Perangkat lunak analitik layanan pelanggan menjawab tiga pertanyaan: seberapa cepat tim merespons, seberapa baik tim menyelesaikan masalah, dan dari mana asal volume pekerjaan. Semua hal lain di dashboard hanyalah hiasan sampai salah satu dari ketiganya mengubah sebuah keputusan.
Delapan platform dibahas di bawah ini, beserta metrik yang layak dipantau dan yang diam-diam membuang-buang perhatian. Harga kompetitor tidak dicantumkan di sini.
Deskripsi bersifat umum dan diambil dari apa yang dipublikasikan masing-masing vendor. Ini bukan benchmark atau audit, dan tidak ada harga kompetitor yang muncul di bawah. Konfirmasikan paket dan fitur terkini di situs masing-masing vendor. Nama produk dan logo adalah milik pemiliknya masing-masing.
Apa yang diukur kategori ini
Dua kelompok produk memakai label yang sama.
Yang pertama adalah pelaporan bawaan dalam platform dukungan: volume percakapan, waktu respons dan penyelesaian, beban kerja, dan kepuasan, yang diambil dari data yang sudah dimiliki platform.
Yang kedua adalah perangkat lunak analitik contact center khusus, yang berfokus pada suara: analisis rekaman panggilan, speech analytics, penilaian sentimen, dan analitik interaksi pada volume panggilan besar.
Sebagian besar tim membutuhkan yang pertama tetapi mengira mereka membutuhkan yang kedua. Alat khusus ini pantas digunakan pada volume panggilan di mana satu poin persentase dari rata-rata waktu penanganan sepadan dengan gaji seorang karyawan, yang berarti hanya sedikit perusahaan yang benar-benar membutuhkannya dibanding yang digambarkan pemasaran.
Batas praktisnya adalah apakah suara merupakan salah satu kanal atau satu-satunya kanal. Di bawah beberapa ribu panggilan per bulan, pelaporan di dalam platform dukungan sudah cukup.
Metrik yang mengubah keputusan
Empat angka mengubah penempatan staf atau proses, dan angka-angka ini layak dijadikan dasar laporan.
Volume per jam dalam sehari menentukan pola shift. Ini adalah angka paling bisa ditindaklanjuti dalam pelaporan dukungan, dan yang paling sering dirata-ratakan hingga menjadi tidak berguna sepanjang minggu.
Volume per alasan menentukan apa yang perlu diotomatisasi dan apa yang perlu didokumentasikan. Kode alasan yang diterapkan secara konsisten lebih bernilai daripada model sentimen mana pun.
Tingkat pembukaan ulang tiket mengukur apakah penyelesaian benar-benar terjadi. Jumlah penyelesaian yang meningkat bersamaan dengan tingkat pembukaan ulang yang juga meningkat berarti tiket ditutup, bukan dijawab, dan hanya dengan memantau keduanya hal ini bisa terungkap.
Variasi beban kerja antaragen membedakan masalah penempatan staf dari masalah perutean. Antrean yang merata dengan rata-rata waktu yang panjang membutuhkan lebih banyak orang; antrean yang tidak merata membutuhkan distribusi yang lebih baik.
Angka yang jarang berpengaruh
Beberapa angka muncul di setiap dashboard tetapi hampir tidak mengubah apa pun.
Total tiket adalah angka volume tanpa penyebut. Angka ini naik seiring bertambahnya basis pelanggan dan turun pada bulan yang sepi, dan tidak satu pun dari kedua pergerakan itu membawa sebuah keputusan.
Rata-rata waktu respons pertama di semua kanal merata-ratakan chat yang diukur dalam hitungan detik dengan email yang diukur dalam hitungan jam. Pisahkan berdasarkan kanal atau jangan ukur sama sekali.
Papan peringkat agen memberi peringkat orang berdasarkan apa pun yang paling mudah dihitung, yang biasanya adalah tiket yang ditutup, dan papan ini secara konsisten menghasilkan perilaku yang diukurnya.
Sentimen yang dinilai sepanjang satu periode tanpa alasan yang menyertainya hanya memberi tahu manajer suasana hati, bukan penyebabnya.
