สรุปการโทรและการติดแท็กอัตโนมัติ: ลดการสรุปเป็นวินาที

กำไร:

• ความสามารถในการสร้างการติดแท็กอัตโนมัติตามอนุกรมวิธานแบบปิดพร้อมสรุปการโทรแบบมีโครงสร้างและแบบสั้น
• ความสามารถในการกำจัดข้อมูลที่สร้างขึ้นโดยการส่งสรุปและแท็กโดยอัตโนมัติผ่านการอนุมัติจากตัวแทน และเปรียบเทียบกับข้อความต้นฉบับ
• ความสามารถในการลดระยะเวลาสรุปโดยการถ่ายโอนข้อมูลสรุปโดยไม่ต้องเก็บข้อมูลส่วนบุคคล/ข้อมูลบัตร และไม่ตีความข้อผูกมัด

งานของตัวแทนไม่ได้จบลงด้วยการพูดคุยกับลูกค้า หลังจากการโทรแต่ละครั้ง ควรสร้างบันทึกว่า "ได้พูดคุยถึงอะไร ทำอะไรไปแล้ว เรื่องอะไร" ควรถูกสร้างขึ้น สิ่งนี้เรียกว่างานสรุปหรือหลังการโทร / ACW: ตัวแทนสรุปการสนทนา เลือกรหัสการสิ้นสุดในระบบ (รหัสการจัดการ — หมวดหมู่ที่ระบุหัวข้อ/ผลลัพธ์ของการโทร เช่น "อนุมัติการคืนสินค้า" "ความล้มเหลวทางเทคนิค") และเขียนบันทึกที่จำเป็น งานนี้ดูเหมือนเล็กแต่ยิ่งใหญ่: หากตัวแทนที่โทร 60 สายต่อวันใช้เวลา 2 นาทีในการโทรแต่ละครั้ง ก็จะใช้เวลา 2 ชั่วโมงในวันนั้นเพียงแค่เขียนบันทึก ยิ่งไปกว่านั้น ตัวแทนที่เหนื่อยล้ายังเขียนบันทึกอย่างเลอะเทอะ บันทึกจะไม่สอดคล้องกัน และตัวแทนหรือผู้จัดการคนต่อไปจะไม่สามารถเข้าใจประวัติได้

ปัญญาประดิษฐ์ปฏิวัติงานนี้: อ่านข้อความ (การถอดเสียง) ของการสนทนาและสร้างบทสรุปที่เรียบร้อย แท็กที่แม่นยำ และคำแนะนำขั้นตอนถัดไปในไม่กี่วินาที แทนที่จะเขียน ตัวแทนจะตรวจสอบและอนุมัติ ในหน่วยนี้ เราจะดูวิธีตั้งค่าการสรุปการโทรและการแท็กอัตโนมัติ สิ่งที่ควรใส่ใจ และระเบียบวินัยในการตรวจสอบ

สรุปการโทรที่ดีประกอบด้วยอะไรบ้าง

สรุปการโทรควรมีความชัดเจนมากพอที่คนที่ไม่เคยได้ยินการสนทนานั้น (ตัวแทน ผู้จัดการ หัวหน้างานคนถัดไป) สามารถเข้าใจได้ภายใน 15 วินาที บทสรุปที่ดีประกอบด้วย: เหตุใดลูกค้าจึงโทรมา (ทำไมพวกเขาถึงโทรมา) สิ่งที่ทำเสร็จแล้ว (สิ่งที่ตัวแทนทำ) ผลลัพธ์ (ได้รับการแก้ไขแล้ว สิ่งที่สัญญาไว้) ธุรกิจแบบเปิด (อะไร ถ้ามี ต้องมีการติดตามผล) การสรุปที่ไม่ดีอาจยาวเกินไป (แยกย่อยบทสนทนาทีละบรรทัด) หรือสั้นเกินไป ("ลูกค้าโทรมา จัดการแล้ว") AI เก่งมากในการแบ่งออกเป็น: มีโครงสร้าง กระชับ และครบถ้วน

