この記事では、Zendesk QAのさまざまなレビューダッシュボードカードを理解し、使用することで、エージェントのパフォーマンスを評価し、改善が必要な領域を特定する方法について説明します。
この記事では、次のトピックについて説明します。
評価カテゴリについて
評価カテゴリを設定する際、チームはカテゴリごとに異なる重み付けを使用します。重大なカテゴリは、合格または不合格のいずれかであるため0.05の重み付けを持ちます。「使用する評価カテゴリを決定」を参照してください。
カテゴリ別にスコアを計算する
スコアは、スキップされたカテゴリではなく、評価されたカテゴリに基づいて計算されるため、エージェントに対する可能な最高評価は常に100%です。
データの取得元
カテゴリ別スコアカードでは、エージェントごとのスコアをカテゴリ別に比較します。エージェントの会話の平均値ではなく、カテゴリの平均値を比較します。
各列は、特定のエージェントに対するカテゴリ評価の平均値を示します。「平均」列は、これらの平均値の合計値を計算します。レビューの評価数が必ずしも同じであるとは限らないため、差が生じます。
各レビュースコアについて
エージェントの正確な会話スコアを確認するには、「レビュー別スコア」ダッシュボードを使用します。
不合格カテゴリとは関係なく、エージェントのカテゴリスコアを調べる場合は、「カテゴリ別スコア」カードを使用します。
主な違いは、ネガティブな不合格カテゴリは、会話全体で不合格ではないという点です。これにより、不合格カテゴリで行ったエラーとは関係なく、エージェント全体でこれらのカテゴリを分析することができます。
各レビュースコアの例
例えば、以下のシナリオでは5つのカテゴリがあります。
エージェントAは次の評価を受けました。
このレビュースコアは次のように計算されます。
review_score = (cat1_score * cat1_weight + cat2_score * cat2_weight + ...) / (cat1_weight + cat2_weight + ...)
これは、以下のような意味になります。
review_score = (request_Score * 0.05 + clarification_score * 2 + explanation_score * 2 + writing_score * 0.5 + internal-data_score * 1) / (0.05 + 2 + 2 + 0.5 + 1) >> unless request_Score < 50%, then 0%
レビューダッシュボードでは、これらの数値は丸められます。
会話5のレビュースコアは0です。これは、不合格カテゴリが自動的にスコアを0を設定するためです。
これらの同じレビューをカテゴリスコアとしてまとめると、次のようなデータになります。
エージェントA：
「スコア」列には、エージェントAの評価されたすべてのカテゴリの平均スコアが表示されます。行の平均としてカウントされ、そのエージェントのカテゴリごとの平均スコアがカウントされました。
カテゴリ別の平均値は、会話別の平均値よりも改善の機会があることを明示しています。これは、あまり詳細なビューではありません。
IQSを計算する
IQS（社内品質スコア）は、会話レビューの結果です。レビューすべての平均は次の方法で計算されます。
IQS = (review1_score + review2_score + ….) / number of reviews
| レビュー | レビュースコア |
|---|---|
| 1 | 100.00% |
| 2 | 9.91% |
| 3 | 63.96% |
| 4 | 90.99% |
| 5 | 0% |
| IQS | 52.97% |
IQS = (100% + 9.91% + 63.96% + 90.99% + 0%) / 5 = 52.97%
カテゴリスコアを計算する
以下の表を参考に、カテゴリスコアの計算方法を理解してください。
CSATを計算する
以下を使用して、CSATの計算方法を理解してください。
スコアの正規化：
- バイナリスケール（または満足、不満）（100、0）
- 3点スケール（100、50、0）
- 4点スケール（100、66、33、0）
- 5点スケール（100、75、50、25、0）
- 正規化されたすべての回答の合計を、可能な最大正規化スコアの合計で除算します。
