સારાંશ અને વર્ગીકરણની વિનંતી કરો (ટિકિટ ટ્રાયજ)

નફો:

• લાંબી અને છૂટાછવાયા ગ્રાહક વિનંતીઓને સંરચિત, કાર્યવાહી યોગ્ય સારાંશમાં પરિવર્તિત કરવાની ક્ષમતા
• નિશ્ચિત સ્કીમા સાથે કેટેગરી, તાકીદ અને ગ્રાહક ભાવના અનુસાર વિનંતીઓનું વર્ગીકરણ કરવાની ક્ષમતા
• બલ્ક ટિકિટ પ્રોસેસિંગ માટે ઓટોમેશન માટે યોગ્ય સુસંગત આઉટપુટ ફોર્મેટ (JSON/ટેબલ) વ્યાખ્યાયિત કરવાની ક્ષમતા

સપોર્ટ ટીમની સવારની કલ્પના કરો: 220 નવી ટિકિટો (ટિકિટ) રાતોરાત એકઠી થઈ ગઈ છે. કેટલીક વન-લાઇન છે "હું મારો પાસવર્ડ ભૂલી ગયો છું", કેટલીક ગુસ્સે થયેલી ત્રણ ફકરાની ફરિયાદ છે, અને કેટલીક ખરેખર વેચાણની તક છે. આ થાંભલામાંથી વાંચવું, દરેકને યોગ્ય કેટેગરીમાં સોંપવું, તેની તાકીદ નક્કી કરવી અને તેને યોગ્ય વ્યક્તિ સુધી પહોંચાડવી (આને ટ્રાયેજ કહેવાય છે; ઇમરજન્સી રૂમમાં દર્દીઓને અગ્રતા દ્વારા વર્ગીકૃત કરવાનો સમાન તર્ક) દિવસના પ્રથમ બે કલાક ખાઈ જાય છે.

આર્ટિફિશિયલ ઈન્ટેલિજન્સ (AI) આ કામ સેકન્ડોમાં અને સતત કરી શકે છે. પરંતુ જાદુ "આ વિનંતીનો સારાંશ આપો" કહેવાનો નથી; તે મોડેલ પર શ્રેણીઓની નિશ્ચિત સૂચિ, સ્પષ્ટ તાકીદના સ્તરો અને અપરિવર્તનશીલ આઉટપુટ ફોર્મેટ લાદે છે. આ એકમમાં, અમે એક ટ્રાયેજ સિસ્ટમ સ્થાપિત કરીશું જે એક વિનંતી પર પ્રક્રિયા કરવાથી લઈને સેંકડો વિનંતીઓને ઓટોમેશન-રેડી રીતે લેબલ કરવા સુધી જાય છે.

નોંધ: AI દ્વારા જનરેટ કરાયેલ કેટેગરી અને તાકીદના લેબલ્સ એ પ્રારંભિક સ્ક્રીનિંગ સાધન છે. ખાસ કરીને, "તાકીદ" અને "ફરિયાદ" લેબલવાળી વિનંતીઓ પર પ્રક્રિયા કરવામાં આવે તે પહેલાં માનવ દ્વારા પુષ્ટિ કરવી આવશ્યક છે.

શા માટે સંરચિત સારાંશ?

મફત સારાંશ ("ગ્રાહકને તેમના શિપમેન્ટમાં સમસ્યા આવી રહી છે") શોધી શકાતી નથી, સૉર્ટ કરી શકાતી નથી અથવા સ્વચાલિત કરી શકાતી નથી. જો કે, સપોર્ટ મેનેજરની જરૂરિયાત નીચેના પ્રશ્નો માટે સ્પષ્ટ છે:

• આ વિનંતી કઈ શ્રેણીમાં આવે છે? (શિપિંગ, વળતર, ચુકવણી, તકનીકી, ઉત્પાદન માહિતી, ફરિયાદ, વેચાણની તક)
• તે કેટલું તાકીદનું છે? (જટિલ / ઉચ્ચ / મધ્યમ / નિમ્ન)
• ગ્રાહકની ભાવનાત્મક સ્થિતિ શું છે? (ગુસ્સો / નિરાશ / તટસ્થ / સંતુષ્ટ)
• તેના એક-વાક્યનો સાર શું છે?
• આગળનું પગલું શું હોવું જોઈએ?

