Loading
Bygge AI-løsninger for tjenester
Forbedre roboten

Forbedre roboten

Einstein-roboter samler inn data som gir deg verdifull innsikt i kundeopplevelsen, og denne kan deretter brukes til å forbedre robotens design og dens egenskaper. En datadrevet vekststrategi for roboter fungerer best for å oppfylle kundeforventninger.

Nødvendige utgaver

Vis støttede versjoner.

Chatbot-er er unike i automatiseringsmiljøet fordi de samler inn data som du kan bruke til å forbedre roboten. Tilbakemeldinger fra hver robotsamtale er som å høre direkte fra kunden. Dette dokumentet leder administratorer gjennom innsamling og handlinger på rapportene som er tilgjengelig i Einstein-roboter, for å opprette en vekststrategi for roboter.

Samle inn data: Rapporten Bot Snapshot Report (Robotøyeblikksbilde)

Einstein-roboter samler inn data i fire hovedkategorier: Brukeraktivitet, feil, behandling av naturlig språk (NLP) og KPI-endringer. Robotdata segmenteres etter hendelsesaktivitet (data om robotsamtalene) og øktdata (selve samtalene). Hvis du vil rapportere om robotøkter, bruker du objektet Samtaledefinisjonsøkt i Rapportbygger. Ved oppfanging av robotaktivitet over tid anbefaler vi at du oppretter rapporter fra objektene Daglige målinger av samtaledefinisjonsdialog og Timesmålinger av samtaledefinisjonsdialog.

Bruk standardrapporter til å identifisere viktige brukstrender i Einstein. Du finner mer under Navigere i standard Einstein Bot-rapporter. Du kan eksportere hendelsesdata ved å eksportere en standard robotrapport som en formatert rapport. Eller du kan eksportere detaljradene fra en standard robotrapport i Excel- eller CSV-format.

Du kan også innhente hendelsesdata via API-et (ConversationDefinitionEventLog-objektet). Hvis du vil vite mer om hendelsestyper, kan du gå til Bot Data Reference Guide. For å få et fullstendig bilde av roboten anbefaler vi at du inkluderer data som befinner seg utenfor roboten: forskjellige objekter for registrering av kundetilfredshet eller sammenligning av robottrender med firmaets kalender.

Ved bygging av øyeblikksbilderapporten anbefaler vi at du velger rapportene som fungerer best for firmaets robotformål. Noen robototer har ikke data i alle fire hovedkategorier. For eksempel har roboter som ikke bruker Intent-behandling, ikke NLP-data, men de godtar kundetekst. Alle firmaer samler også inn data om kundeinteraksjoner og viktige ytelsesfaktorer på forskjellige måter. Suksessen til en robotøyeblikksbilderapport dreier seg ikke om hvordan den ser ut, men hvordan den brukes til å anbefale områder med vekst.

Brukeraktivitetsdata: Disse dataene inkluderer data om robotøkten.

