已验证人工智能概要 ◀▼
Explore人工智能见解提示可创建用于质量自动评分和风险检测的自定义提示，以改进专员业绩评估。请注意提示的清晰性和客观性，避免使用主观语言。使用时间、标签和渠道等元数据标准优化评估。定义清晰的评估结果，以确保评分的一致性，符合您的既定标准。
Zendesk QA 基于提示的人工智能见解采用最新的人工智能模型，让您可以通过自然语言自定义人工智能提示，用于质量自动评分和风险检测。
除了使用或编辑 人工智能见解提示库中的提示之外，您还可以 创建自己的人工智能自定义提示类别 和 聚焦。
通过遵循这些指南，评估人员可以有效地利用生成式人工智能来评估客户支持专员的业绩，确保其清晰、一致，并高度关注服务质量。
本文章包含以下主题：
相关文章
使用Zendesk 质量保证人工智能提示的合规建议
Zendesk人工智能建立在我们隐私、安全、准确性、透明度和客户控制的基本原则之上。请参阅 Zendesk 的人工智能 Trust。
Zendesk 的合规和配置建议并非法律建议。您作为用户，应自行负责确保您与系统的互动是公平、相互尊重的，没有歧视或贬损性的语言，并且适合您的目的——包括在使用 Zendesk 提示库中的提示时。
建议您在所有通讯中使用礼貌的语气，在创建提示和实施输出时考虑合理使用，并务必验证提示是否适合您的特定用例。
自定义提示和任何其他Zendesk 质量保证人工智能提示不应用于进行自动决策，尤其是与就业或《欧盟人工智能法案》定义的其他高风险情况相关的决策。请注意，Zendesk 对系统误用造成的后果不承担任何责任。
撰写人工智能见解的提示
建议您的提示保持简洁，每次只关注一个类别和聚光灯。例如，避免在同一个提示中结合使用同理心和语法等主题。而是为每个类别创建单独的提示。此方法有助于模型更准确地评估每个提示，因为很难确定评价是适用于同理心、语法还是两者。
这些提示旨在使用生成式人工智能根据服务质量评估客户支持专员的业绩。因此，请确保生成响应时无需第三方应用程序或内部文档的验证，因为人工智能模型无法访问这些来源。
客观撰写类别和焦点描述，避免使用主观语言和措辞。主观描述可能导致评价不一致且不可衡量。
在 撰写条件包含元数据（例如与工单相关的时间、工单标签、渠道、内部注释等）的提示时要具体。
以下是您应使用的主观表述示例以及其客观替代表述：
| 而不是 | 使用 |
| 友好 | “表现得有礼貌”或“使用礼貌用语” |
| 专注 | 已回应客户问询”或“已解决客户需求” |
| 有帮助 | “已提供相关信息”或“已解决出现的问题” |
| 专业 | "保持正式的语气" |
| 有信心 | “已提供清晰的解释” |
| 有礼貌 | “使用了礼貌用语”或“适当地向客户致谢” |
| 含糊副词和形容词（即 非常、 真的、 绝对、 有点） | 副词和形容词通常可以省略，但在使用时应具有针对性和可衡量性。 |
除了使用目标描述之外，评估还应仅基于对话文本。确保您清楚地定义了每次评估的评价标准。例如：
-
使用特定的标准。关注专员的特定行为或操作，而不是一般的感受或印象。
- 而不是：专员是否友好？
- 使用：专员是否使用礼貌的语言、保持正式的语气并适当地向客户致意？
-
清晰定义期望。根据每项标准概述业绩满意度的构成，以尽量减少主观性。
- 而不是：专员沟通是否良好？
- 使用：专员是否使用礼貌用语，避免使用贬义词和俚语？如果专员未满足所有三个标准，则给予负面评价。如果他们避免使用贬义词和俚语，而是使用礼貌用语，则给予正面评价。
-
使用一致的术语。所有的评价描述使用统一的语言。始终如一地使用单个术语。
- 而不是：使用各种术语，例如“同事”、“员工”、“代表”、“专员”和“同事”
- 使用：“agent”
-
-
而不是：“成员”、“来电人”、“来客”和“订阅者”
Use：“customer”
-
而不是：“成员”、“来电人”、“来客”和“订阅者”
-
请勿使用首字母缩略词和缩写词。
- 而不是：专员是否已确认客户的出生日期？
- 使用：专员是否已确认客户的出生日期？