એકવાર તમે આ પ્રશ્નોને અગાઉથી વ્યાખ્યાયિત કરી લો અને તેમને સ્કીમા (સતત ક્ષેત્રો અને સંભવિત મૂલ્યો) તરીકે મોડેલને આપો, તો બધી 220 વિનંતીઓ સમાન ફોર્મેટમાં તુલનાત્મક અને ફિલ્ટર કરી શકાય તેવી બની જાય છે.

સ્ટેપ બાય સ્ટેપ: ટ્રાયજ સ્કીમની સ્થાપના

1. શ્રેણી યાદી પિન કરો. મોડેલને ફિટ થવા દો નહીં; બંધ યાદી આપો.
2. તાકીદના માપદંડને વ્યાખ્યાયિત કરો. "ક્રિટીકલ" નો અર્થ શું છે તે કોંક્રિટ કરો: સેવા સંપૂર્ણપણે બંધ થઈ ગઈ, ચુકવણીની ખોટ, સુરક્ષા જોખમ.
3. લાગણીના લેબલ્સ ઓળખો. મર્યાદિત અને સ્પષ્ટ સમૂહનો ઉપયોગ કરો.
4. આઉટપુટ ફોર્મેટ આયાત કરો. બેચ પ્રોસેસિંગ માટે, JSON (ફિલ્ડ-વેલ્યુ જોડીઓનો સમાવેશ કરતું મશીન-રીડ ડેટા ફોર્મેટ) યોગ્ય છે, સિંગલ વિનંતી માટે, ટેબલ યોગ્ય છે.
5. "જો ખાતરી ન હોય તો ટિક" નિયમ બનાવો. જો મોડેલ કેટેગરી વિશે અનિશ્ચિત હોય, તો તેને અનિશ્ચિત કહેવા દો અને માનવ દેખાશે.
6. ચકાસો. પ્રથમ બેચમાં, મેન્યુઅલી લેબલ્સની ચોકસાઈ તપાસો અને પ્રોમ્પ્ટ સેટ કરો.

નકલ કરી શકાય તેવા સંકેતો

મૂળભૂત પ્રોમ્પ્ટ કે જે એક જ વિનંતીને માળખાગત સારાંશમાં રૂપાંતરિત કરે છે:

ભૂમિકા: તમે અનુભવી સપોર્ટ ટ્રાયજ નિષ્ણાત છો. નીચે ગ્રાહક વિનંતીનું વિશ્લેષણ કરો. એક ટિપ્પણી ઉમેરો; ફક્ત ટેક્સ્ટમાં શું છે તેના પર આધાર રાખો. નીચેના ક્ષેત્રો ભરો:- સારાંશ: (મહત્તમ 1 વાક્ય)- શ્રેણી: [શિપિંગ | પરત | ચુકવણી | ટેકનિકલ | ઉત્પાદન માહિતી | ફરિયાદ | વેચાણની તક]- તાકીદ: [જટિલ | ઉચ્ચ | મધ્યમ | નિમ્ન] - લાગણી: [ક્રોધિત | નિરાશા | તટસ્થ | સંતુષ્ટ]- આગળનું_પગલું: (એક વાક્ય, નક્કર ક્રિયા)- અચોક્કસ: ("હા" જો શ્રેણી/તાકીદ અસ્પષ્ટ હોય, અન્યથા "ના") વિનંતી:"""{{ request_text }}"""

બેચ પ્રોસેસિંગ માટે, પ્રોમ્પ્ટ બહુવિધ વિનંતીઓને એક જ સમયે JSON એરેમાં રૂપાંતરિત કરે છે:

નીચેની ક્રમાંકિત વિનંતીઓ પર પ્રક્રિયા કરો. નીચેની સ્કીમા સાથે દરેક માટે JSON ઑબ્જેક્ટ જનરેટ કરો અને તે બધાને JSON એરે તરીકે પરત કરો. યોજનાની બહાર જવું: { "id": "", "summary": "", "category": "", "urgency": "", "emotion": "", "next_step": "", "મને ખાતરી નથી": "" }માત્ર કેટેગરીઝ: શિપિંગ, વળતર, ચુકવણી, તકનીકી, ઉત્પાદન માહિતી, ફરિયાદ, વેચાણની તક. વિનંતીઓ: {{ numbered_request_list }}

