Analyse van onderwerpescalatie

Escalatie is de gespreksstroom waarbij de agent het gesprek niet aankan en escaleert naar een menselijke vertegenwoordiger. Wanneer een agent de gebruikersvraag beantwoordt zonder dat hij hoeft te escaleren naar een menselijke vertegenwoordiger, is dat een afleiding. Het ideale doel is om het afwijzingspercentage van een agent te vergroten door het aantal escalaties te verminderen.

Copilot Studio heeft meerdere manieren om escalaties af te handelen:

• De directe manier om een escalatie naar een menselijke vertegenwoordiger te starten is via het onderwerp Escalere systeem. Dit systeemonderwerp wordt geactiveerd wanneer de medewerker niet langer in staat is om het verzoek van de klant te beantwoorden en moet escaleren naar een menselijke vertegenwoordiger. Via het onderwerp Escaleren kun je de medewerker in staat stellen het gesprek over te zetten naar een servicedesktool zoals Dynamics 365 Omnichannel for Customer Service voor de live overdracht van de vertegenwoordiger, of een asynchrone supportervaring zoals het aanmaken van een ticket, het plannen van een terugbel, enzovoort.

• Een andere manier om deze escalatie te triggeren is via de Transfer Conversation-node in het authoring canvas.

  

Typen escalaties

Copilot Studio biedt twee typen escalaties:

• Directe escalatie: De gebruiker komt naar de agent en wil direct spreken met een menselijke vertegenwoordiger. Je kunt dit soort escalatie niet vermijden omdat de intentie van de klant is om het Escalate-onderwerp direct te triggeren.

  Voorbeelden van klantvragen:

  • "Kan ik met iemand praten?"
  • "Praat met een live vertegenwoordiger"
  • "Spreek met vertegenwoordiger"
  • "Praat met een vertegenwoordiger"

• Indirecte escalatie: De gebruiker wordt tijdens het gesprek doorverwezen naar een vertegenwoordiger.

Deze types vallen in twee categorieën: verwachte en onverwachte escalaties.

• Verwachte escalaties vinden plaats wanneer het onderwerp bedoeld is om op een bepaald moment tijdens het gesprek te escaleren, of wanneer de gebruiker ervoor kiest te escaleren omdat de agent zijn vraag niet heeft beantwoord.
• Onverwachte escalaties ontstaan wanneer de agent een fout ondervindt door andere problemen.

Analyse van onderwerpescalatie

Gebruik dit vierstappenproces om onderwerpescalaties te analyseren en kansen te identificeren voor gerichte verbeteringen.

Stap 1: Monitor en beoordeel de prestaties van onderwerpen

Gebruik de ingebouwde ofaangepaste analyses om escalatiesnelheidsfactoren te identificeren en te optimaliseren.

Ingebouwde analyses

Alle agentensessies die leidden tot een escalatie of overdracht naar een vertegenwoordiger worden van begin tot eind vastgelegd op onderwerpniveau. De escalatiefactoren in dit scenario zijn de agentonderwerpen.

Het analytics-dashboard heeft een sectie voor "Escalation Rate Drivers", waarin details worden gegeven over welke agenten meestal naar menselijke vertegenwoordigers gaan en waarom. Deze informatie is beschikbaar uit de chattranscripties vanuit numeriek perspectief.

In de volgende schermopname onder de sectie Factoren voor percentage escalaties heeft het onderwerp Retouren en vervangingen… bijvoorbeeld een waarde van 75%. Deze waarde geeft aan dat 75% van alle sessies die het onderwerp Returns, Exchanges... activeerden, escaleerde naar een menselijke vertegenwoordiger omdat de agent het probleem niet voor de gebruiker kon oplossen. De agentenauteur kan het onderwerp Retouren, Ruilen... verbeteren om het aantal escalaties van dit onderwerp te verminderen.