การติดแท็กอัตโนมัติ / การจัดการคือเมื่อ AI แนะนำรหัสการยกเลิกและแท็กหัวเรื่องของการโทร ตัวอย่างเช่น AI ตั้งชื่อการสนทนาว่า "หัวข้อ: บิล, หัวข้อย่อย: การคัดค้านเรื่องบิลสูง, ผลลัพธ์: เปิดบันทึกข้อโต้แย้ง, อารมณ์: โกรธ" แท็กเหล่านี้สร้างมูลค่ามหาศาลในอนาคต: ผู้จัดการตอบคำถาม "หัวข้อใดได้รับคำขอมากที่สุดในเดือนนี้" และ "หัวข้อใดมีอัตราวิธีแก้ปัญหาต่ำที่สุด" ในไม่กี่วินาที แต่เพื่อให้แท็กทำงานได้ พวกมันจำเป็นต้องมีคำศัพท์ของแท็กที่สอดคล้องกัน (อนุกรมวิธาน - รายการหมวดหมู่ที่กำหนดไว้ล่วงหน้า จำกัด และชัดเจน) หากบอทสร้างป้ายกำกับฟรี ป้ายกำกับที่แตกต่างกันสามป้าย เช่น "ใบแจ้งหนี้" "การเรียกเก็บเงิน" "ปัญหาใบแจ้งหนี้" จะปรากฏขึ้น และการวิเคราะห์จะหยุดชะงัก

ตารางต่อไปนี้เปรียบเทียบการตกแต่งแบบแมนนวลและแบบใช้ AI:

ขนาด

มานูเอล (ตัวแทนนักเขียน)

ขับเคลื่อนด้วย AI (การอนุมัติตัวแทน)

ระยะเวลา (ต่อการโทร)

90-150 วินาที

15-30 วินาที

ความสม่ำเสมอ

แตกต่างกันไปขึ้นอยู่กับแต่ละบุคคล

สูง ขึ้นอยู่กับพจนานุกรม

ความสมบูรณ์

ตกอยู่ในความเหนื่อยล้า

มีเสถียรภาพ

คุณภาพฉลาก

อิสระ วุ่นวาย

อนุกรมวิธานคงที่

ความเสี่ยง

การสูญเสียเวลาความไม่สอดคล้องกัน

สรุปไม่ถูกต้อง (ต้องตรวจสอบ)

เคล็ดลับ: ก่อนที่จะไปสู่การติดแท็กอัตโนมัติ อย่าลืมกำหนดอนุกรมวิธาน (รายการแท็กปิด) การบอก AI ว่า "เลือกสิ่งที่เหมาะสมจาก 20 แท็กเหล่านี้" มีความน่าเชื่อถือมากกว่าการพูดว่า "แท็กหัวข้อ" มาก

ทีละขั้นตอน: การตั้งค่าฟีด

1. เตรียมแหล่งที่มา: รับข้อความของการสนทนา (การถอดเสียง ASR ในการโทรด้วยเสียง, ข้อความกระป๋องในการแชท) ปิดบังข้อมูลส่วนบุคคล/บัตรก่อน (รายละเอียดในหน่วยถัดไป)
2. ให้อนุกรมวิธาน: มอบรายการรหัสการยุติและแท็กหัวข้อที่ถูกต้องให้กับโมเดล ห้ามเขาออกไปข้างนอก
3. ขอผลลัพธ์ที่มีโครงสร้าง: ขอผลลัพธ์ที่กรอกข้อมูล (เหตุผล การกระทำ ผลลัพธ์ การติดตาม แท็ก อารมณ์) แทนที่จะเป็นย่อหน้าอิสระ จึงสามารถเขียนลงระบบได้อัตโนมัติ
4. การอนุมัติของตัวแทน: สรุปและป้ายกำกับปรากฏบนหน้าจอของตัวแทน ให้ตัวแทนอ่าน แก้ไข และอนุมัติภายใน 10-20 วินาที ห้ามบันทึกโดยไม่ได้รับการอนุมัติ
5. ข้อคิดเห็น: รวบรวมการแก้ไขที่ทำโดยตัวแทน และปรับปรุงอนุกรมวิธานและพร้อมท์