- 除非必要，否则请勿使用双引号。仅在引用专员或客户所说的内容时才使用双引号。这种方法可以对意向或情绪进行更广泛的评估，而不会限制对特定措辞的评估。
-
- 而不是：”专员是否说“祝您度过愉快的一天？”"
- 使用：专员祝客户度过愉快。
-
请提供可接受和不可接受回复的示例 ，以指导评价者进行评估。当问题需要特定业务术语的知识时，请在说明中明确定义这些术语。
- 而不是：“专员在其问候语中必须提及部门名称。”
- 使用：“专员在问候语中必须提及以下列表中的一个部门名称。”（提供可接受的部门名称列表。）
-
请明确您的评价条件。明确说明评价是必须满足所有所述条件，还是仅满足部分条件即可。这种清晰可提高评分的一致性和可靠性。
- 而不是：专员是否已确认客户的预订号码和姓名？
- 使用：专员是否已确认客户的预订号码或姓名？
- 使用：专员是否已确认客户的预订号码和姓名？两者都必须得到确认。
- 用肯定而不是否定的语言写下您的评价标准。这种积极的框架可以使评估更清晰、更有效。
-
- 而不是：专员未使用贬义词。
- 使用：专员使用了礼貌且尊重的语言。
带有元数据的提示
当撰写条件包含元数据（例如工单相关时间、工单标签、渠道、内部注释等）的提示时，请遵循以下指南：
- 具体描述您对什么时间感兴趣。
- 而不是：及时使用通用术语，如“正确时间”或“及时”。”
- 使用：专员是否在 2 分钟内回复了客户的初始消息？
- 不要使用复杂的时间公式。
- 而不是：发送消息之间的时间总和应小于 10 分钟。
- 使用：对话从开始到解决持续的时间是否超过 10 分钟？
- 不要依赖时区信息。
- 而不是：如果客户在相同的时区，则将在 30 分钟内回复。
- 使用：在整个对话过程中，专员是否在 30 秒内回复了每条客户消息？
- 请具体说明您感兴趣的渠道。
- 而不是：使用“正确渠道”或“最受欢迎的渠道”等通用术语。”
- 使用：如果渠道是电邮，专员在处理帐户更改之前是否请求额外验证？
- 使用：如果渠道是在线交谈，专员是否提议将复杂的技术问题升级为电话通话？
- 使用：如果是电话渠道，专员在发送文档之前是否口头确认了客户的电邮地址？
- 请具体说明您感兴趣的注释。使用“内部注释”、“非公开消息”等词语。默认情况下，模型无法访问对话以外的注释。如果您的程序需要在服务台以外访问注释，我们无法分析该信息。
- 而不是：在对话之外询问注释，例如“专员是否创建了Jira工单？”
- 使用：如果有升级，专员是否在内部注释中进行了记录？
- 使用：专员是否在内部注释中记录了客户的首选回拨时间？
- 使用：专员是否记录了非公开消息中使用的解决方法，以供将来参考？
- 具体说明您感兴趣的工单标签。最好不要太长，并列出所有工单标签，例如“我们使用标签“abc”、“def”和“ghi”。专员是否使用了这些工单标签？”
- 而不是：使用“正确标签”等通用术语。
- 使用：升级客户问题时，专员是否使用了“escalated_to_ticket”标签？
- 使用：当客户投诉收费不正确时，专员是否应用了“billing_dispute”标签？
- 使用：我们使用标签“product_a”、“product_b”和“product_c”。专员在讨论产品功能时是否使用了这些工单标签？
对基于提示的人工智能见解进行评分
设置提示后，下一步是定义如何应用评估。这涉及到具体说明正面或负面结果的构成，并选择清晰的术语或短语来表示这些结果。例如，是/否、乐于助人/无益，或礼貌/不礼貌。
根据您的评价标准分配正确的结果对于确保评估的准确性至关重要。
以下示例说明了如何构建这些评估：
-
语言礼貌：
- 问题：专员是否使用了礼貌用语？
- 正面结果：是
- 负面结果：否
- 问题：专员是否使用了礼貌用语？
-
使用贬义词：
- 问题：专员是否使用贬义词？
- 正面结果：否
- 负面结果：是
- 问题：专员是否使用贬义词？
通过明确定义这些参数，您可以确保评价的一致性，与您既定的评价标准保持一致，并准确反映在您的 AQS评分中。
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。