Câștiguri:
- Abilitatea de a transforma cererile lungi și împrăștiate ale clienților în rezumate structurate și acționabile
- Abilitatea de a clasifica cererile în funcție de categorie, urgență și sentimentul clienților cu o schemă fixă
- Abilitatea de a defini un format de ieșire consistent (JSON/tabel) potrivit pentru automatizare pentru procesarea în bloc a biletelor
Imaginați-vă dimineața unei echipe de asistență: 220 de bilete noi (bilete) s-au acumulat peste noapte. Unele sunt un rând „Mi-am uitat parola”, altele sunt o plângere supărată de trei paragrafe, iar unele sunt de fapt o oportunitate de vânzare. Citirea acestui teanc, atribuirea fiecăruia la categoria corectă, determinarea urgenței acesteia și direcționarea acestuia către persoana potrivită (aceasta se numește triaj; aceeași logică de sortare a pacienților după prioritate în camera de urgență) consumă primele două ore ale zilei.
Inteligența artificială (AI) poate face acest lucru în câteva secunde și în mod constant. Dar magia nu constă în a spune „rezumați această cerere”; Impune o listă fixă de categorii, niveluri clare de urgență și un format de ieșire imuabil pe model. În această unitate, vom stabili un sistem de triaj care merge de la procesarea unei singure cereri până la etichetarea a sute de solicitări într-un mod gata de automatizare.
Notă: etichetele de categorie și de urgență generate de AI sunt un instrument de screening preliminar. În special, cererile etichetate „urgent” și „reclamație” trebuie să fie confirmate de o persoană înainte de a fi procesate.
De ce rezumat structurat?
Un rezumat gratuit („clientul are probleme cu expedierea”) nu poate fi căutat, sortat sau automatizat. Cu toate acestea, nevoia managerului de asistență este clară pentru următoarele întrebări:
- În ce categorie se încadrează această cerere? (Livrare, Retur, Plată, Tehnic, Informații despre produs, Reclamație, Oportunitate de vânzare)
- Cât de urgent este? (Critic / Ridicat / Mediu / Scăzut)
- Care este starea emoțională a clientului? (Supărat / Dezamăgit / Neutru / Satisfăcut)
- Care este esența sa dintr-o singură propoziție?
- Care ar trebui să fie următorul pas?
Odată ce definiți aceste întrebări în avans și le oferiți modelului ca schemă (câmpuri constante și valori posibile), toate cele 220 de solicitări devin comparabile și filtrabile în același format.
Pas cu pas: stabilirea unei scheme de triaj
- Fixați lista de categorii. Nu lăsați modelul să se potrivească; Dați o listă închisă.
- Definiți criteriul urgenței. Concreți ce înseamnă „critic”: serviciu oprit complet, pierdere de plată, risc de securitate.
- Identificați etichetele emoțiilor. Utilizați un set limitat și clar.
- Importați formatul de ieșire. Pentru procesarea în loturi, JSON (formatul de date citit de mașină constând din perechi câmp-valoare) este potrivit, pentru cerere unică, tabelul este potrivit.
- Faceți o regulă „bif dacă nu sunteți sigur”. Dacă modelul nu este sigur de categorie, lăsați-l să spună incert și omul va arăta.
- Verifica. În primul lot, verificați manual acuratețea etichetelor și setați promptul.
Solicitări copiabile
Prompt de bază care convertește o singură cerere într-un rezumat structurat:
Rol: Sunteți un specialist cu experiență în triajul asistenței. Analizați cererea clientului mai jos. Adăugați un comentariu; bazează-te doar pe ceea ce este în text. Completați următoarele câmpuri:- rezumat: (max. 1 propoziție)- categorie: [Livrare | Întoarcere | Plata | Tehnic | Informații despre produs | Plângere | Oportunitate de vânzare]- urgență: [Critic | Ridicat | Mediu | Scăzut]- emoție: [Supărat | Dezamăgire | Neutru | Satisfăcut]- următorul_pas: (o singură propoziție, acțiune concretă)- nesigur: ("da" dacă categoria/urgența este neclară, în caz contrar "nu") Solicitare:"""{{ request_text }}"""
Pentru procesarea în lot, promptul convertește simultan mai multe solicitări într-o matrice JSON:
Procesați cererile numerotate de mai jos. Generați un obiect JSON pentru fiecare cu următoarea schemă și returnați-le pe toate ca o matrice JSON. Ieșirea în afara schemei: { "id": "", "summary": "", "category": "", "urgency": "", "emotion": "", "next_step": "", "Nu sunt sigur": "" }Doar categorii: Livrare, Retur, Plată, Tehnic, Informații despre produs, Reclamație, Oportunitate de vânzări. Cereri: {{ numbered_request_list }}
Prompt care clarifică criteriul de urgență și învață modelul definiția „Critic”:
Determinați urgența conform următoarei reguli:- Critic: serviciul complet indisponibil, pierderea plății, risc de securitate/date, amenințare legală.- Ridicat: funcția importantă este întreruptă, dar există o soluție; client furios.- Mediu: problemă singulară, fluxul de lucru care nu se oprește.- Scăzut: cerere de informații, sugestie, întrebare generală. Scrieți motivul deciziei dvs. într-o propoziție în câmpul „urgency_reson”.
Prompt care captează oportunitatea de vânzare și stabilește o punte de asistență/vânzări:
La procesarea cererii, dacă clientul manifestă interes pentru achiziționarea unui nou produs/pachet/supliment (de ex. „aveți un pachet mai mare”, „de câți utilizatori este nevoie”), faceți categoria „Oportunitate de vânzări” și adăugați un sfat de o singură propoziție pentru echipa de vânzări în câmpul „notă_vânzări”.