પ્રોમ્પ્ટ જે તાકીદના માપદંડને સ્પષ્ટ કરે છે અને મોડેલને "ક્રિટીકલ" ની વ્યાખ્યા શીખવે છે:

નીચેના નિયમ અનુસાર તાકીદ નક્કી કરો:- જટિલ: સેવા સંપૂર્ણપણે અનુપલબ્ધ, ચુકવણીની ખોટ, સુરક્ષા/ડેટા જોખમ, કાનૂની ખતરો.- ઉચ્ચ: મહત્વપૂર્ણ કાર્ય તૂટી ગયું છે પરંતુ ઉકેલ અસ્તિત્વમાં છે; ગુસ્સે ગ્રાહક.- માધ્યમ: એકવચન સમસ્યા, વર્કફ્લો બંધ ન કરવી.- નીચું: માહિતી, સૂચન, સામાન્ય પ્રશ્ન માટે વિનંતી. તમારા નિર્ણયનું કારણ "તાકીદ_કારણ" ક્ષેત્રમાં એક વાક્યમાં લખો.

પ્રોમ્પ્ટ જે વેચાણની તક મેળવે છે અને સપોર્ટ/સેલ્સ બ્રિજ સ્થાપિત કરે છે:

વિનંતી પર પ્રક્રિયા કરતી વખતે, જો ગ્રાહક નવી પ્રોડક્ટ/પેકેજ/પૂરક ખરીદવામાં રસ દાખવે છે (દા.ત. "શું તમારી પાસે મોટું પેકેજ છે", "તે કેટલા વપરાશકર્તાઓ લે છે"), કેટેગરી "સેલ્સ તકો" બનાવો અને "સેલ્સ_નોટ" ફીલ્ડમાં સેલ્સ ટીમ માટે એક વાક્યની ટીપ ઉમેરો.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ

શક્તિશાળી પ્રોમ્પ્ટ

"આ વિનંતીનો સારાંશ અને વર્ગીકરણ કરો"

બંધ શ્રેણી સૂચિ + તાકીદની વ્યાખ્યા + નિશ્ચિત JSON સ્કીમા

દરેક વખતે અલગ અલગ લેબલ જનરેટ કરે છે

સમાન વિનંતીને હંમેશા સમાન લેબલ આપે છે

તે પોતાની મરજી મુજબ "અર્જન્ટ" શબ્દ વાપરે છે.

"જટિલ" માટે નક્કર માપદંડ લાગુ કરે છે

તે અસ્પષ્ટ બનાવે છે

emin_degilim: હા કહો અને વ્યક્તિ પર છોડી દો

સુસંગતતા એ અહીંનો સુવર્ણ નિયમ છે: જો એક જ ફરિયાદ બે અલગ-અલગ દિવસોમાં એક જ શ્રેણીમાં આવતી નથી, તો કોઈ રિપોર્ટિંગ અને ઓટોમેશન વિશ્વસનીય રહેશે નહીં.

ત્રણ મિની કેસ

કેસ 1 - ગોપનીય વિવેચક. SaaS (ઇન્ટરનેટ ભાડે આપેલ સૉફ્ટવેર) કંપનીમાં, "હું લૉગ ઇન કરી શકતો નથી, આખી ટીમ 40 લોકોની રાહ જોઈ રહી છે" સંદેશ સામાન્ય લાગતો હતો કારણ કે તે લંબાઈમાં ટૂંકો હતો. તાકીદના નિયમ ("સેવા સંપૂર્ણપણે અનુપલબ્ધ" માપદંડ) માટે ટ્રાયેજ પ્રોમ્પ્ટે તેને "ક્રિટીકલ" તરીકે ચિહ્નિત કર્યું. કતારમાં 2 કલાક રાહ જોવાને બદલે વિનંતી 6 મિનિટમાં હેન્ડલ કરવામાં આવી હતી; SLA (સર્વિસ લેવલ એગ્રીમેન્ટ, એટલે કે વચનબદ્ધ પ્રતિભાવ સમય) ઉલ્લંઘન અટકાવવામાં આવ્યું છે.

