ಮಾಪನ, ಕೆಪಿಐ ಮತ್ತು ನಿರಂತರ ಸುಧಾರಣೆ: ಏನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಬೇಕು ಮತ್ತು ಹೇಗೆ?

ಲಾಭಗಳು:

• ಪ್ರತಿ ಉತ್ಪಾದಕತೆಯ ಅಳತೆಗೆ ಗುಣಮಟ್ಟದ ಬ್ಯಾಲೆನ್ಸರ್‌ನೊಂದಿಗೆ ಕ್ಲಾಸಿಕ್ KPI ಗಳನ್ನು (AHT, FCR, CSAT, NPS, CES) ಮತ್ತು AI- ನಿರ್ದಿಷ್ಟ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಓದುವ ಸಾಮರ್ಥ್ಯ
• ಉತ್ತರದ ನಿಖರತೆಯನ್ನು ಅಳೆಯುವ ಮತ್ತು ನಿಯಮಿತವಾಗಿ ಡ್ರಿಫ್ಟ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಒಂದೇ ಮೆಟ್ರಿಕ್‌ಗೆ ಲಾಕ್ ಮಾಡುವ ಬಲೆಯನ್ನು ತಪ್ಪಿಸಿ
• 'ನನಗೆ ಗೊತ್ತಿಲ್ಲ' ಲಾಗಿಂಗ್, ವಹಿವಾಟು ಕಾರಣಗಳು ಮತ್ತು PDCA ಸೈಕಲ್‌ನೊಂದಿಗೆ ವಿಫಲವಾದ ಹರಿವಿನ ಆಧಾರದ ಮೇಲೆ ನಿರಂತರ ಸುಧಾರಣೆಯನ್ನು ಕೈಗೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ

AI ಕಾಲ್ ಸೆಂಟರ್ ಅನ್ನು ಪ್ರವೇಶಿಸಿದಾಗ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ತಪ್ಪು ಎಂದರೆ "ನಾವು ಅದನ್ನು ಸ್ಥಾಪಿಸಿದ್ದೇವೆ, ಅದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿರುವಂತೆ ತೋರುತ್ತಿದೆ, ಅದು ಸಾಕು" ಎಂದು ಹೇಳುವುದು. ಬೋಟ್, ಸಹಾಯಕ, ಅಥವಾ ಸ್ವಯಂ-ಸೇವಾ ಹರಿವು ಲೈವ್ ಆಗುವ ಕ್ಷಣದಲ್ಲಿ ಪರಿಪೂರ್ಣವಾಗುವುದಿಲ್ಲ ಮತ್ತು ಅದು ಅಲ್ಲಿ ಉಳಿಯುವುದಿಲ್ಲ; ಇದನ್ನು ನಿರಂತರವಾಗಿ ಅಳೆಯಬೇಕು, ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಬೇಕು ಮತ್ತು ಸುಧಾರಿಸಬೇಕು. ಮೇಲಾಗಿ, ಸರಿಯಾದ ಮೆಟ್ರಿಕ್ ಅನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡದೆ ಇರುವ ತಪ್ಪು ಮೆಟ್ರಿಕ್ ಅನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುವುದು ಕೆಲವೊಮ್ಮೆ ಹೆಚ್ಚು ಹಾನಿಕಾರಕವಾಗಿದೆ - ಏಕೆಂದರೆ ಅದು ನಿಮ್ಮನ್ನು ತಪ್ಪು ದಿಕ್ಕಿನಲ್ಲಿ ಓಡಿಸುತ್ತದೆ. ಈ ಘಟಕದಲ್ಲಿ, ನಾವು ಕಾಲ್ ಸೆಂಟರ್ ಕೀ ಸೂಚಕಗಳು (ಕೆಪಿಐಗಳು), ಎಐ-ನಿರ್ದಿಷ್ಟ ಮೆಟ್ರಿಕ್‌ಗಳು ಮತ್ತು ನಿರಂತರ ಸುಧಾರಣೆ ಚಕ್ರವನ್ನು ಹೇಗೆ ಸ್ಥಾಪಿಸುವುದು ಎಂಬುದನ್ನು ನೋಡುತ್ತೇವೆ.

ಮೊದಲನೆಯದಾಗಿ, ಒಂದು ಎಚ್ಚರಿಕೆ: ಮೆಟ್ರಿಕ್‌ಗಳು ಅಂತ್ಯದ ಸಾಧನವಾಗಿದೆ, ಅಂತ್ಯವಲ್ಲ. ಗ್ರಾಹಕರ ಸಮಸ್ಯೆಯನ್ನು ಉತ್ತಮವಾಗಿ ಮತ್ತು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪರಿಹರಿಸುವುದು ಗುರಿಯಾಗಿದೆ. ನೀವು ಒಂದು ಮೆಟ್ರಿಕ್ ಅನ್ನು (ಉದಾ. AHT) ಪ್ರತ್ಯೇಕವಾಗಿ ಬೆನ್ನಟ್ಟಿದರೆ, ಪ್ರತಿನಿಧಿಗಳು ಗ್ರಾಹಕರನ್ನು ಪರಿಹರಿಸದೆಯೇ ಕರೆಯನ್ನು ಕಡಿತಗೊಳಿಸುತ್ತಾರೆ ಮತ್ತು ನಿಜವಾದ ಉದ್ದೇಶವು ಹಾನಿಗೊಳಗಾಗುತ್ತದೆ. ಇದನ್ನು ಮೆಟ್ರಿಕ್ಸ್ ಗೀಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ; ಪ್ರತಿ ಮೆಟ್ರಿಕ್ ಅನ್ನು ಕೌಂಟರ್ ಬ್ಯಾಲೆನ್ಸ್‌ನೊಂದಿಗೆ ಓದಿ.