  • Samtaledefinisjonsøkt:
    • Øktvarighet: Lengden av samtalen.
    • Måltype for øktoverføring: Identifiserer om en samtale ble avsluttet i en overføring til en robot eller en kundestøtterepresentant.
    • Øktoverføringstype: Identifiserer årsaken til overføringen (Robotforespørsel, Implementeringsfeil, Tidsavbrudd ved oppkall, Utilstrekkelige rettigheter).
    • Øktoverføringsresultat: Resultatet av overføringen (Overføring vellykket, Overføring mislyktes, Ingen overføring forespurt, Ingen agenter tilgjengelig).
  • Daglige målinger av samtaledefinisjonsdialog og Timesmålinger av samtaledefinisjonsdialog:
    • Artikkel: ID-en til den valgte Knowledge-artikkelen.
    • Artikkelnavn: Tittelen på den valgte Knowledge-artikkelen.
    • Målnavn: Navnet på et administratordefinert mål. For å definere et mål legger administrator til dialogtrinnet Mål i en dialog.
    • Integreringsnavn: Navnet på den eksterne tilkoblingen til roboten.
    • Integreringstype: Typen ekstern tilkobling til roboten (API).
    • Språk: Det valgte språket for roboten. En robot med ett språk viser språket som er angitt på oversiktssiden for roboten, og en robot med flere språk starter med det primære språket, og deretter oppdateres den til det valgte sekundære språket.
    • Menyvalg: Et antall statiske valg som er valgt av sluttbrukere.
    • Antall dialoger som har startet: En teller for antall dialoger som er startet, gruppert etter robotdialognavn.
    • Antall økter per kanal: Antall økter gruppert etter kanal.
    • Antall økter: Antall samtaler som har blitt automatisert av roboten.
    • Overføringer etter type: Antall overføringer gruppert etter destinasjon.
  • Øktmålinger for samtaledefinisjon:
    • Siste dialog: Navnet på den sist besøkte dialogen når robotøkten ble avsluttet.
    • Antall valgte artikler: Antall artikler sluttbrukeren har valgt i en økt.
    • Antall valgte valg: Det totale antallet valg sluttbrukeren har valgt i en økt, inkludert statiske valg i spørsmål og valg fra hovedmenyen.
    • Antall dialoger som har startet: Antall dialoger som har blitt startet i økten.
    • Antall inndata- og utdatameldinger: Antall meldinger sendt av sluttbrukeren til roboten, og antall meldinger sendt fra roboten til sluttbrukeren.
    • Antall avbrutte dialoger: Antall dialoger der sluttbrukeren valgte å avslutte dialogen (ved å velge fra Alternativer-menyen eller skrive inn tekst som samsvarer med en hensikt).
    • Antall valgte i Alternativer-meny: Antall valg som sluttbrukeren har valgt i en økt, fra Alternativer-menyen.
    • Ventetid for overføring: Varigheten i sekunder mellom brukeren som ber om en overføring, og en kundestøtterepresentant som godtar overføringen.
  • Hendelseslogger (bruk disse hendelsene til å telle antall ganger hver av dem skjer i en økt):
    • Oppkalldialog: Roboten kalte en dialog.
    • Tøm variabel: Roboten brukte dialogen Fjern variabelverdi. Variabelnavnet er inkludert i hendelsesloggen.
    • Forespørsel om å avslutte økt: Roboten avsluttet chatten.
    • Sluttdialog: Slutten på en dialog.
    • Engasjert økt: Innenfor en robotøkt, en bruker sender minst én melding eller klikker på minst ett menyalternativ eller valg. En økt kategoriseres som engasjert eller ikke.
    • Enhet trukket ut: Roboten lyktes med å trekke ut en enhet.
    • Eskalering forespurt: Det ble bedt om en eskalering til en kundestøtterepresentant.
    • Eksterne enheter trukket ut: Roboten lyktes i å trekke ut en enhet fra en ekstern kilde.
    • Mål nådd: En bruker når et administratordefinert sted i en dialogflyt der et vanlig kundemål anses som oppfylt. For å definere et mål legger administrator til dialogtrinnet Mål i en dialog.
    • Initialiserer kontekstvariabel: Roboten har tilgang til en kontekstvariabel.
    • Oppkall vellykket: Roboten kalte opp en flyt eller Apex-kode.
    • Språk: Det valgte språket for roboten. En robot med ett språk viser språket som er angitt på oversiktssiden for roboten, og en robot med flere språk starter med det primære språket, og deretter oppdateres den til det valgte sekundære språket.
    • Melding sendt: En melding sendt til en kunde.
    • Ledetekst sendt: Et spørsmål sendt til en kunde.
    • Omdiriger til dialog: Roboten omdirigeres til en dialog.
    • Evaluering av regelbetingelse: Roboten evaluerer kundeinndataene basert på regelbetingelsene.
    • Resultat av regelbetingelseelement: Usann: Roboten evaluerte kundeinndataene basert på regelbetingelsene og fant dem ikke å oppfylle disse betingelsene.
    • Resultat av regelbetingelseelement: Sann: Roboten evaluerte kundeinndataene basert på regelbetingelsene og fant dem å oppfylle disse betingelsene.
    • Søk utført: Et vellykket forsøk på objektsøk.
    • Sensitive data ikke tilgjengelig: Vises når det ikke er merket av for Lagre samledata for Einstein-roboter.
    • Økt avsluttet: Robotøkten avsluttet.
    • Angi variabel: Roboten brukte dialogen Angi variabel. Variabelnavnet er inkludert i hendelsesloggen.
    • Start dialog: Starten på en ny dialog.
    • Starter en ny økt: Roboten startet en ny økt.
    • Overføring vellykket: Overføringen var vellykket.
    • Overført fra robot: Samtalen startet med en robotoverføring.
    • Brukersvar: Svaret fra kunden.

Feildata: Disse dataene inkluderer data om eventuelle feil som skjer i en samtale.

  • Daglige målinger av samtaledefinisjonsdialog og Timesmålinger av samtaledefinisjonsdialog:
    • Antall unntak som har blitt angitt av en dialog.
  • Hendelseslogger (bruk disse hendelsene til å telle antall ganger hver av dem skjer i en økt):
    • Feil: Identifiserer når en feil oppstod i en samtale.
    • Oppkall mislyktes - feil: Fremhever når det oppstod en feil i en flyt eller Apex. Administratorer kan sammenligne disse dataene med hendelsesloggoppføringer av Oppkall vellykket for å opprette en suksessgrad.
    • Variabel allerede utfylt: Identifiserer om det oppstod et hoppet i samtalen fordi en variabel allerede var fylt ut. Hvis hoppingen er utilsiktet, kan administrator inkludere Fjern variabel-handlinger for å sikre at roboten ikke hopper over variabelen.
    • Søk mislyktes - feil: Identifiserer antall ganger det oppsto en feil i søket.
    • Overføring mislyktes: Identifiserer antall ganger et overføringsforsøk mislyktes.

