Прибыль:
- Способность преобразовывать длинные и разрозненные запросы клиентов в структурированные, действенные сводки.
- Возможность классифицировать запросы по категориям, срочности и настроениям клиентов по фиксированной схеме.
- Возможность определить согласованный формат вывода (JSON/таблица), подходящий для автоматизации массовой обработки заявок.
Представьте себе утро службы поддержки: за ночь накопилось 220 новых заявок (тикетов). Некоторые из них представляют собой однострочное «Я забыл свой пароль», некоторые представляют собой гневную жалобу из трех абзацев, а некоторые на самом деле представляют собой возможность продажи. Прочтение этой стопки, отнесение каждого из них к правильной категории, определение срочности и направление нужному человеку (это называется сортировкой; та же самая логика сортировки пациентов по приоритету в отделении неотложной помощи) съедает первые два часа дня.
Искусственный интеллект (ИИ) может выполнять эту работу за считанные секунды и стабильно. Но волшебство не в том, чтобы сказать «подытожьте этот запрос»; Он налагает на модель фиксированный список категорий, четкие уровни срочности и неизменяемый формат вывода. В этом модуле мы создадим систему сортировки, которая переходит от обработки одного запроса к маркировке сотен запросов готовым к автоматизации способом.
Примечание. Метки категорий и срочности, создаваемые ИИ, являются инструментом предварительной проверки. В частности, запросы с пометками «срочно» и «жалоба» перед обработкой должны быть подтверждены человеком.
Почему структурированное резюме?
Бесплатная сводка («у клиента возникли проблемы с доставкой») не может быть найдена, отсортирована или автоматизирована. Однако необходимость менеджера поддержки очевидна по следующим вопросам:
- К какой категории относится этот запрос? (Доставка, возврат, оплата, техническая информация, информация о продукте, жалоба, возможность продажи)
- Насколько это срочно? (Критический/Высокий/Средний/Низкий)
- Каково эмоциональное состояние клиента? (Злой/Разочарованный/Нейтральный/Удовлетворенный)
- В чем его суть, состоящая из одного предложения?
- Каким должен быть следующий шаг?
Как только вы заранее определите эти вопросы и перенесете их в модель в виде схемы (постоянные поля и возможные значения), все 220 запросов станут сопоставимыми и фильтруемыми в одном и том же формате.
Шаг за шагом: создание схемы сортировки
- Закрепите список категорий. Не позволяйте модели подходить; Дайте закрытый список.
- Определите критерий срочности. Конкретизируйте, что означает «критическое»: услуга полностью остановлена, потеря платежа, угроза безопасности.
- Определите ярлыки эмоций. Используйте ограниченный и четкий набор.
- Импортируйте выходной формат. Для пакетной обработки подходит JSON (формат машиночитаемых данных, состоящий из пар поле-значение), для одиночного запроса подойдет таблица.
- Установите правило «отметьте, если не уверены». Если модель не уверена в категории, скажите, что она неопределенна, и человек посмотрит.
- Проверять. В первой партии вручную проверьте точность этикеток и установите подсказку.
Копируемые подсказки
Базовая подсказка, преобразующая одиночный запрос в структурированное резюме:
Роль: Вы опытный специалист по сортировке поддержки. Проанализируйте запрос клиента ниже. Добавить комментарий; просто полагайтесь на текст.Заполните следующие поля:- резюме: (максимум 1 предложение)- категория: [Доставка | Вернуться | Оплата | Технический | Информация о продукте | Жалоба | Возможность продаж] - срочность: [Критический | Высокий | Средний | Низкий]- эмоция: [Злой | Разочарование | Нейтральный | Удовлетворено]- next_step: (одно предложение, конкретное действие)- не уверен: («да», если категория/срочность неясны, в противном случае «нет») Запрос:"""{{ request_text }}"""
При пакетной обработке приглашение одновременно преобразует несколько запросов в массив JSON:
Обработайте пронумерованные запросы ниже. Создайте объект JSON для каждого из них со следующей схемой и верните их все в виде массива JSON. Выход за рамки схемы: { "id": "", "summary": "", "category": "", "срочность": "", "emotion": "", "next_step": "", "Я не уверен": "" }Только категории: Доставка, Возврат, Оплата, Техническая информация, Информация о продукте, Жалоба, Возможность продажи. Запросы: {{ Numbered_request_list }}
Подсказка, поясняющая критерий срочности и обучающая модель определению «Критический»:
Определите срочность по следующему правилу: - Критическая: услуга полностью недоступна, потеря оплаты, риск безопасности/данных, юридическая угроза. - Высокая: важная функция нарушена, но существует обходной путь; разгневанный клиент.- Средний: единичная проблема, рабочий процесс не останавливается.- Низкий: запрос информации, предложение, общий вопрос. Напишите причину вашего решения одним предложением в поле «urgency_reason».
Подсказка, которая отражает возможность продаж и устанавливает мост поддержки/продаж:
Если при обработке запроса клиент проявляет интерес к покупке нового продукта/пакета/дополнения (например, «есть ли у вас пакет побольше», «сколько пользователей для этого требуется»), создайте категорию «Возможность продаж» и добавьте совет из одного предложения для отдела продаж в поле «sales_note».