ಮೂಲ ಕಾಲ್ ಸೆಂಟರ್ KPI ಗಳು

KPI (ಕೀ ಪರ್ಫಾರ್ಮೆನ್ಸ್ ಇಂಡಿಕೇಟರ್) ಒಂದು ಪ್ರಕ್ರಿಯೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಅಳೆಯುವ ಸಂಖ್ಯೆ. ಕಾಲ್ ಸೆಂಟರ್‌ನಲ್ಲಿರುವ ಅತ್ಯಂತ ಮೂಲಭೂತವಾದವುಗಳು:

ಕೆಪಿಐ

ಯಾವ ಕ್ರಮಗಳು

ಬ್ಯಾಲೆನ್ಸರ್

AHT (ಸರಾಸರಿ ಪ್ರಕ್ರಿಯೆ ಸಮಯ)

ಸಂಪರ್ಕದ ಅವಧಿ

FCR, CSAT (ಸಣ್ಣ ಆದರೆ ಕರಗುವುದಿಲ್ಲ)

FCR (ಮೊದಲ ಸಂಪರ್ಕದಲ್ಲಿ ರೆಸಲ್ಯೂಶನ್)

ಒಂದು ಬಾರಿ ಪರಿಹಾರ

CSAT (ನೀವು ಅದನ್ನು ಪರಿಹರಿಸಿದ್ದೀರಿ ಎಂದು ಹೇಳಬೇಡಿ ಮತ್ತು ಅದನ್ನು ಪರಿಹರಿಸಬೇಡಿ)

CSAT (ಗ್ರಾಹಕರ ತೃಪ್ತಿ)

ಸಂಪರ್ಕದ ನಂತರದ ಸ್ಕೋರ್

ಪ್ರತಿಕ್ರಿಯೆ ದರ (ಕೆಲವು ಜನರು ಭರ್ತಿ ಮಾಡಿದರೆ ಅದು ತಪ್ಪುದಾರಿಗೆಳೆಯುತ್ತದೆ)

NPS (ಶಿಫಾರಸು ಸ್ಕೋರ್)

ನಿಷ್ಠೆ/ಶಿಫಾರಸು

ಮೂಲ ಕಾರಣ (ಏಕೆ ಕಡಿಮೆ?)

CES (ಗ್ರಾಹಕರ ಪ್ರಯತ್ನದ ಸ್ಕೋರ್)

ಗ್ರಾಹಕರು ಎಷ್ಟು ಕಷ್ಟಪಟ್ಟರು

-

SL (ಸೇವಾ ಮಟ್ಟ)

% ಕರೆಗೆ x ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಉತ್ತರಿಸಲಾಗಿದೆ

ಪರಿತ್ಯಾಗ ದರ

ತ್ಯಜಿಸುವಿಕೆ ದರ (ಪರಿತ್ಯಾಗ)

ಕರೆಯನ್ನು ತಡೆಹಿಡಿಯಲಾಗಿದೆ

SL, ಕೂಲ್‌ಡೌನ್

CES (ಗ್ರಾಹಕರ ಪ್ರಯತ್ನದ ಸ್ಕೋರ್) ಗ್ರಾಹಕನು ತನ್ನ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಎಷ್ಟು ಶ್ರಮಿಸುತ್ತಾನೆ ಎಂಬುದನ್ನು ಅಳೆಯುತ್ತದೆ; ಕಡಿಮೆ ಪ್ರಯತ್ನವು ಹೆಚ್ಚಿನ ನಿಷ್ಠೆಯೊಂದಿಗೆ ಬಲವಾಗಿ ಸಂಬಂಧಿಸಿದೆ. "ನಾನು ಅದನ್ನು ಸುಲಭವಾಗಿ ಪರಿಹರಿಸಿದೆ" ಎಂದು ಹೇಳುವ ಗ್ರಾಹಕನು "ನಾನು ತುಂಬಾ ತೃಪ್ತಿ ಹೊಂದಿದ್ದೇನೆ" ಎಂದು ಹೇಳುವುದಕ್ಕಿಂತ ಹೆಚ್ಚು ಮೌಲ್ಯಯುತವಾಗಿದೆ.

