分析智能分类结果并进行操作

Add-on

Copilot

智能分类是一项由人工智能提供技术支持的功能，可自动检测工单的内容（意向）、所用语言，以及客户消息是正面还是负面（其情绪）。您可以使用此信息自动将工单转发到合适的组，创建视图将类似类型的请求分组，并报告客户提交的工单类型的趋势。

智能分类会影响工单工作流程的不同领域，因此您可能不知道一开始到底从哪里开始。本文章讨论了收集、分析智能分类信息和对其进行操作的最佳实践。

有关智能分类的更多信息，请参阅智能分类资源。

本文章包含以下主题：

注意：在 Explore 中创建报告时，智能分类预测值仅以英语可用。但是，智能分类只能评估此处列出的语言内容。

收集智能分类数据

智能分类可以根据意图、语言或情绪自动识别和转接工单，对专员的工作流程产生重大影响，每张工单可节省 30 到 60 秒。

但是，在对分类或转接工作流程进行任何更改之前，准确了解智能分类如何对您帐户中的工单进行分类会很有帮助。了解帐户中的特定意向值和趋势将有助于您确定哪些工作流程更改最能改善专员和客户体验。

一般而言，我们建议从以下四个步骤开始：

几周后，智能分类应该已经扩充了足够多的工单，以便您决定要进行哪些操作。以下部分介绍了进行此分析时要考虑的其他一些要点。

首先，查看上面建立的报告，并审阅高和中等置信度工单。查找趋势，并决定是否要采取措施对其进行改进。

趋势	要考虑的操作
最受欢迎的意向和语言是什么？	确保您的专员接受过处理最常见请求类型的培训。创建知识库文章和其他自助服务资源，以处理简单的请求（如密码重置），并使用宏自动回复这些类型的工单。确保您的专员与您的客户使用相同的语言。
您是否可以将任何意向归为一组？	创建视图将类似意向分为一组，并将其转发给最适合处理这些意向的专员。
预测意向和语言是否与每张工单上的初始消息一致？	如果没有，请向 Zendesk 反馈，以便我们改进预测模型。您还可以报告意向已被专员手动更改的工单，这表明初始预测未达到要求。
客户情绪有什么趋势？特定产品或类别的负面情绪工单是否特别普遍？	如果您收到许多负面情绪工单，则可能需要为专员提供关于如何化解棘手情况的额外培训。如果某个产品或类别收到许多负面情绪工单，请调查该产品是否需要改进。

接下来，确定哪些指标对您的团队最重要。您想要提高CSAT评价、更一致地满足 SLA、缩短首次响应时间、减少组分配，还是其它？

首先以一两个指标或意向子集为目标，并考虑工作流程更改将如何改善整体体验。首先定位这些领域，以便从智能分类获得最大的影响。

趋势	要考虑的操作
紧急问题的首次回复时间短	创建一个触发器，提高具有某些意向的工单优先级，以便专员更快地处理工单。
特定语言的工单的CSAT较低	将特定语言的工单直接转接到精通该语言的专员。
关于某个主题的工单总是需要专员提供更多信息才能解决	将这些工单从正常的“工单已创建”触发器中排除，而是创建一个向客户发送消息的触发器，提示他们提供所需的信息。考虑更新您的工单表格，以收集原始工单的所需信息。

无论您决定进行什么更改，请记住这是一个迭代的过程。您将识别趋势，进行相应更改，跟踪这些更改的成功率，如此周而复始的变化。

以下是您在设计、实施和报告工作流程更改时需要考虑的一些问题：

将您所做的任何更改告知专员，以便他们提供关于更改的反馈（无论好坏）。

例如，考虑设置一个宏，在专员有反馈的地方标记工单，并加入一条内部注释，供其记录关于工作流程的反馈。

询问您的专员关于工单的特定痛点。如果有一组特定的意向比较复杂，那么大家可以集思广益，讨论如何调整您的工作流程，以改善专员和客户体验。

翻译免责声明：本文章使用自动翻译软件翻译，以便您了解基本内容。我们已采取合理措施提供准确翻译，但不保证翻译准确性

如对翻译准确性有任何疑问，请以文章的英语版本为准。