NLP Data: Disse dataene gjenspeiler behandlingen av fri tekst og ytelsen til hensiktsmodellen (hvis aktuelt).

  • Daglige målinger av samtaledefinisjonsdialog / Timesmålinger av samtaledefinisjonsdialog:
    • Forvirret: Antall ganger en robot ikke kan samsvare en brukerinndata med en hensikt eller enhet.
  • Øktmålinger for samtaledefinisjon:
    • Antall NLP-hensiktforespørsler: Antall tekstinndata sendt for hensiktssamsvar.
    • Antall NLP-hensiktforespørsler: Antall tekstinndata med et vellykket hensiktssamsvar.
  • Hendelseslogger (bruk disse hendelsene til å telle antall ganger hver av dem skjer i en økt):
    • Hensikt detektert: En hendelsesoppføring der roboten identifiserte en hensikt.
    • Deteksjon av hensikt mislyktes: En hendelsesoppføring der roboten ikke kunne identifisere en hensikt.
    • Eksterne hensikter oppdaget: En hendelsesoppføring der roboten kunne identifisere en hensikt fra en kilde på utsiden.
  • Modellbehandling-fane:
    • F1-score per hensikt: Ytelsen for hver enkelt hensikt basert på kundeinndata. Hvis du vil vite mer om hvordan du tolker F1-score, kan du gå til Evaluere hvor godt roboten forstår kundene.
    • Hensiktsanbefalinger: Detaljer om hvordan du kan forbedre hver hensikt for å redusere forvirring eller øke nøyaktigheten.
    • Robotopplæring: Når du lærer opp modellen, registrerer du den ikke-klassifiserte friteksten for å identifisere de viktigste tingene kundene spør roboten om.
Merk
Merk Du kan bruke AppExchange-verktøyet Einstein Intent Assessor til å visualisere nøyaktigheten av hensiktsmodellen.

KPI Data: Disse dataene er inkludert i robotdataene. Disse ytelsesmålingene er spesifikke for firmaet ditt. De kan inkludere, men er ikke begrenset til, følgende:

  • Saksdefleksjon
  • Gjennomsnittlig håndteringstid sammenliknet med Robotøkttid
  • CSAT (Kundetilfredshetsscore)
  • Aktiv salgsemnekvalifisering: Økter som fører til en umiddelbar overføring til en kundestøtterepresentant
  • Aktiv salgsemnekvalifisering: Antall opprettede salgsemneposter
  • Antall salgsmuligheter under arbeid med "Robot" som kilde

Prioritere robotvekst

Når du nå har disse innsiktene på ett sted, går du tilbake til robotmålene dine for å opprette en prioritert liste med forbedringer. Mange robotmål er innen følgende områder:

Tjenestemål: Den vanligste måten en robot tilfører firmaet verdi på, er med kostnadsbesparelser. Ved å automatisere oppgaver med lite innsats kan kundestøtterepresentantene håndtere mer komplekse problemer og enkelt håndtere trafikkspiker. Roboter som er fokusert på kostnadsbesparelser, kan prioritere mål som å øke antall funksjoner. Roboter kan også utvides til nye digitale kanaler som SMS eller Facebook Messenger for å møte kunder der de er.

Hvis du vil øke antall funksjoner, ser du etter populære dialoger eller menyvalg for å se hva som interesserer kundene mest. I tillegg kan du sjekke robotopplæring for å se hva kundene spør roboten om.

Salgsmål: Et annet felles mål for roboten er i salgsemnekvalifikasjon. Mange sluttbrukere er mer komfortable med å svare på spørsmål i en samtale i stedet for å fylle ut et skjema. Inkludering av kontekstopplysninger som kanalen eller kildesiden bidrar til å samsvare salgsemner med den beste selgeren for jobben.

For å øke salgsemnekvalifikasjonen kan du legge til roboten på flere sider på nettstedet eller utvide den til ulike kanaler.

Kundetilfredshetsmål: En god robotopplevelse oppfordrer til gjentagende besøk, så det er viktig å prioritere kundetilfredshet. Robotmål som er fokusert på kundetilfredshet, inkluderer opplæring av en robust NLP-modell, introduksjon av nye språk og reduksjon av antall feil eller misforståelser.

Vanlige oppgaver for å øke kundetilfredsheten inkluderer å generere nye kvalifikasjoner for å øke funksjonaliteten, eller endring av robotdialoger for å redusere feilfrekvenser. I tillegg kan du klone roboten for å opprette den samme roboten på et annet språk eller for en ny målgruppe. Opplæring av NLP-modellen og endring av dialoger som samsvarer med firmaets tale og stil, hjelper roboten med å forstå kundene og tilføre personlighet i opplevelsen.

 
Laster
Salesforce Help | Article