AI-ನಿರ್ದಿಷ್ಟ ಮೆಟ್ರಿಕ್‌ಗಳು

ಕ್ಲಾಸಿಕ್ KPI ಗಳ ಮುಂದೆ, AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗಾಗಿ ವಿಶೇಷ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಸೇರಿಸಲಾಗಿದೆ:

• ಕಂಟೈನ್‌ಮೆಂಟ್ / ಡಿಫ್ಲೆಕ್ಷನ್ ದರ: ಬೋಟ್/ಸ್ವಯಂ-ಸೇವೆಯನ್ನು ಮಾನವನಿಗೆ ಹಸ್ತಾಂತರಿಸದೆ ಪರಿಹರಿಸುವ ಸಂಪರ್ಕದ ದರ. ಆದರೆ ಅದೊಂದೇ ಮೋಸ; ಪರಿಹಾರದೊಂದಿಗೆ ಒಟ್ಟಿಗೆ ಓದಬೇಕು (ಘಟಕ 8 ರಲ್ಲಿನ ಬಲೆ).
• ಬಾಟ್ ರೆಸಲ್ಯೂಶನ್ ದರ: ಬಾಟ್ ನಿಜವಾಗಿ ಪರಿಹರಿಸಿದ ಸಂಪರ್ಕಗಳು (ಗ್ರಾಹಕರು ತೃಪ್ತರಾಗಿದ್ದಾರೆ) — "ಬೋಟ್‌ನಲ್ಲಿ ಉಳಿದಿಲ್ಲ".
• ವಹಿವಾಟು ದರ ಮತ್ತು ಕಾರಣ: ಎಷ್ಟು ವರ್ಗಾಯಿಸಲಾಗಿದೆ ಮತ್ತು ಏಕೆ (ಘಟಕ 10).
• ಉತ್ತರದ ನಿಖರತೆ: ಬೋಟ್/ಸಹಾಯಕ ನೀಡಿದ ಉತ್ತರಗಳು ಸರಿಯಾಗಿವೆ - ಮಾದರಿ ಮತ್ತು ಮಾನವ ಮೇಲ್ವಿಚಾರಣೆಯಿಂದ ಅಳೆಯಲಾಗುತ್ತದೆ.
• ದತ್ತು: ಏಜೆಂಟ್ ಸಹಾಯಕ ಸಲಹೆಗಳನ್ನು ಬಳಸುವ ದರ (ಯುನಿಟ್ 6).
• ಸಾರಾಂಶ ನಿಖರತೆ: ಮಾನವ ಅನುಮೋದನೆಯಿಂದ ಸ್ವಯಂಚಾಲಿತ ಸಾರಾಂಶಗಳು/ಟ್ಯಾಗ್‌ಗಳನ್ನು ಸರಿಪಡಿಸುವ ದರ (ಘಟಕ 4).
• ಭ್ರಮೆ/ದೋಷ ದರ: ನಿರ್ಮಿತ ಅಥವಾ ತಪ್ಪಾದ ಉತ್ತರಗಳ ಆವರ್ತನ - ಶೂನ್ಯದ ಸಮೀಪ ಗುರಿ.

ಸಲಹೆ: ಪ್ರತಿ AI ಮೆಟ್ರಿಕ್ ಅನ್ನು "ಗುಣಮಟ್ಟದ ಸ್ಟೆಬಿಲೈಸರ್" ನೊಂದಿಗೆ ಜೋಡಿಸಿ. "ಕಂಟೈನ್ಮೆಂಟ್ ಹೈ" ಮಾತ್ರ ಒಳ್ಳೆಯದಲ್ಲ; "ಹೊಂದಾಣಿಕೆ ಹೆಚ್ಚು ಮತ್ತು ಬೋಟ್ ಪರಿಹಾರ ತೃಪ್ತಿ ಹೆಚ್ಚು" ಒಳ್ಳೆಯದು. ಗುಣಮಟ್ಟದ ಮೆಟ್ರಿಕ್‌ನಿಂದ ದಕ್ಷತೆಯ ಮೆಟ್ರಿಕ್ ಅನ್ನು ಎಂದಿಗೂ ಪ್ರತ್ಯೇಕಿಸಬೇಡಿ.

ನಿರಂತರ ಸುಧಾರಣೆ ಚಕ್ರ

ಉತ್ತಮ AI ಪ್ರೋಗ್ರಾಂ ನೂಲುವ ಚಕ್ರವಾಗಿದೆ, ಒಂದು-ಬಾರಿ ಯೋಜನೆ ಅಲ್ಲ. ಕ್ಲಾಸಿಕ್ PDCA ಸೈಕಲ್ (ಪ್ಲಾನ್-ಡು-ಚೆಕ್-ಆಕ್ಟ್; PDCA) ಇಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ:

