작업 자동화를 위한 AI 추천 사항 검토 및 구현하기

추가 기능

코파일럿

검증된 AI 요약 ◀▼

작업을 자동화하고 티켓 워크플로우를 최적화하기 위한 AI 기반 추천 사항을 살펴보세요. 티켓 의도, 감성, 언어 및 엔터티에 기반한 트리거, 자동 답장 및 미사용 비즈니스 규칙에 대한 추천 사항을 검토하세요. 자동 지원 설정을 개선하고 AI 생성 절차 초안을 검토하세요. 조치를 취하거나 추천을 해제하고 추천 보관에서 변경 내용을 추적하세요. 수동 작업을 줄이고 응답 대기 시간을 개선하여 효율성을 높이세요.

계정에서 코파일럿을 사용하기 시작하면 AI 기반 추천 목록이 제공되며 관리 센터, 관리 센터 홈 및 관련 관리 센터 페이지에서 매주 업데이트됩니다.

이러한 추천은 티켓의 의도, 감성, 언어 및 감지된 엔터티를 기반으로 트리거 및 자동 답장을 만들어 작업을 자동화하고 티켓 워크플로우를 최적화하는 방법에 대한 실행 가능한 안내는 물론 미사용 비즈니스 규칙 및 매크로를 검토하는 데 대한 안내를 제공합니다. 추천은 자동 지원 설정을 개선하는 데 대한 안내도 제공하며 검토하고 게시할 새 AI 생성 절차 초안이 있을 때 알려줍니다.

이 문서는 다음 섹션으로 구성되어 있습니다.

코파일럿 추천 사항 이해하기
추천 사항에 대한 조치 취하기
추천 보관 보기
추천 사항의 예

코파일럿 추천 사항 이해하기

코파일럿 추천 사항은 반복적인 작업을 자동화하는 기회를 적극적으로 파악하고, 통합 티켓 관리 워크플로우를 개선하고, 사용하지 않는 비즈니스 규칙를 정리하며, 필요에 맞게 Zendesk AI를 맞춤화합니다.

티켓 데이터에 따라 개인화된 추천 사항에는 다음이 포함될 수 있습니다.

티켓의 의도, 감성, 언어 및 감지된 엔터티를 기반으로 새로운 트리거 또는 업데이트된 트리거 및 자동 답장에 대한 추천 사항. 이러한 추천 사항을 보려면 계정에 지능형 분류를 사용 설정하고 구성해야 합니다.

자세한 내용은 아래의 추천 사항의 예를 참조하세요.
사용하지 않는 트리거, 자동화 및 매크로를 검토하기 위한 추천 사항.
이러한 추천 사항은 시간이 지남에 따라 축적되는 비즈니스 규칙 및 매크로를 관리하는 데 도움이 됩니다.
인계 비율이 높은 절차 검토에 대한 추천 사항을 포함하여 자동 지원 설정을 개선하기 위한 안내.
예를 들어, 상호작용의 42%에서 상담사가 인수한 절차가 있다고 가정해 보세요. 코파일럿이 절차를 검토할 것을 추천할 수 있습니다.
자동 지원 품질을 개선하고 절차를 작성하는 데 소모하는 시간을 줄이는 데 도움이 되는 절차 추천. 각 추천은 브랜드당 최대 3개의 AI 생성 절차 초안을 포함할 수 있습니다.

절차 추천은 상위 티켓 의도 또는 일반 고객 지원 문제, 기존의 관련 해결된 티켓 및 기존 지식 문서를 기반으로 합니다.

추천 사항을 구현하기 전에 다음과 같은 정보와 뒷받침하는 인사이트를 볼 수 있습니다.

추천이 수행할 작업
추천 트리거에는 상담사나 그룹으로 라우팅하거나, 티켓 유형, 우선 순위, 양식 또는 상태를 업데이트하는 작업이 포함될 수 있습니다. 추천 자동 답장에는 자동 응답을 보내기 위한 작업이 포함됩니다.
해결 시간을 개선하는 방법, 특정 티켓에 소요되는 시간을 줄이는 방법 또는 추천 사항이 상담사에게 어떻게 도움이 될 수 있는지에 대한 정보
특정 기간 동안 의도, 감성 또는 엔터티를 감지한 티켓 수, 그러한 티켓 중 특정 조치가 취해진 비율, 이 작업을 수동으로 수행하는 데 평균적으로 소요된 시간
비즈니스 규칙이나 매크로가 마지막으로 사용된 시간

추천 사항에 대한 조치를 취하고 싶다면 링크를 클릭하여 관련 페이지로 이동합니다.

추천에 대해 조치를 취하지 않기로 선택한 경우, 해제한 이유에 대한 피드백을 제공하면 시간이 지남에 따라 향후 추천 사항이 더욱 정확하고 유용해질 수 있습니다. 관련성이 없거나 이미 자동화되었거나 다른 논리가 필요한 추천은 무시하는 것이 좋습니다.