Delapan platform sekilas
| Platform | Cakupan pelaporan | Analitik suara | Laporan khusus |
|---|---|---|---|
| RolChat | Percakapan, tiket, panggilan, kesepakatan, tim | Penilaian panggilan AI atas setiap rekaman | Termasuk |
| Zendesk | Tiket, pesan, suara sesuai paket | Tersedia sesuai paket | Mendalam, sesuai tingkatan |
| Freshdesk | Tiket, dengan produk pendamping untuk kanal lain | Melalui produk pendamping | Sesuai tingkatan |
| Intercom | Percakapan dan pelaporan penyelesaian AI | Lihat vendor | Sesuai paket |
| HubSpot Service Hub | Data layanan dalam CRM yang lebih luas | Panggilan sesuai tingkatan | Kuat, sesuai tingkatan |
| Zoho Desk | Tiket, dengan rangkaian produk lebih luas di baliknya | Sesuai tingkatan | Sesuai tingkatan |
| Help Scout | Percakapan dan pusat bantuan | Bukan bagian dari produk | Set terfokus |
| Front | Percakapan dan aktivitas tim | Bukan bagian dari produk | Set terfokus |
RolChat
RolChat melaporkan percakapan, tiket, panggilan, kesepakatan, dan performa tim di satu tempat, karena kelimanya berada dalam platform yang sama, bukan di produk-produk terpisah.
Rangkaian standar mencakup waktu respons pertama, waktu penyelesaian, tingkat pembukaan ulang, CSAT, dan beban kerja, yang dapat dipilah berdasarkan antrean, kanal, agen, dan jam dalam sehari.
Karena suara bersifat native, metrik panggilan berdampingan dengan metrik tertulis, dan penilaian panggilan AI berjalan atas setiap rekaman, bukan hanya sampel. Hal ini mengubah tinjauan kualitas dari sekadar anekdot menjadi pemeriksaan menyeluruh atas seluruh periode.
Ekspor menghormati peran pengguna, sehingga pemimpin tim dapat menarik data antreannya sendiri tanpa akses ke seluruh perusahaan. Pelaporan sudah termasuk dalam paket, bukan dikenakan biaya sebagai tingkatan analitik terpisah.
Paling cocok untuk: tim yang ingin pelaporan tertulis dan suara dalam satu laporan, tanpa perlu membeli produk analitik terpisah selain platform dukungan.
Zendesk
Zendesk memiliki lapisan pelaporan paling mendalam di antara help desk klasik, dengan produk analitik khusus di baliknya dan sejarah panjang dalam membangun laporan kustom.
Bagi organisasi yang memiliki analis yang akan membangun dan memelihara dashboard, batas kemampuannya sangat tinggi.
Kapabilitas tersebar di berbagai tingkatan, sehingga pelaporan yang dibayangkan tim mungkin berada di atas paket yang sedang dibandingkan dari segi harga.
Paling cocok untuk: organisasi yang memiliki analis dan kebutuhan pelaporan yang jelas. Konfirmasikan tingkatan mana yang mencakup apa di situs Zendesk.
Freshdesk
Pelaporan Freshdesk solid untuk metrik tiket dan meningkat pesat ketika produk Freshworks yang lebih luas digunakan, karena lebih banyak bagian dari perjalanan pelanggan masuk ke dalam model data yang sama.
Berdiri sendiri, Freshdesk mencakup hal-hal esensial tanpa memerlukan analis.
Analitik suara hadir melalui produk pendamping, bukan dari help desk itu sendiri.
Paling cocok untuk: pelaporan tiket yang tidak memerlukan konfigurasi. Konfirmasikan isi tingkatan di situs Freshdesk.
Intercom
Intercom melaporkan percakapan, bukan tiket, yang cocok untuk operasi berbasis pesan dan terbaca berbeda dari dashboard help desk.
Pelaporan AI-nya sangat detail, yang sejalan dengan model komersial di mana penyelesaian menjadi unit yang dapat ditagih.
Tim yang membandingkan produk ini sebaiknya memeriksa bagaimana penyelesaian didefinisikan, karena definisi tersebut menentukan baik laporan maupun tagihan.
Paling cocok untuk: operasi berbasis pesan yang mementingkan cakupan otomatisasi. Konfirmasikan paket di situs Intercom.