1. ಯೋಜನೆ: ನೀವು ಯಾವ ಮೆಟ್ರಿಕ್ ಅನ್ನು ಸುಧಾರಿಸುತ್ತೀರಿ ಮತ್ತು ಏಕೆ? ಗುರಿಯನ್ನು ಹೊಂದಿಸಿ (ಉದಾ. "60% ರಿಂದ 75% ಗೆ ಆದಾಯದ ಮೇಲೆ ಬೋಟ್ ರೆಸಲ್ಯೂಶನ್ ದರವನ್ನು ಹೆಚ್ಚಿಸಿ)."
2. ಅನ್ವಯಿಸು: ಬದಲಾವಣೆಯನ್ನು ಮಾಡಿ (ಜ್ಞಾನ ಬೇಸ್ ಐಟಂ ಸೇರಿಸಿ, ಹರಿವನ್ನು ಸರಿಪಡಿಸಿ, ಪ್ರಾಂಪ್ಟ್ ಸುಧಾರಿಸಿ).
3. ಪರಿಶೀಲಿಸಿ: ಮೆಟ್ರಿಕ್ ನಿಜವಾಗಿಯೂ ಸುಧಾರಿಸಿದೆಯೇ? ಅಡ್ಡ ಪರಿಣಾಮಗಳಿವೆಯೇ (ಯಾವುದೇ ಇತರ ಮೆಟ್ರಿಕ್‌ಗಳು ಮುರಿದುಹೋಗಿವೆಯೇ)?
4. ಮುನ್ನೆಚ್ಚರಿಕೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ: ಅದು ಕಾರ್ಯನಿರ್ವಹಿಸಿದರೆ, ಅದನ್ನು ಶಾಶ್ವತಗೊಳಿಸಿ; ಅದು ಕೆಲಸ ಮಾಡದಿದ್ದರೆ, ಅದನ್ನು ಹಿಂದಕ್ಕೆ ತೆಗೆದುಕೊಂಡು ಕಲಿಯಿರಿ.

ಈ ಚಕ್ರಕ್ಕೆ ಇಂಧನವು ಡೇಟಾ: "ಗೊತ್ತಿಲ್ಲ" ಲಾಗ್‌ಗಳು (ಘಟಕ 5), ವಹಿವಾಟಿನ ಕಾರಣಗಳು (ಘಟಕ 10), ವಿಫಲ ಹರಿವುಗಳು (ಯುನಿಟ್ 8), ಕಡಿಮೆ-ಸ್ಕೋರಿಂಗ್ ಸಂಭಾಷಣೆಗಳು (ಯುನಿಟ್ 7). ಎಲ್ಲಿ ಸುಧಾರಿಸಬೇಕೆಂದು ಈ ಸಂಪನ್ಮೂಲಗಳು ನಿಮಗೆ ತಿಳಿಸುತ್ತವೆ.

ಎಚ್ಚರಿಕೆ: AI ಮಾದರಿಗಳು ಮತ್ತು ಗ್ರಾಹಕರ ನಡವಳಿಕೆಯು ಕಾಲಾನಂತರದಲ್ಲಿ ಬದಲಾಗುತ್ತದೆ; ಇದನ್ನು ಡ್ರಿಫ್ಟ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಇಂದು 95% ನಿಖರವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಬೋಟ್ ಅದರ ಜ್ಞಾನದ ಮೂಲವು ಹಳೆಯದಾದರೆ ಅಥವಾ ಗ್ರಾಹಕರ ಪ್ರಶ್ನೆಯ ಮಾದರಿಯು ಬದಲಾದರೆ ಮೌನವಾಗಿ ಹದಗೆಡಬಹುದು. ಅದಕ್ಕಾಗಿಯೇ ಮಾಪನವು ಒಂದು ಬಾರಿ ಅಲ್ಲ, ಆದರೆ ನಿರಂತರವಾಗಿರುತ್ತದೆ. ನೀವು ಏನನ್ನು ಅಳೆಯುವುದಿಲ್ಲವೋ ಅದು ಸದ್ದಿಲ್ಲದೆ ಒಡೆಯುತ್ತದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಕೆಪಿಐ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ವಿನ್ಯಾಸ:

ನನ್ನ ಕಾಲ್ ಸೆಂಟರ್ AI ಕಾರ್ಯಕ್ರಮಕ್ಕಾಗಿ ಡ್ರಾಫ್ಟ್ ಮಾಸಿಕ KPI ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಅನ್ನು ತಯಾರಿಸಿ. ಪ್ರತಿ ಮೆಟ್ರಿಕ್‌ಗೆ: ವ್ಯಾಖ್ಯಾನ, ಗುರಿ, ಆಫ್‌ಸೆಟ್ ಮಾಡುವ ಮೆಟ್ರಿಕ್, ಡೇಟಾ ಮೂಲ, ಎಚ್ಚರಿಕೆಯ ಮಿತಿ (ಈ ಮೌಲ್ಯದ ಮೇಲೆ/ಕೆಳಗೆ ಎಚ್ಚರಿಕೆ). ಮೆಟ್ರಿಕ್ಸ್: AHT, FCR, CSAT, ಕಂಟೈನ್ಮೆಂಟ್, ಬೋಟ್ ಪರಿಹಾರ ದರ, ವಹಿವಾಟು ದರ, ಉತ್ತರ ನಿಖರತೆ. ಕಾಲ್ಪನಿಕ ಸಂಖ್ಯೆಗಳನ್ನು ನೀಡಬೇಡಿ; ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಹೊಂದಿಸಿ ಇದರಿಂದ ನಾನು ಕ್ಷೇತ್ರಗಳನ್ನು ಭರ್ತಿ ಮಾಡುತ್ತೇನೆ.