De grafiek geeft de impact weer als een rode of blauwe balk. De impactscore van het escalatiepercentage is het algehele escalatiepercentage inclusief het onderwerp min het algehele escalatiepercentage exclusief het onderwerp. Impact helpt u te begrijpen wat dit onderwerp bijdraagt aan het algehele escalatiepercentage. Als een onderwerp veel impact heeft, richt je er dan op, want het verbeteren van dat onderwerp kan escalaties verminderen.

Een rode balk geeft aan dat het escalatiepercentage van het onderwerp hoger is dan gemiddeld, wat een negatief effect heeft op het algehele escalatiepercentage. Een blauwe balk geeft aan dat het escalatiepercentage lager is dan gemiddeld, wat een positief effect heeft op de prestaties van het algehele escalatiepercentage. Het verlagen van de escalatiesnelheid voor de onderwerpen in het rood heeft het grootste effect op het verbeteren van het totale escalatietempo. De impactscore wordt niet weergegeven als een getal, maar als een staafdiagram.

Aangepaste analyses

Je kunt ook je eigen aangepaste analyses bouwen bovenop de transcriptiegegevens van gesprekken. Microsoft biedt een voorbeeldsjabloonrapport dat je kunt hergebruiken of uitbreiden om de belangrijkste escalatie-drivers te identificeren en aangepaste details toe te voegen die specifiek zijn voor jouw bedrijf en context. U kunt dit bijvoorbeeld gebruiken als u het aantal geëscaleerde sessies per onderwerp nodig hebt.

Stap 2: Selecteer de belangrijkste escalatieonderwerpen

De algemene richtlijn is om eerst de top 5-10 onderwerpen onder Escalatiesnelheidsfactoren te benoemen, om de deflectiesnelheid te optimaliseren. Als ruwe schatting verbetert het verbeteren van de escalatiesnelheid met 10% voor elk van de top vijf onderwerpen meestal de algehele afbuiging van de agent met ongeveer 1%.

Stap 3: Bekijk gesprekken over geselecteerde onderwerpen

Het analyseren van de gesprekstranscripties voor de belangrijkste escalatieonderwerpen kan meer inzicht bieden in de redenen voor escalatie. Gesprekstranscripties leggen de beurt voor beurt vast, zoals "gebruiker zegt" en "copiloot zegt." Ze leggen ook de onderwerpnaam vast die getriggerd is en de uitkomst van de sessie (bijvoorbeeld Opgelost, Geëscaleerd).

Je kunt deze sessies filteren op uitkomst voor Top geëscaleerde onderwerpen en een paar voorbeeldgesprekken bekijken om te bepalen wat de escalatie heeft veroorzaakt. Dit proces helpt je het patroon te identificeren dat de escalatie veroorzaakt. Herhaal deze oefening periodiek om de afbuigingssnelheid te verbeteren en de escalatiesnelheden te verminderen.

De volgende stapsgewijze gids helpt je chattranscripties te analyseren en aanbevelingen te identificeren om de prestaties van het onderwerp te verbeteren:

1. Kies een van de vijf belangrijkste onderwerpen om verbeteringen aan te brengen die escalatie verminderen.

2. Filter de transcripties en sorteer op het sessieresultaat voor Escalatie.

3. Selecteer de meest recente voorbeeldset van gesprekstranscripties (bijvoorbeeld 10 sessies). De grootte van de voorbeeldset hangt af van de gewenste nauwkeurigheid. Voor een snelle analyse, begin met 10 sessies.

4. Lees elk van de sessies door en identificeer de verschillende herhaalde dialoogpaden die naar voren komen voor dat onderwerpgerelateerde gesprek.

5. Geef een lijst van de dialoogpaden die voor elke sessie zijn geïdentificeerd en groepeer ze per dialoogpad.

6. Voor elke dialoogpadgroep geef een aanbeveling voor verbetering.

7. Voer de aanbevelingen in de agentonderwerpen uit en observeer de verandering in het escalatiepercentage en de afwijzing.