HubSpot Service Hub
Service Hub melaporkan di dalam CRM yang lebih luas, yang menjadi kekuatan pembedanya: aktivitas dukungan berdampingan dengan data pemasaran dan penjualan pada rekam data yang sama.
Hal ini membuat pertanyaan tentang dampak pendapatan bisa dijawab dengan cara yang tidak bisa ditandingi help desk yang berdiri sendiri.
Trade-off-nya sudah dikenal: nilainya bergantung pada adopsi platform yang lebih luas di sekitarnya, dan kedalaman pelaporan mengikuti tingkatan paket.
Paling cocok untuk: tim yang sudah menggunakan CRM ini dan butuh layanan serta pendapatan dalam satu tampilan. Konfirmasikan tingkatan di situs HubSpot.
Zoho Desk
Zoho Desk menyediakan pelaporan tiket yang mumpuni dengan rangkaian produk luas di baliknya, dan penawaran analitiknya meluas jauh melampaui dukungan bagi organisasi yang sudah berada di dalam ekosistemnya.
Upaya konfigurasi lebih tinggi daripada yang disarankan oleh kisaran harganya.
Bagi perusahaan yang menggunakan beberapa aplikasi Zoho, model data bersama adalah argumen sebenarnya.
Paling cocok untuk: pengguna Zoho yang sudah ada. Konfirmasikan paket di situs Zoho.
Help Scout
Help Scout melaporkan sekumpulan metrik yang terfokus, bukan yang menyeluruh, yang konsisten dengan sisa produknya.
Volume percakapan, waktu respons, kepuasan, dan performa pusat bantuan tercakup dengan jelas dan tidak memerlukan pengaturan.
Pembuatan laporan kustom dan analitik suara bukan bagian dari produk ini.
Paling cocok untuk: tim berbasis email yang ingin angka yang jelas tanpa konfigurasi. Konfirmasikan paket di situs Help Scout.
Front
Front melaporkan percakapan dan aktivitas tim, termasuk kolaborasi internal, yang tidak biasa dan berguna ketika jawaban disusun bersama-sama.
Tampilan tingkat akun cocok untuk layanan B2B dengan pemilik akun yang jelas.
Analitik telepon berada di luar cakupan produk ini.
Paling cocok untuk: tim B2B yang mengukur kolaborasi selain respons. Konfirmasikan paket di situs Front.
Analitik call center dan suara
Perangkat lunak analitik call center adalah disiplin tersendiri, dan istilah-istilahnya juga perlu dibedakan.
Perangkat lunak pelaporan call center mencakup lapisan operasional: volume, waktu antrean, tingkat panggilan terputus, rata-rata waktu penanganan, tingkat okupansi, dan kepatuhan jadwal. Ini adalah angka-angka penempatan staf dan sudah penting sejak seratus panggilan pertama dalam sehari.
Perangkat lunak dashboard call center adalah tampilan real-time dari data yang sama, dibuat untuk supervisor yang mengawasi lantai kerja, bukan manajer yang membaca laporan mingguan.
Analitik suara adalah lapisan di atasnya: menganalisis apa yang dikatakan, bukan berapa lama waktu yang dibutuhkan.
Bagi tim yang menjadikan suara sebagai salah satu kanal di antara beberapa kanal, lapisan ini sebaiknya berada di dalam platform dukungan. Membeli konsol khusus justru memecah laporan dan menghasilkan dua versi kebenaran.
Analitik ucapan dan interaksi
Perangkat lunak speech analytics call center mentranskripsi panggilan lalu mencari pola dalam transkrip tersebut: kata kunci, keheningan, saling memotong pembicaraan, bahasa eskalasi, dan frasa kepatuhan.
Analitik interaksi memperluas gagasan yang sama lintas kanal, memperlakukan chat dan panggilan sebagai dua bentuk dari satu interaksi dan menilai keduanya.
Nilai praktisnya adalah cakupan. Tinjauan manual hanya mengambil sampel sebagian kecil dari suatu periode; penilaian otomatis mencakup semuanya, yang mengubah pembinaan dari bukti selektif menjadi bukti lengkap.
