Прибуток:
- Можливість трансформувати довгі та розрізнені запити клієнтів у структуровані, ефективні резюме
- Можливість класифікувати запити за категоріями, терміновістю та настроями клієнтів за фіксованою схемою
- Можливість визначити узгоджений вихідний формат (JSON/таблиця), придатний для автоматизації масової обробки заявок
Уявіть собі ранок служби підтримки: за ніч накопичилося 220 нових квитків (тикетів). Деякі з них — це один рядок «Я забув свій пароль», інші — гнівна скарга з трьох абзаців, а деякі — це справді можливість продажу. Перечитування цієї купи, віднесення кожного до правильної категорії, визначення терміновості та направлення до потрібної людини (це називається сортуванням; та сама логіка сортування пацієнтів за пріоритетністю у відділенні невідкладної допомоги) з’їдає перші дві години дня.
Штучний інтелект (ШІ) може виконувати цю роботу за лічені секунди та постійно. Але магія полягає не в тому, щоб сказати «підсумуйте цей запит»; Він накладає на модель фіксований список категорій, чіткі рівні терміновості та незмінний формат виводу. У цьому розділі ми створимо систему сортування, яка переходить від обробки одного запиту до маркування сотень запитів у автоматизований спосіб.
Примітка. Мітки категорії та терміновості, створені ШІ, є інструментом попереднього відбору. Зокрема, запити з позначками «терміново» та «скарга» мають бути підтверджені людиною перед обробкою.
Чому структуроване резюме?
Безкоштовне резюме («у клієнта виникають проблеми з відправленням») неможливо шукати, сортувати чи автоматизувати. Однак потреба в менеджері підтримки зрозуміла з наступних питань:
- До якої категорії відноситься цей запит? (Доставка, повернення, оплата, технічна інформація, інформація про продукт, скарга, можливість продажу)
- Наскільки це терміново? (Критичний / Високий / Середній / Низький)
- Який емоційний стан клієнта? (Злий / Розчарований / Нейтральний / Задоволений)
- У чому його однореченнєва суть?
- Що має бути наступним кроком?
Після того, як ви заздалегідь визначите ці запитання та передасте їх моделі як схему (постійні поля та можливі значення), усі 220 запитів стануть порівнюваними та фільтрованими в одному форматі.
Крок за кроком: створення схеми сортування
- Закріпіть список категорій. Не дозволяйте моделі підходити; Наведіть закритий список.
- Визначте критерій терміновості. Конкретизуйте, що означає «критичне»: послуга повністю зупинена, втрата платежів, ризик безпеки.
- Визначте ярлики емоцій. Використовуйте обмежений і чіткий набір.
- Імпорт вихідного формату. Для пакетної обробки підходить JSON (машиночитаний формат даних, що складається з пар «поле-значення»), для одного запиту — таблиця.
- Поставте галочку, якщо не впевнені. Якщо модель не впевнена щодо категорії, нехай вона скаже «невпевнено», і людина подивиться.
- Підтвердити. У першій партії вручну перевірте точність міток і встановіть підказку.
Підказки, які можна копіювати
Базовий запит, який перетворює один запит на структурований підсумок:
Посада: Ви досвідчений фахівець із сортування. Проаналізуйте запит клієнта нижче. Додати коментар; просто покладайтеся на те, що міститься в тексті. Заповніть наступні поля:- резюме: (максимум 1 речення)- категорія: [Доставка | Повернення | Оплата | Технічні | Інформація про продукт | Скарга | Sales Opportunity] - терміновість: [Critical | Високий | Середній | Low]- емоція: [Angry | Розчарування | Нейтральний | Задоволений]- наступний_крок: (одне речення, конкретна дія)- не впевнений: ("так", якщо категорія/терміновість незрозуміла, інакше "ні") Запит:"""{{ request_text }}"""
Для пакетної обробки підказка перетворює кілька запитів у масив JSON одночасно:
Обробити пронумеровані нижче запити. Згенеруйте об’єкт JSON для кожного з наведеною нижче схемою та поверніть їх усі як масив JSON. Вихід за межі схеми: { "id": "", "summary": "", "category": "", "urency": "", "emotion": "", "next_step": "", "I'm not sure": "" }Лише категорії: Доставка, Повернення, Оплата, Технічна інформація, Інформація про продукт, Скарга, Можливість продажу. Запити: {{ numbered_request_list }}
Підказка, яка пояснює критерій терміновості та вчить модель визначення «Критичного»:
Визначте терміновість згідно з таким правилом:- Критична: послуга повністю недоступна, втрата платежу, загроза безпеці/даним, юридична загроза.- Висока: важлива функція не працює, але існує обхідний шлях; розгніваний клієнт.- Середній: окрема проблема, робочий процес не зупиняється.- Низький: запит інформації, пропозиція, загальне запитання. Напишіть причину свого рішення одним реченням у полі "urency_reason".
Підказка, яка фіксує можливість продажу та встановлює зв’язок підтримки/продажу:
Під час обробки запиту, якщо клієнт виявляє зацікавленість у придбанні нового продукту/пакета/доповнення (наприклад, «чи є у вас пакет більшого розміру», «скільки користувачів потрібно»), створіть категорію «Можливість продажу» та додайте підказку для відділу продажів у полі «sales_note» з одного речення.