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) สรุปการโทรที่มีโครงสร้าง:

สรุปสำเนาบทสัมภาษณ์ลูกค้าที่ไม่ระบุชื่อ (ไม่มีชื่อ/บัตร) ต่อไปนี้ ใช้เฉพาะสิ่งที่อยู่ในทรานสคริปต์เท่านั้น เพิ่มการเดา/การแต่ง รูปแบบผลลัพธ์:- เหตุผลในการค้นหา (1 ประโยค):- สิ่งที่ทำไปแล้ว (ทีละรายการ):- ผลลัพธ์ (แก้ไขแล้ว / บางส่วน / ยังไม่ได้รับการแก้ไข):- สัญญา / ความมุ่งมั่น (ถ้ามี คำต่อคำ):- งานที่จะติดตาม (ถ้ามี): สัมภาษณ์: <<ถอดรหัส>>

2) การแท็กตามอนุกรมวิธาน:

แท็กการสนทนาต่อไปนี้เท่านั้นโดยการเลือกจากรายการเหล่านี้: เรื่อง: [ใบแจ้งหนี้, สินค้า, การส่งคืน, เทคนิค, การเป็นสมาชิก, การชำระเงิน, การร้องเรียน, อื่น ๆ ] ผลลัพธ์: [แก้ไขแล้ว, objection_opened, โอนแล้ว, follow_appointment, ยังไม่ได้แก้ไข] อารมณ์: [สงบ, พอใจ, โกรธ, กังวล] หากไม่เหมาะสมในรายการ ให้เลือก "อื่นๆ" / "ไม่ได้รับการแก้ไข"; กำลังสร้างแท็กใหม่ JSON เอาท์พุต: {"topic", "result", "emotion" ""} การสนทนา: <<transcription>>

3) คำแนะนำขั้นตอนถัดไป / ติดตามผล:

สร้างคำแนะนำ "ขั้นตอนต่อไป" สำหรับตัวแทนตามการสนทนาต่อไปนี้ ขึ้นอยู่กับความมุ่งมั่นและการเปิดงานในข้อความเท่านั้น ผลลัพธ์: (1) งานที่ต้องทำ (2) กำหนดเวลา (หากมีอยู่ในข้อความ) (3) การแนะนำหน่วยงานที่รับผิดชอบ หากไม่มีข้อผูกมัด ให้เขียนว่า "ไม่จำเป็นต้องติดตามผล" บทสัมภาษณ์: <<transcription>>

4) การควบคุมคุณภาพ/ความไม่สอดคล้อง:

เปรียบเทียบบทสรุปของตัวแทนด้านล่างกับสำเนาบทสัมภาษณ์ มีข้อมูลสรุปที่ไม่มีในการสัมภาษณ์(จัดทำขึ้น)มั้ย? มีข้อมูลสำคัญใดบ้างที่อยู่ในการสัมภาษณ์แต่ขาดหายไปจากสรุป? ทำเครื่องหมายสัญลักษณ์แสดงหัวข้อย่อยทั้งสอง อย่าเพิ่มความคิดเห็น เพียงแค่เปรียบเทียบ สรุป: <<สรุป>> สัมภาษณ์: <<ถอดความ>>

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

สรุปและติดป้ายกำกับการสนทนานี้

คลุมเครือ: ไม่มีการจัดรูปแบบ, ไม่มีอนุกรมวิธาน, ไม่มีการห้ามการปลอมแปลง, ไม่มีการเปิดเผยตัวตน ผลลัพธ์ที่ได้หลวมและยุ่งเหยิง และป้ายกำกับปรากฏไม่สอดคล้องกัน

พรอมต์อันทรงพลัง:

สรุปการสนทนาแบบไม่ระบุชื่อด้านล่าง รูปแบบ: เหตุผล / การกระทำ / ผลลัพธ์ / ความมุ่งมั่น / การติดตามผล เลือกแท็กเท่านั้นจากรายการต่อไปนี้: subject=[ใบแจ้งหนี้ การจัดส่ง การส่งคืน เทคนิค การร้องเรียน อื่นๆ] ผลลัพธ์=[แก้ไขแล้ว โอน ยังไม่ได้แก้ไข] อย่าเพิ่มข้อมูลใดๆ ที่ไม่ได้อยู่ในข้อความ โอนคำมั่นสัญญาทุกคำ บทสัมภาษณ์: <<transcription>>

ความแตกต่าง: รูปแบบ อนุกรมวิธาน การห้ามการปลอมแปลง และการไม่เปิดเผยตัวตนมีความชัดเจน

มินิเคสสามอัน

กรณีที่ 1 — การประหยัดเวลา ทีมงานรับสายของบริษัทขนส่งสินค้าจำนวน 120 คนใช้เวลาสรุปโดยเฉลี่ย 110 วินาทีต่อการโทรหนึ่งครั้ง เมื่อเปิดใช้งาน AI สรุป + ร่างป้ายกำกับ เวลานี้ลดลงเหลือ 25 วินาที ผู้ติดต่อ 120 รายต่อวัน × การโทร 60 ครั้ง × 85 วินาทีที่บันทึกไว้ ประมาณ ~170 ชั่วโมงต่อวัน เช่น ~21 กะเต็ม ความสามารถนี้ถูกเปลี่ยนเพื่อลดระยะเวลารอคอยและงานที่ยากขึ้น

กรณีที่ 2 — กับดักสรุปที่วางแผนไว้ ที่ศูนย์ประกันภัยแห่งหนึ่ง AI เขียนสัญญาว่า "ลูกค้าสัญญาว่าจะคืนสินค้าภายใน 3 วันทำการ" แม้จะไม่เคยกล่าวถึงในการสนทนาก็ตาม (แบบจำลอง "คาดการณ์" จากการสนทนาที่คล้ายกัน) เมื่อตัวแทนส่งไปโดยไม่ได้รับการอนุมัติ ลูกค้าจะเตือนเขาถึงคำสัญญานี้ วิธีแก้ไข: กำหนดให้ขั้นตอน "4) คุณภาพ/ความไม่สอดคล้องกัน" เป็นข้อบังคับ และต้องได้รับอนุมัติจากผู้รับมอบสิทธิ์ หลังจากนั้น อัตราของข้อผูกพันที่ประดิษฐ์ขึ้นลดลงจนใกล้ศูนย์

กรณีที่ 3 — ป้ายกำกับความสับสนวุ่นวาย นับตั้งแต่แท็กถูกเผยแพร่ในธนาคาร แท็กหัวเรื่องที่แตกต่างกัน 340 แท็กถูกสร้างขึ้นใน 6 เดือน ("บัตร", "บัตรเครดิต", "kk", "ปัญหาบัตร"...) รายงานการจัดการไม่มีความหมาย เมื่อมีการกำหนดอนุกรมวิธาน 22 รายการแบบปิดและ AI ถูกบังคับให้ใช้ รายงานก็มีความหมาย และ "หัวข้อ 5 อันดับแรก" ก็ปรากฏว่ามีความน่าเชื่อถือเป็นครั้งแรก