Risiko praktisnya adalah penilaian tanpa kode alasan. Mengetahui bahwa sentimen menurun pada hari Selasa tidak berguna tanpa mengetahui apa yang ditanyakan pelanggan.
RolChat menjalankan transkripsi dan penilaian panggilan AI atas setiap rekaman sebagai bagian dari platform, yang mencakup lapisan ini bagi tim yang tidak memerlukan konsol speech analytics khusus.
Alat CSAT, NPS, dan survei
Alat survei CSAT adalah investasi analitik termurah yang tersedia dan paling sering disalahartikan.
Tingkat respons dalam survei dukungan cenderung condong ke ekstrem, sehingga skor sebenarnya adalah sebuah distribusi, bukan sekadar angka. Rata-rata yang stabil namun menyembunyikan ekor yang terus bertambah dari respons bintang satu adalah layanan yang memburuk tetapi terlihat stabil dalam laporan.
Waktu pengiriman lebih penting daripada kata-kata yang digunakan. Survei yang dikirim saat penyelesaian mengukur penyelesaian itu sendiri; yang dikirim seminggu kemudian mengukur ingatan tentang penyelesaian tersebut.
Pemilahan berdasarkan kanal sangat penting. Kepuasan di chat dan di telepon jarang bergerak bersamaan, dan skor gabungan menyembunyikan kanal mana yang perlu diperbaiki.
Komentar teks bebas membawa lebih banyak informasi daripada skornya. Membaca lima puluh komentar mengajarkan lebih banyak daripada seperempat rata-rata, dan perangkat lunak analitik umpan balik pelanggan pada dasarnya ada untuk menjadikan pembacaan itu sistematis.
Dashboard real-time vs laporan berkala
Keduanya melayani orang yang berbeda, dan mencampuradukkan keduanya hanya menghasilkan layar yang tidak digunakan siapa pun.
Dashboard real-time menjawab satu pertanyaan: apakah ada yang perlu ditangani sekarang juga. Kedalaman antrean, waktu tunggu terpanjang, agen yang tersedia. Empat angka, besar, terlihat dari seberang ruangan.
Laporan berkala menjawab pertanyaan yang berbeda: apa yang harus berubah bulan depan. Laporan ini membutuhkan perbandingan dengan periode sebelumnya, pemilahan berdasarkan alasan, dan konteks yang cukup untuk mengajukan argumen perekrutan.
Perangkat lunak pemantauan metrik layanan pelanggan yang mencoba melakukan keduanya biasanya buruk dalam hal kedua, karena angka langsung sulit dibandingkan secara historis, padahal itulah yang membuat sebuah laporan meyakinkan.
Mengapa satu laporan lebih baik daripada dua konsol
Kegagalan analitik paling umum dalam dukungan pelanggan bukanlah metrik yang hilang. Melainkan dua sistem yang masing-masing hanya menyimpan separuh jawaban.
Ketika chat dilaporkan di satu produk dan panggilan di produk lain, waktu respons diukur dua kali dengan definisi yang berbeda, dan tidak ada yang bisa memastikan apa yang benar-benar dialami pelanggan dari awal hingga akhir.
Perpecahan yang sama muncul antara pelaporan dukungan dan penjualan. Percakapan tentang churn yang bermula sebagai tiket penagihan menjadi tidak terlihat jika sistem tiket dan CRM menyimpan catatan terpisah.
Menggabungkan platform adalah yang membuat laporan dapat dipercaya, dan biasanya lebih murah daripada membeli lapisan analitik untuk merekonsiliasi keduanya.
Inilah argumen untuk pelaporan yang menyatu dengan platform, bukan berdampingan dengannya: bukan karena lebih mendalam, melainkan karena lengkap.
Ekspor, izin akses, dan akses data
Tiga pertanyaan tentang akses menentukan apakah pelaporan dapat digunakan di luar tim dukungan.
Apakah ekspor menghormati peran pengguna, sehingga pemimpin tim bisa menarik data antreannya sendiri tanpa melihat seluruh perusahaan. Apakah data mentah bisa keluar dalam format yang bisa digunakan, bukan hanya sebagai grafik yang sudah dirender. Dan apakah sebuah API memungkinkan angka-angka tersebut mencapai dashboard tingkat perusahaan.