2) ಮೆಟ್ರಿಕ್ ವ್ಯಾಖ್ಯಾನ (ಮೂಲ ಕಾರಣ):

ಕೆಳಗಿನ KPI ಡೇಟಾವನ್ನು CX ವಿಶ್ಲೇಷಕನಂತೆ ಅರ್ಥೈಸಿಕೊಳ್ಳಿ.(1) ಅತ್ಯಂತ ಗಮನಾರ್ಹ ಬದಲಾವಣೆ, (2) ಸಂಭವನೀಯ ಮೂಲ ಕಾರಣ ಕಲ್ಪನೆಗಳು (ಸಾಬೀತುಪಡಿಸು), (3) ಇತರ ಯಾವ ಮೆಟ್ರಿಕ್ ಅನ್ನು ನೋಡಬೇಕು (ಆಫ್‌ಸೆಟ್), (4) 2 ಸೂಚಿಸಿದ ಕ್ರಮಗಳು. ಡೇಟಾದಿಂದ ಸಂಖ್ಯೆಗಳನ್ನು ಪಡೆಯಿರಿ; ಊಹೆಗಳನ್ನು "ದೃಢೀಕರಿಸಬೇಕು" ಎಂದು ಗುರುತಿಸಿ. ಡೇಟಾ: <<...>>

3) A/B ಹೋಲಿಕೆ ಮೌಲ್ಯಮಾಪನ:

ಈ ಡೇಟಾದೊಂದಿಗೆ ಎರಡು ಬೋಟ್/ಸ್ಟ್ರೀಮ್ ಆವೃತ್ತಿಗಳನ್ನು (A ಮತ್ತು B) ಹೋಲಿಸಿ: <<data>>. ಕಂಟೈನ್‌ಮೆಂಟ್, ಬೋಟ್ ರೆಸಲ್ಯೂಶನ್ ದರ ಮತ್ತು CSAT ನಲ್ಲಿ ಯಾವುದು ಉತ್ತಮ? ವ್ಯತ್ಯಾಸವು ಗಮನಾರ್ಹವಾಗಿದೆಯೇ ಅಥವಾ ಅದು ಚಿಕ್ಕದಾಗಿದೆ/ಶಬ್ದವಾಗಿದೆಯೇ? ಗುಣಮಟ್ಟದ ನಷ್ಟದ ವೆಚ್ಚದಲ್ಲಿ ಉತ್ಪಾದಕತೆ ಲಾಭವೇ? ಸ್ಪಷ್ಟವಾದ ಶಿಫಾರಸುಗಳನ್ನು ನೀಡಿ, ಆದರೆ ಯಾವುದೇ ಅನಿಶ್ಚಿತತೆಗಳನ್ನು ಸೂಚಿಸಿ.

4) ನಿರಂತರ ಸುಧಾರಣೆ ಪ್ರತಿಕ್ರಿಯೆ ಸಾರಾಂಶ:

ಕೆಳಗಿನ ಸುಧಾರಣೆ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಸಂಯೋಜಿಸಿ (ಲಾಗ್ ಗೊತ್ತಿಲ್ಲ, ಹಸ್ತಾಂತರದ ಕಾರಣಗಳು, ವಿಫಲ ಹರಿವುಗಳು). 3 ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ಸುಧಾರಣೆಯ ಅವಕಾಶಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಿ: ಸಮಸ್ಯೆ / ಪೀಡಿತ ಮೆಟ್ರಿಕ್ / ಪ್ರಸ್ತಾವಿತ ಬದಲಾವಣೆ / ನಿರೀಕ್ಷಿತ ಪರಿಣಾಮ. ಕೇವಲ ಡೇಟಾವನ್ನು ಅವಲಂಬಿಸಿ. ಮೂಲಗಳು: <<...>>

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ತಿಂಗಳ ಸಂಖ್ಯೆಗಳು ಒಳ್ಳೆಯದೋ ಅಥವಾ ಕೆಟ್ಟದ್ದೋ ಹೇಳಿ.

