Zyski:
- Możliwość przekształcania długich i rozproszonych żądań klientów w uporządkowane i przydatne podsumowania
- Możliwość klasyfikowania żądań według kategorii, pilności i nastrojów klientów za pomocą ustalonego schematu
- Możliwość zdefiniowania spójnego formatu wyjściowego (JSON/tabela) odpowiedniego do automatyzacji masowego przetwarzania biletów
Wyobraź sobie poranek zespołu wsparcia: w ciągu jednej nocy zgromadziło się 220 nowych biletów (biletów). Niektóre z nich to jednowierszowe „Zapomniałem hasła”, inne to gniewna, składająca się z trzech akapitów skarga, a jeszcze inne stanowią w rzeczywistości szansę sprzedaży. Czytanie tego stosu, przypisywanie każdego do właściwej kategorii, określanie jego pilności i kierowanie do właściwej osoby (nazywa się to segregacją; ta sama logika sortowania pacjentów według priorytetu na izbie przyjęć) pochłania pierwsze dwie godziny dnia.
Sztuczna inteligencja (AI) może wykonać to zadanie w ciągu kilku sekund i konsekwentnie. Ale magia nie polega na powiedzeniu „podsumuj tę prośbę”; Narzuca na model stałą listę kategorii, jasne poziomy pilności i niezmienny format wyjściowy. W tej jednostce stworzymy system segregacji, który przejdzie od przetwarzania pojedynczego żądania do etykietowania setek wniosków w sposób gotowy do automatyzacji.
Uwaga: etykiety kategorii i pilności generowane przez sztuczną inteligencję stanowią narzędzie wstępnej kontroli. W szczególności wnioski oznaczone jako „pilne” i „reklamacja” muszą zostać potwierdzone przez człowieka przed rozpatrzeniem.
Dlaczego podsumowanie strukturalne?
Bezpłatnego podsumowania („klient ma problemy z przesyłką”) nie można wyszukiwać, sortować ani automatyzować. Jednak potrzeba menedżera wsparcia jest jasna w przypadku następujących pytań:
- Do jakiej kategorii należy to żądanie? (wysyłka, zwrot, płatność, dane techniczne, informacje o produkcie, reklamacja, szansa sprzedaży)
- Jak pilne jest to? (Krytyczny / Wysoki / Średni / Niski)
- Jaki jest stan emocjonalny klienta? (Zły / Rozczarowany / Neutralny / Zadowolony)
- Jaka jest jego jednozdaniowa istota?
- Jaki powinien być następny krok?
Po wcześniejszym zdefiniowaniu tych pytań i przekazaniu ich do modelu jako schematu (pola stałe i możliwe wartości), wszystkie 220 żądań stanie się porównywalne i będzie można je filtrować w tym samym formacie.
Krok po kroku: Utworzenie programu selekcji
- Przypnij listę kategorii. Nie pozwól, aby model pasował; Podaj zamkniętą listę.
- Zdefiniuj kryterium pilności. Konkretnie, co oznacza „krytyczny”: całkowite zatrzymanie usługi, utrata płatności, zagrożenie bezpieczeństwa.
- Zidentyfikuj etykiety emocji. Użyj ograniczonego i przejrzystego zestawu.
- Zaimportuj format wyjściowy. Do przetwarzania wsadowego odpowiedni jest JSON (format danych do odczytu maszynowego składający się z par pole-wartość), w przypadku pojedynczego żądania odpowiednia jest tabela.
- Zrób regułę „zaznacz, jeśli nie jesteś pewien”. Jeśli model nie jest pewien kategorii, powiedz „niepewny”, a człowiek będzie patrzeć.
- Zweryfikować. W pierwszej partii ręcznie sprawdź dokładność etykiet i ustaw monit.