관리자는 계정에 어떤 추천이 구현되는지 항상 완벽하게 제어할 수 있습니다. 추천에 대한 모든 결정 및 작업은 승인을 받아야 합니다. 추천 사항 보관에서 수락 및 무시한 모든 추천 사항을 볼 수 있습니다.

추천 사항의 예

이 섹션의 예에서는 계정에서 볼 수 있는 다양한 유형의 추천을 설명합니다.

의도 기반 트리거 추천의 예

권장 작업	특정 티켓을 그룹: Support로 라우팅합니다.
예상되는 개선	해결 시간이 1시간 단축될 수 있습니다.
설명 및 근거	일부 의도가 있는 티켓은 동일한 상담사 그룹으로 라우팅되는 경향이 있습니다. 이 작업을 자동화하여 수동 분류를 줄이고 해결 시간을 단축하세요.
뒷받침하는 인사이트	167개의 티켓(88%)에 의도: 졸업식 날짜가 있습니다. 이러한 대부분의 티켓(16.7%)이 동일한 그룹: Support로 라우팅되었습니다. 각 티켓을 수동으로 라우팅하는 데는 평균 1시간 정도 소요되었습니다. 자동화를 통해 이를 줄일 수 있습니다.

의도 기반 자동 답장 추천의 예

권장 작업	의도: 거래 실패(4회 이상)
예상되는 개선	해결 시간이 1시간 단축될 수 있습니다.
설명 및 근거	일부 의도가 있는 티켓은 동일한 답장으로 답변되는 경향이 있습니다. 이 작업을 자동화하여 수동 작업을 줄이고 해결 시간을 단축하세요.
뒷받침하는 인사이트	167개의 티켓(88%)에 의도: 거래 실패, 배터리 충전 문제, 요금 고정 요청 수락됨, 직원 복리후생 등록 방법, 지각 양식 보내기가 있습니다. 이러한 대부분의 티켓(16.7%)이 동일한 답장으로 답변되었습니다. 각 티켓을 수동으로 라우팅하는 데는 평균 1시간 정도 소요되었습니다. 자동화를 통해 이를 줄일 수 있습니다.

감성 기반 추천의 예

권장 작업	부정적 감성 티켓에 대해 티켓 우선 순위를 자동으로 높음 또는 긴급으로 설정
예상되는 개선	상담사 응답 대기 시간을 단축하고 에스컬레이션 위험 감소
설명 및 근거	부정적 감성 티켓은 보통 긴급합니다. 티켓 우선 순위를 자동으로 높이면 이러한 사례를 바로 해결할 수 있습니다. 이는 고객 만족도를 개선하고 고객 이탈을 방지하는 방법입니다.
뒷받침하는 인사이트	지난 30일 동안 23개의 티켓(12%)에 부정적 감성이 배정되었습니다. 에스컬레이션의 28%는 이러한 티켓에 대한 응답이 지연되어 발생했습니다. 우선 순위를 수동으로 업데이트하는 데는 티켓당 평균 6시간 소요되었습니다. 자동화를 통해 이를 줄일 수 있습니다.

엔터티 기반 추천의 예

권장 작업	엔터티: 계정 오류에 대한 티켓 유형 변경
예상되는 개선	해결 시간이 1시간 단축될 수 있습니다.
설명 및 근거	일부 엔터티가 있는 티켓은 티켓 유형이 동일한 티켓 유형으로 변경되는 경향이 있습니다. 이 작업을 자동화하여 수동 분류를 줄이고 해결 시간을 단축하세요.
뒷받침하는 인사이트	167개의 티켓(88%)에 엔터티: 계정 오류가 있었습니다. 이러한 대부분의 티켓(16.7%)이 티켓 유형: 문제로 변경되었습니다. 각 티켓을 수동으로 분류하는 데는 평균 1시간 정도 소요되었습니다. 자동화를 통해 이를 줄일 수 있습니다.

언어 기반 추천의 예

권장 작업	특정 언어의 티켓을 그룹: 이베리아 지원 팀으로 라우팅
예상되는 개선	해결 시간이 54분 단축될 수 있습니다.
설명 및 근거	특정 언어의 티켓은 같은 그룹으로 라우팅되는 경향이 있습니다. 이 작업을 자동화하여 수동 분류를 줄이고 해결 시간을 단축하세요.
뒷받침하는 인사이트	4,370개의 티켓(10%)에 이 언어: 스페인어가 배정되었습니다. 이러한 대부분의 티켓(98%)이 동일한 그룹: 이베리아 지원 팀으로 라우팅되었습니다. 각 티켓을 수동으로 라우팅하는 데는 평균 54분 정도 소요되었습니다. 자동화를 통해 이를 줄일 수 있습니다.