ಅಸ್ಪಷ್ಟ: ಯಾವ ಮೆಟ್ರಿಕ್, ಯಾವ ಗುರಿ, ಯಾವ ಸ್ಟೆಬಿಲೈಸರ್, ಮೂಲ ಕಾರಣ ಯಾವುದು - ಮೇಲ್ನೋಟಕ್ಕೆ ಮತ್ತು ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ತೀರ್ಪು ನೀಡುತ್ತದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ಈ ತಿಂಗಳು, ಧಾರಕವು 58% ರಿಂದ 71% ಕ್ಕೆ ಏರಿತು, ಆದರೆ CSAT 4.1 ರಿಂದ 3.6 ಕ್ಕೆ ಇಳಿಯಿತು ಮತ್ತು ವಹಿವಾಟು ದರವು 30% ರಿಂದ 19% ಕ್ಕೆ ಕಡಿಮೆಯಾಗಿದೆ. ಈ ಚಾರ್ಟ್ ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ: ಉತ್ಪಾದಕತೆಯ ಹೆಚ್ಚಳವು ಗ್ರಾಹಕರ ತೃಪ್ತಿಯ ವೆಚ್ಚದಲ್ಲಿ ಬಂದಿದೆಯೇ (ಗ್ರಾಹಕರು ಬೋಟ್‌ನಲ್ಲಿ ಸಿಕ್ಕಿಹಾಕಿಕೊಳ್ಳಬಹುದೇ)? ನಾನು ಯಾವ ಡೇಟಾವನ್ನು ಪರಿಶೀಲಿಸಬೇಕು? 2 ಕ್ರಿಯೆಗಳನ್ನು ಸೂಚಿಸಿ.

ವ್ಯತ್ಯಾಸ: ಮೆಟ್ರಿಕ್ಸ್, ಬ್ಯಾಲೆನ್ಸಿಂಗ್ ಮತ್ತು ಮೌಲ್ಯೀಕರಣದ ಪ್ರಶ್ನೆ ಸ್ಪಷ್ಟವಾಗಿದೆ; ವ್ಯಾಖ್ಯಾನವು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ (ಇಲ್ಲಿ "ಬಂಧನ" ಟ್ರ್ಯಾಪ್ ಸಿಗ್ನಲ್ ಇದೆ ಏಕೆಂದರೆ ಕಂಟೈನ್ಮೆಂಟ್ ಹೆಚ್ಚಳವು CSAT ಇಳಿಕೆಯೊಂದಿಗೆ ಬರುತ್ತದೆ).

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ತಪ್ಪು ಮೆಟ್ರಿಕ್ ಟ್ರ್ಯಾಪ್. ಒಂದು ಕಾಲ್ ಸೆಂಟರ್ AHT ಗೆ ಮಾತ್ರ ಬಹುಮಾನ ನೀಡಿದೆ. ಏಜೆಂಟರು ಸಮಯವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಗ್ರಾಹಕರನ್ನು ಪರಿಹರಿಸದೆ ನೇತಾಡುತ್ತಾರೆ; ಅಲ್ಪಾವಧಿಯಲ್ಲಿ, AHT 15% ಕುಸಿಯಿತು, ಆದರೆ ಪುನರಾವರ್ತಿತ ಕರೆಗಳು 28% ಹೆಚ್ಚಾಗಿದೆ ಮತ್ತು FCR ಕುಸಿಯಿತು. ಒಟ್ಟು ಹೊರೆ ಮತ್ತು ವೆಚ್ಚವು ವಾಸ್ತವವಾಗಿ ಹೆಚ್ಚಾಗಿದೆ. AHT, FCR ಮತ್ತು CSAT ಅನ್ನು ಒಟ್ಟಿಗೆ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿದಾಗ ಸಮತೋಲನವನ್ನು ಸ್ಥಾಪಿಸಲಾಯಿತು. ಪಾಠ: ಒಂದು ಮೆಟ್ರಿಕ್ ಸುಳ್ಳು.

ಪ್ರಕರಣ 2 - ಸೈಲೆಂಟ್ ಡ್ರಿಫ್ಟ್. ಬ್ಯಾಂಕಿನ ಬೋಟ್ 6 ತಿಂಗಳ ಕಾಲ ಯಾವುದೇ ತೊಂದರೆಗಳಿಲ್ಲದೆ ಕೆಲಸ ಮಾಡಿದೆ, ಯಾರೂ ಅದನ್ನು ಅಳತೆ ಮಾಡಲಿಲ್ಲ. ಹೊಸ ಉತ್ಪನ್ನಗಳು ಹೊರಬಂದಾಗ, ಜ್ಞಾನದ ಮೂಲವು ಹಿಂದೆ ಉಳಿಯಿತು; ಬೋಟ್ ನಿಖರತೆ ಅಗ್ರಾಹ್ಯವಾಗಿ 94% ರಿಂದ 79% ಕ್ಕೆ ಇಳಿಯಿತು ಮತ್ತು ದೂರುಗಳು ಹೆಚ್ಚಾದವು. ನಿಯಮಿತ ನಿಖರತೆಯ ಮಾಪನವನ್ನು ಸ್ಥಾಪಿಸಿದ ನಂತರ, ಜಾರುವಿಕೆಯನ್ನು ಮೊದಲೇ ಹಿಡಿಯಲಾಯಿತು. ಪಾಠ: ಸದ್ದಿಲ್ಲದೆ ಅಳತೆ ಮಾಡದ ವ್ಯವಸ್ಥೆಯು ಒಡೆಯುತ್ತದೆ.