કેસ 2 - ગુસ્સાની પ્રાથમિકતા. એક દિવસ, જ્યારે 180 વિનંતીઓના AI ટેગની તપાસ કરવામાં આવી, ત્યારે એવું જોવા મળ્યું કે "ક્રોધિત" લાગણીવાળી 14 વિનંતીઓને એક અલગ કતારમાં મૂકવામાં આવી હતી. આ વિનંતીઓ અનુભવી પ્રતિનિધિઓને નિર્દેશિત કરવામાં આવી હતી અને તે અઠવાડિયે નકારાત્મક સર્વેક્ષણ સ્કોર (CSAT, એટલે કે ગ્રાહક સંતોષ સ્કોર) અગાઉના સપ્તાહની સરખામણીમાં નોંધપાત્ર રીતે સુધર્યો હતો.

કેસ 3 - સમર્થનથી વેચાણ સુધીનો પુલ. "મારું વર્તમાન પેકેજ 5 વપરાશકર્તાઓ માટે છે, મારે તેને 20 લોકો સુધી વધારવાની જરૂર છે, શું તે શક્ય છે?" AI એ સંદેશને "સેલ્સ ઓપોર્ચ્યુનિટી" તરીકે ટેગ કર્યો અને વેચાણ નોંધ ઉમેરી. વિનંતી આપોઆપ વેચાણ ટીમને પડી; અપસેલ તક કે જેનું ધ્યાન ન ગયું હોત જો તે પ્રમાણભૂત સપોર્ટ કતારમાં ખોવાઈ ગઈ હોત તો તે લાભ બની ગઈ છે.

ટીપ: તમારી શ્રેણીની સૂચિ શક્ય તેટલી ટૂંકી અને અલગ રાખો. 20 શ્રેણીઓ મોડેલ (અને તમારી ટીમ) ને મૂંઝવશે; 6-8 સ્પષ્ટ શ્રેણીઓ વધુ સુસંગત રીતે લેબલ થયેલ છે અને અહેવાલોમાં અર્થપૂર્ણ છે. વારંવાર ગૂંચવાયેલી બે શ્રેણીઓને જોડો.

ઓટોમેશન સાથે કનેક્ટ થઈ રહ્યું છે

સંરચિત JSON આઉટપુટની વાસ્તવિક શક્તિ એ છે કે તે આગલા પગલા પર આપમેળે વહે છે: "ક્રિટિકલ" લેબલવાળી વિનંતી તરત જ મેનેજરને સૂચિત કરે છે, "સેલ્સ ઓપોર્ચ્યુનિટી" CRM (ગ્રાહક સંબંધ સંચાલન સૉફ્ટવેર) માં આવે છે, "રીટર્ન" સ્વ-સેવા પ્રવાહમાં જાય છે. પરંતુ ઓટોમેશનનો પ્રથમ નિયમ: એકલા AI ટેગના આધારે ઉચ્ચ અસરવાળી ક્રિયાઓ (રિફંડ, એકાઉન્ટ બંધ) ક્યારેય ટ્રિગર થતી નથી; કેટલીકવાર માનવીય મંજૂરી હોય છે.

સાવધાન: સેન્ટિમેન્ટ વિશ્લેષણ એ આગાહી છે, ચોક્કસ માપન નથી. એક ગ્રાહક કે જેને મોડેલ "તટસ્થ" કહે છે તે ખરેખર શાંતિથી ખૂબ ગુસ્સે થઈ શકે છે. પ્રાધાન્ય આપવા માટે લાગણી ટેગનો ઉપયોગ કરો; પરંતુ "આ ગ્રાહક પહેલેથી જ સંતુષ્ટ છે" જેવા ચોક્કસ તારણો કાઢવા માટે એકલા તેના પર આધાર રાખશો નહીં.

