماینده ای است که آن را تایید می کند. ضبط خودکار بدون تایید = دقیقه بدون امضا.

به طور خلاصه

خلاصه تماس و برچسب‌گذاری خودکار یکی از پربازده‌ترین برنامه‌های هوش مصنوعی است که زمان‌برترین کار اداری (تلفیق) نماینده را به ثانیه کاهش می‌دهد. موفقیت به سه چیز بستگی دارد: یک قالب خلاصه ساختارمند و مختصر، یک طبقه بندی برچسب بسته، و تایید اجباری نماینده. خلاصه تولید شده توسط هوش مصنوعی را با متن منبع مقایسه کنید تا اطلاعات ساختگی حذف شود، داده های شخصی در خلاصه ها لحاظ نشود و تعهدات بدون نظر منتقل شود. هنگامی که به درستی تنظیم شود، در زمان بسیار صرفه جویی می شود و کیفیت ضبط و گزارش دهی را افزایش می دهد.

وظیفه کاربردی

یک طبقه بندی بسته 15-20 موردی (موضوع + نتیجه + احساسات) برای صنعت خود طراحی کنید. سپس رونوشت مصاحبه مشتری ساختگی یا ناشناس تهیه کنید، از الگوهای «1) خلاصه ساختاریافته» و «2) برچسب‌گذاری مبتنی بر طبقه‌بندی» استفاده کنید. در نهایت، خلاصه را با الگوی "4) کیفیت/ناسازگاری" بررسی کنید و برای اطلاعات ساختگی یا گمشده گزارش دهید.

چک لیست

• [ ] من یک طبقه بندی پایان بسته/موضوع تعریف می کنم و هوش مصنوعی را به آن وادار می کنم.
• [ ] خلاصه های من کوتاه، دقیق (دلیل/اقدامات/نتیجه/تعهد/پیگیری) و منسجم هستند.
• [ ] هر خلاصه و برچسب قبل از اینکه در سیستم نوشته شود مورد تایید نماینده قرار می گیرد.
• [ ] هیچ داده شخصی/کارتی در خلاصه و برچسب ها نگهداری نمی شود (ناشناس).
• [ ] من خلاصه هوش مصنوعی را با متن منبع مقایسه می کنم و اطلاعات جعلی را حذف می کنم.
• [ ] تعهدات به کلمه، بدون تفسیر نقل می شود.