ಪ್ರಕರಣ 3 - ಗುಣಪಡಿಸುವ ಚಕ್ರದ ಶಕ್ತಿ. ಇ-ಕಾಮರ್ಸ್ ಕಂಪನಿಯು ಮಾಸಿಕ PDCA ಸೈಕಲ್‌ನೊಂದಿಗೆ ಪ್ರತಿ ತಿಂಗಳು 3 ಅತ್ಯಧಿಕ ಪ್ರಭಾವದ ಸುಧಾರಣೆಗಳನ್ನು (ಲಾಗ್ ಗೊತ್ತಿಲ್ಲ + ವಹಿವಾಟು ಕಾರಣಗಳು + ವಿಫಲವಾದ ಹರಿವುಗಳಿಂದ) ಆಯ್ಕೆ ಮಾಡಿದೆ. 6 ತಿಂಗಳುಗಳಲ್ಲಿ, ಬೋಟ್ ರೆಸಲ್ಯೂಶನ್ ದರವು 52% ರಿಂದ 74% ಕ್ಕೆ, CSAT 3.8 ರಿಂದ 4.4 ಕ್ಕೆ ಏರಿತು - ಒಂದು ದೊಡ್ಡ ಪ್ರಗತಿಯಲ್ಲಿ ಅಲ್ಲ, ಆದರೆ ಚಿಕ್ಕದಾದ, ಅಳತೆ ಮಾಡಿದ ಸುಧಾರಣೆಗಳು ಒಂದರ ನಂತರ ಒಂದರಂತೆ. ನಿರಂತರ ಸುಧಾರಣೆಯು ಸ್ಥಿರತೆಯಿಂದ ಬರುತ್ತದೆ, ಚಿಮ್ಮಿ ಮತ್ತು ಮಿತಿಗಳಿಂದಲ್ಲ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಒಂದೇ ಮೆಟ್ರಿಕ್ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುವುದು. AHT ಅಥವಾ ಕಂಟೈನ್ಮೆಂಟ್ ಅನ್ನು ಅನುಸರಿಸುವುದು ಗುಣಮಟ್ಟವನ್ನು ಕುಗ್ಗಿಸುತ್ತದೆ; ಪ್ರತಿ ಮೆಟ್ರಿಕ್ ಸ್ಟೆಬಿಲೈಸರ್ ಹೊಂದಿರಬೇಕು.
• ಉತ್ಪಾದಕತೆಯ ಮೆಟ್ರಿಕ್ ಅನ್ನು ಗುಣಮಟ್ಟದಿಂದ ಬೇರ್ಪಡಿಸುವುದು. "ಬೋಟ್ ಬಹಳಷ್ಟು ಪರಿಹರಿಸುತ್ತದೆ" ಮತ್ತು "ಗ್ರಾಹಕರು ತೃಪ್ತರಾಗಿದ್ದಾರೆ" ಎರಡು ವಿಭಿನ್ನ ವಿಷಯಗಳಾಗಿವೆ; ಒಟ್ಟಿಗೆ ಓದಿ.
• ಒಮ್ಮೆ ಹೊಂದಿಸಿ ಮತ್ತು ಅದನ್ನು ಬಿಡಿ. ಡ್ರಿಫ್ಟ್ ಮೌನವಾಗಿದೆ; ನಿರಂತರ ಮಾಪನ ಅತ್ಯಗತ್ಯ.
• CSAT ಅನ್ನು ಮಾತ್ರ ನೈಜವೆಂದು ಪರಿಗಣಿಸುವುದು. ಕಡಿಮೆ ಪ್ರತಿಕ್ರಿಯೆ ದರವು CSAT ಅನ್ನು ದಾರಿತಪ್ಪಿಸುತ್ತದೆ; ಅದನ್ನು ಯಾರು ತುಂಬಿದ್ದಾರೆಂದು ನೋಡಿ.
• ಡೇಟಾಗೆ ಸುಧಾರಣೆಯನ್ನು ಸಂಪರ್ಕಿಸುತ್ತಿಲ್ಲ. "ಲಾಗ್/ಹಸ್ತಾಂತರ/ವಿಫಲವಾದ ಹರಿವು ಗೊತ್ತಿಲ್ಲ" ಡೇಟಾದೊಂದಿಗೆ ಆದ್ಯತೆ ನೀಡಿ, ಅಂತಃಪ್ರಜ್ಞೆಯಲ್ಲ.