ข้อผิดพลาดทั่วไป

• การแท็กโดยไม่มีอนุกรมวิธาน การติดฉลากฟรีเปลี่ยนการวิเคราะห์ให้กลายเป็นขยะ ใช้รายการปิดเสมอ
• ผ่านการอนุมัติของผู้รับมอบสิทธิ์ การพิมพ์สรุปและฉลากลงในระบบโดยตรงจะเปลี่ยนข้อมูลที่ประดิษฐ์ขึ้นเป็นบันทึกถาวร
• การย้ายข้อมูลส่วนบุคคลไปยังสรุป ไม่ควรเก็บชื่อ บัตรประจำตัว บัตร และที่อยู่ไว้ในสรุป บทคัดย่อจะต้องไม่ระบุชื่อ
• สรุปยาวเกิน.. การถอดเสียงบทสนทนาไม่ได้ช่วยให้การสรุปบทสนทนาเร็วขึ้น มุ่งหมายให้สรุปโดยกระชับและตรงประเด็น
• การตีความความมุ่งมั่น AI ควรถ่ายทอดส่วนสัญญา/ข้อผูกพันแบบคำต่อคำโดยไม่ต้องแสดงความคิดเห็น การอนุมานเช่น "อาจจะสัญญาไว้" เป็นสิ่งที่อันตราย

ข้อควรระวัง: การสรุปอัตโนมัติไม่ได้ช่วยลดความรับผิดของตัวแทน มันเร่งความเร็วขึ้น แต่ละบันทึกที่เข้าสู่ระบบเป็นความรับผิดชอบของตัวแทนที่อนุมัติ การบันทึกอัตโนมัติโดยไม่ได้รับการอนุมัติ = นาทีที่ไม่ได้ลงนาม

โดยสรุป

สรุปการโทรและการติดแท็กอัตโนมัติเป็นหนึ่งในแอปพลิเคชัน AI ที่ให้ผลตอบแทนสูงสุด ซึ่งช่วยลดงานดูแลระบบ (สรุป) ที่ใช้เวลามากที่สุดของตัวแทนเหลือเพียงไม่กี่วินาที ความสำเร็จขึ้นอยู่กับสามสิ่ง: รูปแบบการสรุปที่มีโครงสร้างและรัดกุม อนุกรมวิธานแท็กปิด และการอนุมัติของผู้ได้รับมอบหมาย เปรียบเทียบบทสรุปที่ AI จัดทำขึ้นกับข้อความต้นฉบับเพื่อกำจัดข้อมูลที่สร้างขึ้น ไม่รวมข้อมูลส่วนบุคคลในการสรุป และถ่ายโอนข้อผูกพันโดยไม่มีความคิดเห็น เมื่อตั้งค่าอย่างถูกต้อง จะช่วยประหยัดเวลาได้มากและเพิ่มคุณภาพการบันทึกและการรายงาน

งานสมัคร

ออกแบบอนุกรมวิธานการปิดบัญชีแบบปิด 15-20 รายการ (หัวข้อ + ผลลัพธ์ + อารมณ์) สำหรับอุตสาหกรรมของคุณ จากนั้นนำสำเนาบทสัมภาษณ์ลูกค้าสมมติหรือนิรนาม ใช้เทมเพลต "1) สรุปแบบมีโครงสร้าง" และ "2) การแท็กตามอนุกรมวิธาน" สุดท้าย ให้ตรวจสอบสรุปด้วยเทมเพลต “4) คุณภาพ/ความไม่สอดคล้องกัน” และรายงานข้อมูลที่มีการปลอมแปลง/ขาดหายไป

รายการตรวจสอบ

• [ ] ฉันกำหนดการสิ้นสุดแบบปิด/อนุกรมวิธานหัวข้อ และบังคับให้ AI ทำสิ่งนั้น
• [ ] บทสรุปของฉันสั้น ตรงประเด็น (เหตุผล/การกระทำ/ผลลัพธ์/ความมุ่งมั่น/การติดตามผล) และสอดคล้องกัน
• [ ] สรุปและแท็กแต่ละรายการต้องได้รับการอนุมัติจากตัวแทนก่อนที่จะเขียนลงในระบบ
• [ ] ไม่มีการเก็บข้อมูลส่วนบุคคล/บัตรไว้ในสรุปและป้ายกำกับ (ไม่ระบุชื่อ)
• [ ] ฉันเปรียบเทียบบทสรุป AI กับข้อความต้นฉบับ และกำจัดข้อมูลปลอมออกไป
• [ ] ข้อผูกพันจะถูกยกมาเป็นคำต่อคำโดยไม่มีการตีความ