Слабая подсказка/Сильная подсказка
Слабая подсказка
Мощная подсказка
«Обобщить и классифицировать этот запрос»
Закрытый список категорий + определение срочности + фиксированная схема JSON
Каждый раз генерирует разные метки
Всегда дает одну и ту же метку одному и тому же запросу
Он использует слово «срочно» по своему усмотрению.
Применяет конкретные критерии для «критического»
Он составляет смутное
emin_degilim: скажи «да» и оставь это на усмотрение человека
Золотое правило здесь — последовательность: если одна и та же жалоба не попадает в одну и ту же категорию в два разных дня, никакая отчетность и автоматизация не будут надежными.
Три мини-кейса
Случай 1 — Конфиденциальный критик. В SaaS-компании (аренда программного обеспечения через Интернет) сообщение «Не могу войти, вся команда ждет 40 человек» казалось обычным, потому что оно было коротким. В подсказке сортировки он был помечен как «Критический» благодаря правилу срочности (критерий «услуга полностью недоступна»). Запрос был обработан за 6 минут вместо 2 часов ожидания в очереди; нарушение SLA (соглашения об уровне обслуживания, т. е. обещанного времени ответа) было предотвращено.
Случай 2. Расстановка приоритетов гнева. Однажды, когда были проверены AI-теги 180 запросов, было замечено, что 14 запросов с эмоцией «Злой» были помещены в отдельную очередь. Эти запросы были адресованы опытным представителям, и отрицательный балл опроса (CSAT, т.е. показатель удовлетворенности клиентов) на этой неделе значительно улучшился по сравнению с предыдущей неделей.
Кейс 3 — Мост от поддержки к продажам. «Мой текущий пакет рассчитан на 5 пользователей, мне нужно увеличить его до 20 человек, возможно ли это?» AI пометил сообщение как «Возможность продаж» и добавил примечание о продаже. Запрос автоматически попал в отдел продаж; Возможность дополнительных продаж, которая осталась бы незамеченной, если бы она была потеряна в стандартной очереди поддержки, стала выгодой.
Совет: список категорий должен быть максимально коротким и дискретным. 20 категорий запутают модель (и вашу команду); 6–8 четких категорий обозначаются более последовательно и имеют смысл в отчетах. Объедините две часто путаемые категории.
Подключение к автоматизации
Реальная сила структурированного вывода JSON заключается в том, что он автоматически переходит к следующему шагу: запрос с пометкой «Критический» немедленно уведомляет менеджера, «Возможность продаж» попадает в CRM (программное обеспечение для управления взаимоотношениями с клиентами), «Возврат» переходит в поток самообслуживания. Но первое правило автоматизации: высокоэффективные действия (возврат средств, закрытие счета) никогда не инициируются только на основе тега AI; Иногда есть человеческое одобрение.
Внимание: анализ настроений — это прогноз, а не точное измерение. Клиент, которого модель называет «Нейтральным», на самом деле может быть очень зол. Используйте тег эмоций, чтобы расставить приоритеты; но не полагайтесь только на него, чтобы сделать окончательные выводы типа «этот клиент уже удовлетворен».
Распространенные ошибки
- Оставляем список категорий модели; каждый раз получая разные, несовместимые ярлыки.
- Оставляя относительное слово, такое как «срочно», неопределенным; Просьба каждого срочна.
- Не исправление формата вывода; Иногда вместо JSON появляется абзац, иногда список.
- Не предоставление выхода из неопределенности (я не уверен).
- Привязка важных транзакций (возврат средств, закрытие счета) к тегу AI без одобрения человека.
- Автоматизация всего процесса без ручной проверки первой партии.
В заключение
- Сортировка позволяет быстро сортировать кучу входящих запросов по категориям, срочности и эмоциям.
- Ключ к последовательности: закрытый список категорий, конкретное определение срочности и фиксированный формат вывода (JSON).
- Ярлыки срочности и эмоций ускоряют расстановку приоритетов; Он выдвигает критические и гневные требования.
- Структурированный вывод может быть напрямую связан с автоматизацией (уведомление, маршрутизация, CRM).
- Высокоэффективные действия и неоднозначные ярлыки всегда должны подвергаться проверке человеком.
Задача приложения
Пакетная обработка 5 различных запросов клиентов (или образцов), которые у вас есть, с помощью приглашения массива JSON, приведенного выше. Затем вручную проверьте выходные данные: (1) Верна ли каждая категория? (2) Действительно ли те, что отмечены как «критические», останавливают службу? (3) Правильно ли я сказал «да» в нужных местах? Исправьте все теги, которые не подходят, и соответствующим образом обновите подсказку (особенно определения категорий и правило срочности). Это упражнение вырабатывает привычку приспосабливать схему к вашей реальности.
контрольный список
- [ ] Я определил закрытый и дискретный список категорий.
- [ ] Я описал уровни срочности с конкретными мерами.
- [ ] Я исправил формат вывода (JSON/таблица).
- [ ] Я добавил выходную дверь для неопределённости (I’m_unsure).
- [ ] Я вручную проверил первую партию и откалибровал подсказку.
- [ ] Я вкладываю слой человеческого одобрения в высокоэффективные действия.