ಸಾರಾಂಶದಲ್ಲಿ

ಮಾಪನ ಮತ್ತು ನಿರಂತರ ಸುಧಾರಣೆ AI ಅನ್ನು ಒಂದು-ಬಾರಿ ಸ್ಥಾಪನೆಯಿಂದ ಜೀವಂತ ವ್ಯವಸ್ಥೆಯಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ. ಕ್ಲಾಸಿಕ್ KPI ಗಳು (AHT, FCR, CSAT, NPS, CES) ಮತ್ತು AI-ನಿರ್ದಿಷ್ಟ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು (ಹೊಂದಾಣಿಕೆ, ಬೋಟ್ ಪರಿಹಾರ ದರ, ಉತ್ತರ ನಿಖರತೆ, ಶಿಫಾರಸು ಬಳಕೆ) ಒಟ್ಟಿಗೆ ಟ್ರ್ಯಾಕ್ ಮಾಡಿ; ಗುಣಮಟ್ಟದ ಸ್ಟೆಬಿಲೈಸರ್‌ನೊಂದಿಗೆ ಪ್ರತಿ ಉತ್ಪಾದಕತೆಯ ಮೆಟ್ರಿಕ್ ಅನ್ನು ಓದಿ; ಒಂದೇ ಮೆಟ್ರಿಕ್‌ನಲ್ಲಿ ಎಂದಿಗೂ ಹೊಂದಿಸಬೇಡಿ. PDCA ಲೂಪ್‌ನೊಂದಿಗೆ ನಿರಂತರವಾಗಿ ಸುಧಾರಿಸಿ ಮತ್ತು "ಗೊತ್ತಿಲ್ಲ" ಲಾಗ್‌ಗಳು, ವಹಿವಾಟು ಕಾರಣಗಳು ಮತ್ತು ವಿಫಲವಾದ ಹರಿವುಗಳನ್ನು ಲೂಪ್‌ಗೆ ಇಂಧನವಾಗಿ ಬಳಸಿ. ನೆನಪಿಡಿ: ಮಾದರಿಗಳು ಮತ್ತು ಗ್ರಾಹಕರು ಕಾಲಾನಂತರದಲ್ಲಿ ಚಲಿಸುತ್ತಾರೆ; ನೀವು ಏನನ್ನು ಅಳೆಯುವುದಿಲ್ಲವೋ ಅದು ಸದ್ದಿಲ್ಲದೆ ಕೊಳೆಯುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

7 ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ನಿಮ್ಮ ಸ್ವಂತ AI ಪ್ರೋಗ್ರಾಂಗಾಗಿ KPI ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ; ಪ್ರತಿ ಮೆಟ್ರಿಕ್‌ಗೆ, ವ್ಯಾಖ್ಯಾನ, ಗುರಿ, ಆಫ್‌ಸೆಟ್ ಮಾಡುವ ಮೆಟ್ರಿಕ್ ಮತ್ತು ಎಚ್ಚರಿಕೆಯ ಮಿತಿಯನ್ನು ಹೊಂದಿಸಿ (“1) KPI ಡ್ಯಾಶ್‌ಬೋರ್ಡ್” ಟೆಂಪ್ಲೇಟ್ ಬಳಸಿ). ನಂತರ ಕಾಲ್ಪನಿಕ ಮಾಸಿಕ ಡೇಟಾ ಸೆಟ್ ಅನ್ನು ರಚಿಸಿ ಮತ್ತು "2) ಮೆಟ್ರಿಕ್ ವ್ಯಾಖ್ಯಾನ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ಮೂಲ ಕಾರಣ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಮಾಡಿ. ಅಂತಿಮವಾಗಿ, "4) ನಿರಂತರ ಸುಧಾರಣೆ ಪ್ರತಿಕ್ರಿಯೆ ಸಾರಾಂಶದೊಂದಿಗೆ ಮುಂದಿನ ತಿಂಗಳು 3 ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ಸುಧಾರಣೆಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಕ್ಲಾಸಿಕ್ KPI ಗಳು ಮತ್ತು AI-ನಿರ್ದಿಷ್ಟ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಒಟ್ಟಿಗೆ ಟ್ರ್ಯಾಕ್ ಮಾಡುತ್ತೇನೆ.
• [ ] ಪ್ರತಿ ಉತ್ಪಾದಕತೆಯ ಮೆಟ್ರಿಕ್ ಗುಣಮಟ್ಟದ ಸ್ಟೆಬಿಲೈಸರ್ ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ; ನಾನು ಒಂದೇ ಮೆಟ್ರಿಕ್ ಬಗ್ಗೆ ಗಮನಹರಿಸುವುದಿಲ್ಲ.
• [ ] ನಾನು ಗ್ರಾಹಕ ತೃಪ್ತಿಯೊಂದಿಗೆ ಕಂಟೈನ್‌ಮೆಂಟ್/ಬೋಟ್ ಪರಿಹಾರ ದರವನ್ನು ಓದಿದ್ದೇನೆ.
• [ ] ನಾನು ಉತ್ತರದ ನಿಖರತೆಯನ್ನು ಅಳೆಯುತ್ತೇನೆ ಮತ್ತು ನಿಯಮಿತವಾಗಿ ಅಲೆಯುತ್ತೇನೆ.
• [ ] ನಾನು PDCA ಸೈಕಲ್‌ನೊಂದಿಗೆ ನಿರಂತರ, ಡೇಟಾ-ಚಾಲಿತ ಸುಧಾರಣೆಯನ್ನು ಮಾಡುತ್ತೇನೆ.
• [ ] ನಾನು "ಗೊತ್ತಿಲ್ಲ" ಲಾಗ್, ಹಸ್ತಾಂತರದ ಕಾರಣಗಳು ಮತ್ತು ವಿಫಲ ಹರಿವುಗಳೊಂದಿಗೆ ಸುಧಾರಣೆಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡುತ್ತೇನೆ.