Bijvoorbeeld, het toepassen van deze aanpak op het voorbeeld van Check Order Status zoals beschreven in de volgende sectie kan er als volgt uitzien:

Beschrijving van onderwerp

Check Order Status is bedoeld om order- en verzendinformatie voor de gebruiker te verschaffen.

Observatie op basis van transcripties

Nadat je meerdere gesprekstranscripties over dit onderwerp hebt bekeken die eindigen met escalatie, vind je verschillende dialoogpaden die de gebruiker ertoe leiden om naar een vertegenwoordiger te escaleren, zelfs als de medewerker de orderinformatie zoals bedoeld verstrekt.

Zo behandelt dialoogpad #1 wanneer de agent orderinformatie geeft nadat de gebruiker vraagt naar een ontbrekende zending. Dialoogpad #2 behandelt wanneer de gebruiker zoekt naar de status van meerdere bestellingen, terwijl de agent de status slechts voor één bestelling tegelijk geeft. Voor dialoogpad #1 kun je een nieuw onderwerp toevoegen dat zich richt op het Missing Order-scenario . Voor dialoogpad #2 kun je de zelfbedieningsactie bijwerken zodat deze de status voor meerdere bestellingen geeft in plaats van slechts één.

Samenvatting van beoordeling van gesprekstranscriptie

• Grootte van de steekproefset: Analyseer voorbeeldgesprekken voor geëscaleerde sessies uit de gedownloade transcripties. Allemaal triggeren ze het juiste onderwerp. Alles eindigt in escalatie.
• Verwacht dialoogpad: ga naar de actie OrderInfo en geef de bestelstatus door aan de gebruiker.

Nieuwe dialoogpaden geïdentificeerd door transcripties te bekijken

• Dialoogpad 1: OrderInfo reageert met een order info adaptieve kaart , maar de gebruikersquery heeft betrekking op een ontbrekend pakket, dus besluit de gebruiker te escaleren (7 van de 10 sessies).
• Dialoogpad 2: OrderInfo antwoordt met: "uw bestelling bevat meerdere zendingen", maar bevat geen verzendinformatie voor alle bestellingen, dus de gebruiker besluit te escaleren (2 van de 10 sessies).
• Dialoogpad 3: Overig (bestelnummer komt niet overeen), gebruiker wist niet dat hij een onjuist bestelnummer invoerde, dus besluit de gebruiker te escaleren (1 van de 10 sessies).

Aanbevelingen voor de dialoogpadgroepen

• Pad 1: Voeg een nieuwe onderwerp toe voor het afhandelen van een ontbrekende bestelling.
• Pad 2: Verbeter de actie OrderInfo om het verstrekken van verzendinformatie voor meerdere bestellingen te ondersteunen.
• Pad 3: Verbeter de OrderInfo-actie om het order-ID-formaat te valideren en een foutmelding te geven bij onjuiste order-ID's.

Stap 4: Streef gerichte verbeteringen aan in geselecteerde onderwerpen

Op basis van de beoordeling van gesprekstranscripties moet gerichte verbeteringen worden aangebracht in die geselecteerde onderwerpen.

Enkele technieken om escalatiesnelheden op onderwerpniveau te verlagen zijn onder andere het toevoegen van selfservice-mogelijkheden zodat de gebruiker niet afhankelijk hoeft te zijn van een menselijke vertegenwoordiger voor een actie zoals het controleren van de verzendstatus, en het verbeteren van de triggerprestaties zodat het systeem de juiste onderwerpen aan de gebruiker presenteert in plaats van het escaleren naar een menselijke vertegenwoordiger. Deze verbeteringen omvatten het toevoegen van ontbrekende triggerzinnen en het bijwerken van bestaande triggerzinnen.

Volgende stap

Leer hoe je fallback- en niet-herkende zoekopdrachten analyseert om de onderwerpen van je makelaar te verrijken door nieuwe triggerzinnen toe te voegen of nieuwe onderwerpen te creëren. Deze acties helpen verwarring te verminderen, herkenning te verbeteren en de algehele afbuigingssnelheid te verhogen.