Слабка підказка / Сильна підказка
Слабка підказка
Потужна підказка
«Узагальніть і класифікуйте цей запит»
Закритий список категорій + визначення терміновості + виправлена схема JSON
Щоразу створює різні мітки
Завжди дає ту саму мітку тому самому запиту
Він використовує слово «терміново» відповідно до власного бажання.
Застосовує конкретні критерії для "критичного"
Він вигадує невизначене
emin_degilim: скажіть так і залиште це людині
Узгодженість тут є золотим правилом: якщо та сама скарга не підпадає під ту саму категорію в два різні дні, жодні звіти та автоматизація не будуть надійними.
Три міні-чохли
Випадок 1 — Конфіденційний критик. У компанії SaaS (програмне забезпечення, орендоване через Інтернет) повідомлення «Я не можу увійти, вся команда чекає 40 людей» здавалося звичайним, оскільки воно було коротким. Підказка сортування позначила його як «Критичний» завдяки правилу терміновості (критерії «служба повністю недоступна»). Заявка була оброблена за 6 хвилин замість очікування 2 години в черзі; попереджено порушення SLA (угоди про рівень обслуговування, тобто обіцяного часу відповіді).
Випадок 2 — Пріоритезація гніву. Одного разу, коли досліджували теги AI 180 запитів, було видно, що 14 запитів з емоцією «Злий» були поставлені в окрему чергу. Ці запити були спрямовані до досвідчених представників, і негативна оцінка опитування (CSAT, тобто оцінка задоволеності клієнтів) того тижня значно покращилася порівняно з попереднім тижнем.
Кейс 3 — Міст від підтримки до продажів. «Мій поточний пакет розрахований на 5 користувачів, мені потрібно збільшити його до 20 осіб, чи можливо це?» AI позначив повідомлення як «Можливість продажу» та додав примітку про продаж. Запит автоматично потрапляє до відділу продажів; Можливість збільшення продажів, яка залишилася б непоміченою, якби вона була втрачена в стандартній черзі підтримки, стала надбанням.
Порада. Зберігайте список категорій якомога коротшим і дискретнішим. 20 категорій заплутають модель (і вашу команду); 6-8 чітких категорій позначаються більш узгоджено та є значущими у звітах. Об’єднайте дві категорії, які часто плутають.
Підключення до автоматизації
Справжня потужність структурованого виводу JSON полягає в тому, що він автоматично переходить до наступного кроку: запит із позначкою «Критичний» негайно сповіщає менеджера, «Можливість продажів» потрапляє в CRM (програмне забезпечення для керування взаємовідносинами з клієнтами), «Повернення» переходить у потік самообслуговування. Але перше правило автоматизації: дії з високим ступенем впливу (повернення коштів, закриття рахунку) ніколи не запускаються лише на основі тегу AI; Іноді є людське схвалення.
Застереження: Аналіз настрою є прогнозом, а не точним вимірюванням. Клієнт, якого модель називає «нейтральним», насправді може бути дуже злим. Використовуйте тег емоцій, щоб визначити пріоритети; але не покладайтеся лише на нього, щоб зробити остаточні висновки на кшталт «цей клієнт уже задоволений».
Поширені помилки
- Залишення списку категорій моделі; щоразу отримувати різні, несумісні мітки.
- Залишення відносного слова, як-от «терміново», невизначеним; Прохання всіх термінове.
- Не фіксується вихідний формат; Іноді замість JSON з’являється абзац, іноді список.
- Не передбачено вихідних дверей для невизначеності (я не впевнений).
- Пов’язування серйозних транзакцій (повернення коштів, закриття рахунку) з тегом AI без схвалення людини.
- Автоматизація всього потоку без ручної перевірки першої партії.
Підсумовуючи
- Сортування швидко сортує купу вхідних запитів за категоріями, терміновістю та емоційністю.
- Ключ до послідовності: закритий список категорій, конкретне визначення терміновості та фіксований вихідний формат (JSON).
- Мітки терміновості та емоційності прискорюють визначення пріоритетів; Він висуває критичні та гнівні вимоги.
- Структурований вихід можна безпосередньо пов’язати з автоматизацією (сповіщення, маршрутизація, CRM).
- Ефективні дії та неоднозначні позначки завжди повинні перевірятися людиною.
Аплікаційне завдання
Пакетно обробіть 5 різних ваших запитів клієнтів (або зразків) за допомогою підказки масиву JSON вище. Потім вручну перевірте вихідні дані: (1) Чи правильна кожна категорія? (2) Чи ті, які позначені як «критичні», справді зупиняють службу? (3) Я впевнений, що сказав «так» у потрібних місцях? Виправте всі теги, які не підходять, і відповідно оновіть підказку (особливо визначення категорій і правило терміновості). Ця вправа формує звичку калібрувати схему відповідно до вашої власної реальності.
контрольний список
- [ ] Я визначив закритий та дискретний список категорій.
- [ ] Я описав рівні невідкладності з конкретними заходами.
- [ ] Я виправив вихідний формат (JSON/таблиця).
- [ ] Я додав двері виходу для невизначеності (I'm_unsure).
- [ ] Я вручну перевірив першу партію та відкалібрував підказку.
- [ ] Я схвалюю людину діями, які мають велике значення.