સામાન્ય ભૂલો

• કેટેગરી સૂચિને મોડેલ પર છોડીને; દરેક વખતે અલગ, અસંગત લેબલ્સ મેળવવું.
• "તાકીદ" જેવા સંબંધિત શબ્દને અવ્યાખ્યાયિત છોડવો; સૌની વિનંતી તાકીદની છે.
• આઉટપુટ ફોર્મેટ ફિક્સિંગ નથી; ક્યારેક ફકરો, ક્યારેક JSON ને બદલે લિસ્ટ દેખાય છે.
• અનિશ્ચિતતા માટે બહાર નીકળવાનો દરવાજો આપતો નથી (મને ખાતરી નથી).
• માનવીય મંજૂરી વિના AI ટેગ સાથે ઉચ્ચ અસરવાળા વ્યવહારો (રિફંડ, એકાઉન્ટ બંધ) લિંક કરવું.
• પ્રથમ બેચને મેન્યુઅલી ચકાસ્યા વિના સમગ્ર પ્રવાહને સ્વચાલિત કરવું.

સારાંશમાં

• ટ્રાયેજ કેટેગરી, તાકીદ અને લાગણી દ્વારા આવનારી વિનંતીઓના ઢગલા દ્વારા ઝડપથી વર્ગીકરણ કરી રહ્યું છે.
• સુસંગતતાની ચાવી: બંધ કેટેગરીની સૂચિ, નક્કર તાકીદની વ્યાખ્યા અને નિશ્ચિત આઉટપુટ ફોર્મેટ (JSON).
• તાકીદ અને લાગણીના લેબલ્સ અગ્રતાને ઝડપી બનાવે છે; તે આલોચનાત્મક અને ગુસ્સે માંગણીઓ આગળ લાવે છે.
• સ્ટ્રક્ચર્ડ આઉટપુટને ઓટોમેશન (સૂચના, રૂટીંગ, CRM) સાથે સીધું જ લિંક કરી શકાય છે.
• ઉચ્ચ પ્રભાવવાળી ક્રિયાઓ અને અસ્પષ્ટ લેબલ હંમેશા માનવીય ચકાસણીમાંથી પસાર થવું જોઈએ.

એપ્લિકેશન કાર્ય

ઉપરના JSON એરે પ્રોમ્પ્ટ સાથે તમારી પાસે (અથવા નમૂનાઓ) 5 જુદી જુદી ગ્રાહક વિનંતીઓ પર બેચ પ્રક્રિયા કરે છે. પછી મેન્યુઅલી આઉટપુટ તપાસો: (1) શું દરેક શ્રેણી સાચી છે? (2) શું "ક્રિટીકલ" તરીકે ચિહ્નિત થયેલ લોકો ખરેખર સેવા બંધ કરે છે? (3) શું મેં ખરેખર યોગ્ય સ્થળોએ "હા" કહ્યું? કોઈપણ ટૅગ્સ કે જે બંધબેસતા નથી તેને સુધારો અને તે મુજબ પ્રોમ્પ્ટ (ખાસ કરીને કેટેગરી વ્યાખ્યાઓ અને તાકીદના નિયમ) અપડેટ કરો. આ કવાયત તમારી પોતાની વાસ્તવિકતામાં સ્કીમાને માપાંકિત કરવાની આદત બનાવે છે.

ચેકલિસ્ટ

• [ ] મેં શ્રેણીઓની બંધ અને અલગ યાદી વ્યાખ્યાયિત કરી છે.
• [ ] મેં નક્કર પગલાં સાથે તાકીદના સ્તરોનું વર્ણન કર્યું.
• [ ] મેં આઉટપુટ ફોર્મેટ (JSON/ટેબલ) ઠીક કર્યું.
• [ ] મેં અનિશ્ચિતતા માટે બહાર નીકળવાનો દરવાજો ઉમેર્યો છે (હું_અનિશ્ચિત છું).
• [ ] મેં મેન્યુઅલી પ્રથમ બેચની ચકાસણી કરી અને પ્રોમ્પ્ટને માપાંકિત કર્યો.
• [ ] હું ઉચ્ચ પ્રભાવવાળી ક્રિયાઓ પર માનવીય મંજૂરીનું સ્તર મૂકું છું.