Monity do kopiowania
Podstawowy monit, który przekształca pojedyncze żądanie w uporządkowane podsumowanie:
Rola: Jesteś doświadczonym specjalistą ds. segregacji wsparcia. Przeanalizuj poniższe żądanie klienta. Dodaj komentarz; polegaj tylko na tym, co jest w tekście. Wypełnij następujące pola:- podsumowanie: (max 1 zdanie)- kategoria: [Wysyłka | Powrót | Płatność | Techniczne | Informacje o produkcie | Reklamacja | Możliwość sprzedaży] – pilność: [Krytyczne | Wysoki | Średni | Niski]- emocja: [Zły | Rozczarowanie | Neutralny | Zadowolony] – następny_krok: (pojedyncze zdanie, konkretne działanie) – niepewny: („tak”, jeśli kategoria/pilność jest niejasna, w przeciwnym razie „nie”) Zapytanie: „””{{ request_text }}””
W przypadku przetwarzania wsadowego monit konwertuje wiele żądań naraz na tablicę JSON:
Przetwórz ponumerowane żądania poniżej. Wygeneruj obiekt JSON dla każdego z nich według następującego schematu i zwróć je wszystkie jako tablicę JSON. Wyjście poza schemat: { "id": "", "podsumowanie": "", "kategoria": "", "pilność": "", "emocja": "", "next_step": "", "Nie jestem pewien": "" }Tylko kategorie: Wysyłka, Zwrot, Płatność, Informacje techniczne, Informacje o produkcie, Reklamacja, Możliwość sprzedaży. Żądania: {{ numbered_request_list }}
Podpowiedź wyjaśniająca kryterium pilności i ucząca model definicji „Krytycznego”:
Określ pilność zgodnie z następującą zasadą: - Krytyczny: usługa całkowicie niedostępna, utrata płatności, ryzyko bezpieczeństwa/danych, zagrożenie prawne. - Wysoki: ważna funkcja jest uszkodzona, ale istnieje obejście; zły klient.- Średni: pojedynczy problem, nie przerywający pracy.- Niski: prośba o informacje, sugestia, pytanie ogólne. Wpisz w jednym zdaniu powód swojej decyzji w polu „pilność_powód”.
Podpowiedź, która wychwytuje szansę sprzedaży i ustanawia most wsparcia/sprzedaży:
Podczas przetwarzania zgłoszenia, jeśli klient wykazuje zainteresowanie zakupem nowego produktu/pakietu/suplementu (np. „czy masz większy pakiet”, „ile potrzeba użytkowników”), utwórz kategorię „Szansa sprzedaży” i dodaj jednozdaniową wskazówkę dla zespołu sprzedaży w polu „sales_note”.
Słaba podpowiedź/silna podpowiedź
Słaba zachęta
Potężny monit
„Podsumuj i sklasyfikowaj to żądanie”
Zamknięta lista kategorii + definicja pilności + poprawiony schemat JSON
Za każdym razem generuje inne etykiety
Zawsze nadaje tę samą etykietę tej samej prośbie
Używa słowa „pilne” zgodnie z własną wolą.
Stosuje konkretne kryteria dla „krytycznego”
Wymyśla niejasności
emin_degilim: powiedz tak i zostaw to tej osobie
Spójność jest tutaj złotą zasadą: jeśli ta sama reklamacja nie będzie należeć do tej samej kategorii w dwóch różnych dniach, żadne raportowanie i automatyzacja nie będą wiarygodne.
Trzy mini etui
Przypadek 1 – Poufny krytyk. W firmie SaaS (oprogramowanie wynajmowane przez internet) komunikat „Nie mogę się zalogować, cały zespół czeka na 40 osób” wydawał się zwyczajny, bo był krótki. We wniosku o segregację oznaczono go jako „Krytyczny” ze względu na zasadę pilności (kryteria „usługa całkowicie niedostępna”). Zgłoszenie zostało obsłużone w 6 minut zamiast czekać 2 godziny w kolejce; zapobiegnięto naruszeniu SLA (umowy o poziomie usług, czyli obiecanego czasu reakcji).
Przypadek 2 – Priorytetyzacja gniewu. Pewnego dnia, gdy sprawdzono tagi AI 180 żądań, okazało się, że 14 żądań z emocją „Wściekły” zostało umieszczonych w osobnej kolejce. Prośby te kierowane były do doświadczonych przedstawicieli, a negatywny wynik ankiety (CSAT, czyli wskaźnik zadowolenia klienta) w tym tygodniu znacznie się poprawił w porównaniu z tygodniem poprzednim.