Pengaturan retensi menentukan seberapa jauh sebuah perbandingan bisa dijangkau. Platform yang hanya menyimpan sembilan puluh hari tidak bisa menjawab pertanyaan tentang tahun lalu, dan batasan ini biasanya baru diketahui saat pertanyaan itu diajukan.
Laporan terjadwal melalui email tetap menjadi cara paling andal untuk membuat angka benar-benar dibaca, karena dashboard membutuhkan seseorang yang ingat untuk membukanya.
Satu pertanyaan akses lagi yang layak diajukan sebelum menandatangani kontrak: apakah ekspor menyertakan kolom yang ditambahkan platform, bukan hanya yang ada sejak awal. Kolom kustom yang membawa kode alasan biasanya merupakan kolom paling berharga dalam berkas tersebut, dan justru paling sering tertinggal.
Menyiapkan pelaporan yang benar-benar dibaca
Sebagian besar pelaporan dukungan hanya dikonfigurasi sekali lalu diabaikan setelahnya. Beberapa kebiasaan bisa mencegah hal itu.
Mulailah dari sebuah keputusan, bukan dari sebuah metrik. Jika sebuah angka tidak akan mengubah jadwal, aturan, atau keputusan perekrutan, angka itu tidak perlu dijadikan grafik.
Terapkan kode alasan secara konsisten sebelum membangun apa pun yang lain. Setiap analisis lanjutan bergantung padanya, dan menerapkannya secara retroaktif pada riwayat satu tahun tidak mungkin dilakukan.
Tinjau setiap minggu di awal, lalu setiap bulan setelah pola menjadi stabil. Tinjauan mingguan adalah yang menangkap aturan perutean yang diam-diam rusak.
Bandingkan dengan alat sebelumnya selama bulan pertama setelah migrasi. Definisi berbeda antarplatform, dan penurunan waktu respons kadang hanya perubahan pada kapan penghitung waktu mulai berjalan.
Peramalan dan perencanaan kapasitas
Pelaporan menjelaskan masa lalu; peramalan adalah yang mengubahnya menjadi jadwal kerja.
Input yang dibutuhkan adalah volume per jam dalam sehari selama beberapa minggu, rata-rata waktu penanganan per kanal, dan konkurensi yang bisa ditangani seorang agen. Chat mendukung tiga hingga lima percakapan sekaligus, suara mendukung satu, dan merata-ratakan keduanya menghasilkan jadwal yang gagal pada keduanya.
Musiman membutuhkan riwayat satu tahun untuk terlihat. Retensi yang lebih pendek dari itu menyembunyikan puncak tahunan hingga tiba-tiba muncul, yang merupakan jenis kejutan paling mahal dalam dukungan pelanggan.
Shrinkage adalah angka yang paling sering dilewatkan dalam rencana: pelatihan, istirahat, rapat, dan ketidakhadiran secara rutin menyumbang seperempat dari jam kerja berbayar, dan jadwal yang dibangun berdasarkan jumlah kepala mentah sudah kurang sejak awal.
Jam kerja dan kepatuhan jadwal shift harus berada dalam sistem yang sama dengan antrean, atau rencana dan kenyataan akan bergeser dalam waktu sebulan.
Atribusi: nilai dari layanan pelanggan
Pelaporan dukungan biasanya berhenti pada efisiensi, yang membuat departemen ini terlihat seperti pusat biaya karena hanya itu yang dihitung.
Tiga hubungan bisa mengubah argumen tersebut. Percakapan yang terkait dengan kesepakatan menunjukkan apa yang berhasil diselamatkan atau dibuka kembali oleh dukungan. Percakapan yang terkait dengan churn menunjukkan apa yang gagal dilakukannya. Dan percakapan yang terkait dengan kode alasan menunjukkan masalah produk mana yang menghasilkan volume tersebut.
Tak satu pun dari ketiganya memungkinkan jika data pelanggan berada di sistem yang berbeda dari percakapan, karena penggabungan datanya dilakukan secara manual atau tidak dilakukan sama sekali.
