Verifizierte KI-Zusammenfassung ◀▼
Um den QA-Prozess zu verbessern, heben Spotlight-Insights automatisch wichtige Interaktionen hervor, die für die Überprüfung relevant sind. Dabei werden vordefinierte Insights wie Ausreißer, Abwanderungsrisiko und herausragender Service verwendet. Dieses Tool analysiert Konversationen und kennzeichnet sie mit Leistungssymbol, um Verbesserungsmöglichkeiten zu identifizieren. Sie können über den Bereich „Feedback“ auf Insights zugreifen, um Kundeninteraktionen schnell zu bewerten und zu bearbeiten und so die Reaktionsfähigkeit und Servicequalität Ihres Teams zu verbessern.
Neben dem automatischen Scoring bestimmter Kategorien in Scorecards können Sie auch Spotlight-Insights nutzen, um den Qualitätssicherungsprozess noch weiter zu optimieren.
In diesem Beitrag werden folgende Themen behandelt:
- Überblick über Spotlight-Insights
- Überblick über die vordefinierten Spotlight-Insights
- Überblick über die Symbole zur Kennzeichnung der Leistung von Spotlight-Insights
Verwandte Beiträge
Überblick über Spotlight-Insights
Spotlight ist ein Discovery-Tool in Zendesk QA, das Ihren Bewertungsprozess verbessert und beschleunigt, indem es wertvolle Lern- und Verbesserungsmöglichkeiten aufzeigt. Es analysiert alle Teaminteraktionen und zeigt automatisch neu synchronisierte, geschlossene Konversationen an, die bestimmte Schlüsselwörter oder Phrasen enthalten. Außerdem bietet Spotlight eine Reihe vordefinierter Insights, mit deren Hilfe Sie bestimmte Ereignisse oder Signale identifizieren können, die Sie weiter analysieren sollten.
Bevor Sie sich mit den ausführlichen Informationen in diesem Beitrag beschäftigen, können Sie sich anhand dieses Videos einen allgemeinen Überblick über Spotlight verschaffen.
Überblick über die vordefinierten Spotlight-Insights
Spotlight bietet eine Reihe vordefinierter Insights, mit deren Hilfe Sie bestimmte Ereignisse oder Signale identifizieren können, die Sie weiter analysieren sollten. Einige von ihnen funktionieren nur, wenn die LLM-basierte AutoQA aktiviert ist.
| Name des Spotlight-Insight | Beschreibung | LLM-basierte AutoQA erforderlich? |
| Ausreißer | Dieses Insight bietet das größte Lernpotenzial, da mit nur einem Klick besonders dringend zu überprüfende Konversationen angezeigt werden können. Es schlägt ungewöhnliche oder für das Team untypische Interaktionen automatisch zur Prüfung vor. In mehr als 100 Sprachen verfügbar. Dieses Insight kennzeichnet Konversationen, die folgende Kriterien erfüllen:
|
Nein |
| Abwanderungsrisiko | Dieses Insight zeigt Konversationen auf, in denen der Kunde besondere Frustration erkennen lässt. Es erkennt Fälle, in denen der Kunde davon spricht, sein Abonnement zu kündigen oder zur Konkurrenz zu wechseln. Dieses Insight ist in allen Sprachen verfügbar, die von OpenAI unterstützt werden, aktuell mehr als 100. |
Ja |
| Eskalation | Dieses Insight kennzeichnet Konversationen, in denen der Kunde verlangt, mit einem Manager oder Vorgesetzten zu sprechen. Interne Eskalationsprozesse, die außerhalb der Konversation stattfinden, werden dabei nicht erfasst. Dieses Insight ist in allen Sprachen verfügbar, die von OpenAI unterstützt werden, aktuell mehr als 100. |
Ja |
| Folgeanfrage | Dieses Insight kennzeichnet Fälle, in denen ein Supportmitarbeiter versprochen hat, weitere Schritte zu unternehmen. Dabei wird nicht geprüft, ob diese Schritte sinnvoll sind, sondern nur, ob sie ausgeführt wurden. Dieses Insight ist in allen Sprachen verfügbar, die von OpenAI unterstützt werden, aktuell mehr als 100. |
Ja |
| Herausragender Service | Dieses Insight identifiziert Fälle, in denen ein Supportmitarbeiter besonders guten Service geleistet und der Kunde sich dafür bedankt hat. Dieses Insight ist in allen Sprachen verfügbar, die von OpenAI unterstützt werden, aktuell mehr als 100. |
Ja |
| Stimmung | Dieses Insight erkennt negative und positive Stimmungen in Konversationen, sodass Sie Unzufriedenheit oder Zufriedenheit erkennen und kritische Probleme beheben können. Die Untersuchung der Gefühlslage der Kunden bei der Interaktion mit Ihrem Supportteam mithilfe der Stimmungsanalyse ermöglicht Ihnen, die Empathiefähigkeit und den Konversationston Ihrer Agenten in schwierigen Situationen einzuschätzen. Dieses Insight ist derzeit für Englisch, Spanisch, Französisch, Deutsch, Polnisch, Italienisch, Niederländisch, Portugiesisch, Türkisch, Japanisch und Schwedisch verfügbar. |
Nein |
| SLA | Erkennt, ob die Service-Level-Vereinbarung (SLA), die die Reaktions- und Lösungszeiten Ihres Supportteams gegenüber Kunden festlegt und misst, verletzt wurde. | Nein |
| Effizienz der Bot-Kommunikation | Dieses Insight vergleicht die Konversationsführung Ihres Bots mit der des durchschnittlichen Agenten. Es liefert einen prozentualen Effizienzwert, der angibt, ob das Problem im Gespräch mit dem Bot schneller und mit weniger Fragen gelöst werden konnte als mit einem Menschen. Effizienzwerte unter 20 % werden nicht angezeigt. | Nein |
| Bot-Wiederholung | Dieses Insight zeigt Fälle auf, in denen der Bot dieselbe Nachricht an den Kunden in einer Schleife wiederholt. Die möglichen Filterwerte lauten „Erkannt“ und „Nicht erkannt“. | Nein |
| Gesprächspause (Voice) | Dieses Insight kennzeichnet Fälle, in denen der Abstand zwischen aufeinanderfolgenden Nachrichten einen festgelegten Schwellenwert überschreitet. Der branchenübliche Standardschwellenwert beträgt 30 Sekunden, es kann aber auch eine beliebige andere Dauer eingestellt werden. | Nein |
| Offenlegung der Aufzeichnung fehlt (Voice) | Dieses Insight erkennt, ob der Agent den Kunden darüber informiert hat, dass die Konversation aufgezeichnet wird. Es kann so angepasst werden, dass es auf bestimmte Konversationen angewendet wird. | Ja |
Überblick über die Symbole zur Kennzeichnung der Leistung von Spotlight-Insights
Spotlight-Insights sind im Abschnitt „Feedback“ einer Konversation verfügbar, unabhängig davon, ob Sie die über das Dashboard, die Konversationsansicht, die Zuweisungsansicht oder die Bewertungsansicht auf die Konversation zugreifen.
Die folgenden Symbole zeigen die Leistung für das jeweilige Spotlight an:
- Ein gelbes Ausrufezeichen (
) kennzeichnet negatives Feedback. - Ein graues Auge (
) kennzeichnet neutrales Feedback. - Ein grünes Smiley (
) kennzeichnet positives Feedback.