Przypadek 3 — Most od wsparcia do sprzedaży. „Mój obecny pakiet jest przeznaczony dla 5 użytkowników, muszę go zwiększyć do 20 osób, czy jest to możliwe?” AI oznaczyła wiadomość jako „Możliwość sprzedaży” i dodała notatkę sprzedażową. Prośba automatycznie trafiła do zespołu sprzedaży; Możliwość sprzedaży dodatkowej, która pozostałaby niezauważona, gdyby została utracona w standardowej kolejce wsparcia, stała się zyskiem.
Wskazówka: staraj się, aby lista kategorii była możliwie krótka i dyskretna. 20 kategorii wprowadzi w błąd model (i Twój zespół); 6–8 jasnych kategorii jest oznaczonych w sposób bardziej spójny i ma znaczenie w raportach. Połącz dwie często mylone kategorie.
Połączenie z automatyką
Prawdziwa siła ustrukturyzowanego wyniku JSON polega na tym, że automatycznie przechodzi do następnego kroku: żądanie oznaczone jako „Krytyczne” natychmiast powiadamia menedżera, „Szansa sprzedaży” trafia do CRM (oprogramowanie do zarządzania relacjami z klientami), „Zwrot” trafia do przepływu samoobsługi. Ale pierwsza zasada automatyzacji: działania o dużym wpływie (zwrot pieniędzy, zamknięcie konta) nigdy nie są uruchamiane na podstawie samego tagu AI; Czasami istnieje ludzka akceptacja.
Uwaga: analiza nastrojów to przewidywanie, a nie dokładny pomiar. Klient, którego model nazywa „Neutralnym”, może w rzeczywistości być po cichu bardzo zły. Użyj znacznika emocji, aby ustalić priorytety; ale nie polegaj wyłącznie na tym, aby wyciągnąć ostateczne wnioski w stylu „ten klient jest już zadowolony”.
Typowe błędy
- Pozostawienie listy kategorii modelowi; za każdym razem otrzymywać różne, niezgodne etykiety.
- Pozostawienie słowa względnego, takiego jak „pilne”, niezdefiniowanego; Prośba wszystkich jest pilna.
- Nie naprawianie formatu wyjściowego; Czasami zamiast JSON pojawia się akapit, czasem lista.
- Nie zapewnianie drzwi wyjściowych dla niepewności (nie jestem pewien).
- Łączenie transakcji o dużym wpływie (zwrot środków, zamknięcie konta) z tagiem AI bez zgody człowieka.
- Automatyzacja całego przepływu bez ręcznej weryfikacji pierwszej partii.
Podsumowując
- Triage szybko sortuje stos przychodzących próśb według kategorii, pilności i emocji.
- Klucz do spójności: zamknięta lista kategorii, konkretna definicja pilności i stały format wyjściowy (JSON).
- Etykiety dotyczące pilności i emocji przyspieszają ustalanie priorytetów; Wysuwa krytyczne i gniewne żądania.
- Ustrukturyzowane wyniki można bezpośrednio powiązać z automatyzacją (powiadomienia, routing, CRM).
- Działania wywierające duży wpływ i niejednoznaczne etykiety powinny zawsze podlegać weryfikacji przez człowieka.
Zadanie aplikacji
Przetwórz wsadowo 5 różnych żądań klientów (lub próbek), które masz, korzystając z powyższego monitu dotyczącego tablicy JSON. Następnie ręcznie sprawdź wynik: (1) Czy każda kategoria jest poprawna? (2) Czy te oznaczone jako „krytyczne” faktycznie zatrzymują usługę? (3) Czy na pewno powiedziałem „tak” we właściwych miejscach? Popraw wszystkie tagi, które nie pasują i odpowiednio zaktualizuj monit (szczególnie definicje kategorii i regułę pilności). To ćwiczenie buduje nawyk dostosowywania schematu do własnej rzeczywistości.
lista kontrolna
- [ ] Zdefiniowałem zamkniętą i dyskretną listę kategorii.
- [ ] Opisałem poziomy pilności za pomocą konkretnych środków.
- [ ] Poprawiłem format wyjściowy (JSON/tabela).
- [ ] Dodałem drzwi wyjściowe dla niepewności (nie jestem pewien).
- [ ] Ręcznie zweryfikowałem pierwszą partię i skalibrowałem monit.
- [ ] Nakładam warstwę ludzkiej akceptacji na działania o dużym wpływie.