Solicitare slabă / Solicitare puternică
Prompt slab
Solicitare puternică
„Rezumați și clasificați această solicitare”
Lista de categorii închisă + definiție de urgență + schemă JSON fixă
Generează etichete diferite de fiecare dată
Dă întotdeauna aceeași etichetă aceleiași solicitări
El folosește cuvântul „urgent” după propriile dorințe.
Aplică criterii concrete pentru „critice”
El inventează vagul
emin_degilim: spune da și lasă-l persoanei
Consecvența este regula de aur aici: dacă aceeași reclamație nu se încadrează în aceeași categorie în două zile diferite, nicio raportare și automatizare nu vor fi de încredere.
Trei mini carcase
Cazul 1 – Critic confidențial. Într-o companie SaaS (software închiriat pe internet), mesajul „Nu mă pot conecta, toată echipa așteaptă 40 de oameni” mi s-a părut banal pentru că era scurt. Promptul de triaj l-a marcat drept „Critic” datorită regulii de urgență (criteriile (serviciu complet indisponibil). Solicitarea a fost tratată în 6 minute în loc să aștepte 2 ore în coadă; a fost prevenită o încălcare a SLA (acord de nivel de serviciu, adică timpul de răspuns promis).
Cazul 2 – Prioritizarea furiei. Într-o zi, când au fost examinate etichetele AI a 180 de cereri, s-a văzut că 14 cereri cu emoția „Angry” au fost puse într-o coadă separată. Aceste solicitări au fost direcționate către reprezentanți cu experiență, iar scorul negativ al sondajului (CSAT, adică scorul de satisfacție a clienților) în acea săptămână s-a îmbunătățit semnificativ în comparație cu săptămâna anterioară.
Cazul 3 — Podul de la asistență la vânzări. „Pachetul meu actual este pentru 5 utilizatori, trebuie să-l măresc la 20 de persoane, este posibil?” AI a etichetat mesajul drept „Oportunitate de vânzări” și a adăugat o notă de vânzare. Solicitarea a revenit automat echipei de vânzări; O oportunitate de upsell care ar fi trecut neobservată dacă ar fi fost pierdută în coada standard de asistență a devenit un câștig.
Sfat: păstrați lista de categorii cât mai scurtă și discretă posibil. 20 de categorii vor deruta modelul (și echipa ta); 6-8 categorii clare sunt etichetate mai consistent și sunt semnificative în rapoarte. Combină două categorii frecvent confuze.
Conectarea la automatizare
Puterea reală a ieșirii JSON structurate este că aceasta trece automat la pasul următor: cererea etichetată „Critic” îl anunță imediat pe manager, „Oportunitate de vânzări” intră în CRM (software de management al relațiilor cu clienții), „Return” intră în fluxul de autoservire. Dar prima regulă de automatizare: acțiunile de mare impact (rambursare, închidere de cont) nu sunt niciodată declanșate doar pe baza etichetei AI; Uneori există aprobarea umană.
Atenție: analiza sentimentelor este o predicție, nu o măsurare exactă. Un client pe care modelul îl numește „neutru” poate fi de fapt foarte supărat. Utilizați eticheta de emoție pentru a stabili prioritățile; dar nu te baza doar pe ea pentru a trage concluzii definitive precum „acest client este deja mulțumit”.
Greșeli comune
- Lăsând lista de categorii pentru model; primind de fiecare dată etichete diferite, incompatibile.
- Lăsarea unui cuvânt relativ precum „urgent” nedefinit; Solicitarea tuturor este urgentă.
- Nu se remediază formatul de ieșire; Uneori, un paragraf, uneori lista apare în loc de JSON.
- Nu oferă o ușă de ieșire pentru incertitudine (nu sunt sigur).
- Conectarea tranzacțiilor cu impact mare (rambursare, închidere de cont) la eticheta AI fără aprobare umană.
- Automatizarea întregului flux fără a verifica manual primul lot.
Pe scurt
- Triajul sortează rapid grămada de solicitări primite în funcție de categorie, urgență și emoție.
- Cheia coerenței: listă de categorii închisă, definiție concretă de urgență și format de ieșire fix (JSON).
- Urgența și etichetele emoționale accelerează prioritizarea; Aduce cereri critice și furioase.
- Ieșirea structurată poate fi legată direct de automatizare (notificare, rutare, CRM).
- Acțiunile de mare impact și etichetele ambigue ar trebui să fie întotdeauna supuse verificării umane.
Sarcina de aplicare
Procesați în loturi cele 5 solicitări diferite ale clienților pe care le aveți (sau mostre) cu promptul JSON de mai sus. Apoi verificați manual rezultatul: (1) Fiecare categorie este corectă? (2) Cele marcate cu „critice” opresc efectiv serviciul? (3) Am spus cu siguranță „da” în locurile potrivite? Corectați orice etichete care nu se potrivesc și actualizați promptul (în special definițiile categoriei și regula de urgență) în consecință. Acest exercițiu construiește obiceiul de a calibra schema la propria realitate.
lista de verificare
- [ ] Am definit o listă închisă și discretă de categorii.
- [ ] Am descris nivelurile de urgență cu măsuri concrete.
- [ ] Am reparat formatul de ieșire (JSON/tabel).
- [ ] Am adăugat o ușă de ieșire pentru incertitudine (nu sunt_sigur).
- [ ] Am verificat manual primul lot și am calibrat promptul.
- [ ] Am pus un strat de aprobare umană pe acțiunile de mare impact.