Inilah argumen praktis terkuat untuk platform di mana CRM dan dukungan berbagi satu rekam data yang sama: bukan soal kenyamanan, melainkan kemampuan untuk menjawab berapa nilai dari pekerjaan tersebut.
AI dalam analitik
Platform analitik percakapan berbasis AI menjanjikan untuk membaca setiap interaksi, dan sebagian besar memang bisa. Pertanyaannya adalah untuk apa mereka membacanya.
Klasifikasi adalah penggunaan yang paling andal: mengelompokkan percakapan berdasarkan alasan tanpa agen perlu menerapkan tag. Ini menghilangkan mata rantai terlemah dalam setiap rantai pelaporan, yaitu penandaan manual oleh manusia di bawah tekanan waktu.
Ringkasan adalah yang kedua: sebuah thread panjang diringkas menjadi apa yang sebenarnya terjadi, yang membuat tinjauan pada volume besar menjadi mungkin.
Sentimen adalah yang paling banyak dipasarkan namun paling tidak bisa ditindaklanjuti dengan sendirinya, karena suasana hati tanpa penyebab tidak mendukung keputusan apa pun. Jika dipadukan dengan kode alasan, sentimen menjadi berguna.
Penilaian terhadap sebuah rubrik adalah yang keempat, dan inilah yang mengubah quality assurance dari sekadar sampel menjadi sensus penuh. RolChat menjalankan ini pada setiap rekaman panggilan sebagai bagian dari platform.
Benchmark dan nilai sebenarnya
Benchmark dukungan yang dipublikasikan adalah angka yang paling sering dikutip namun paling tidak berguna di bidang ini.
Benchmark tersebut merata-ratakan lintas industri dengan ekspektasi berbeda, lintas kanal dengan penghitung waktu berbeda, dan lintas perusahaan dengan definisi penyelesaian yang berbeda. Angka yang disusun dengan cara seperti itu tidak menggambarkan siapa pun secara spesifik.
Riwayat Anda sendiri adalah satu-satunya benchmark yang benar-benar berlaku. Kuartal lalu, periode yang sama tahun lalu, dan minggu sebelum sebuah perubahan adalah tiga perbandingan yang benar-benar bermakna.
Di tempat yang benar-benar membutuhkan angka eksternal, gunakan sebagai arah, bukan target: berguna untuk mengetahui bahwa respons chat diukur dalam hitungan detik di seluruh pasar, tetapi tidak layak dijadikan angka target yang harus dicapai.
Pengecualiannya adalah yang bersifat kontraktual. SLA yang tertulis dalam perjanjian pelanggan adalah target terlepas dari apa pun yang dikatakan benchmark mana pun, dan pelaporan harus mengukurnya sesuai definisi dalam kontrak, bukan default platform.
Pertanyaan yang sering diajukan
Apa perangkat lunak analitik layanan pelanggan terbaik?
Bagi sebagian besar tim, pelaporan bawaan di dalam platform dukungan mereka, asalkan setiap kanal melaporkan ke dalamnya. Produk analitik khusus pantas digunakan ketika volume suara cukup tinggi sehingga satu poin persentase dari waktu penanganan sepadan dengan gaji seorang karyawan.
Apa perangkat lunak analitik call center terbaik?
Tergantung apakah suara merupakan salah satu kanal atau satu-satunya kanal. Platform analitik contact center khusus lebih mendalam dalam analisis ucapan dan interaksi; platform dukungan dengan suara native mencakup pelaporan operasional dan penilaian panggilan tanpa memerlukan konsol kedua.
Metrik apa yang harus dipantau tim dukungan?
Volume per jam dalam sehari, volume per alasan, tingkat pembukaan ulang tiket, dan variasi beban kerja antaragen. Keempat hal ini mengubah keputusan penempatan staf dan proses. Waktu respons dan penyelesaian juga penting, tetapi hanya jika dipilah per kanal.
Bagaimana cara kerja speech analytics?
Panggilan ditranskripsi dan transkripnya dicari untuk menemukan pola: kata kunci, keheningan, saling memotong pembicaraan, bahasa eskalasi, dan frasa kepatuhan. Nilainya terletak pada cakupan, karena penilaian otomatis meninjau setiap panggilan, bukan hanya sampel.
Apakah saya perlu alat survei CSAT terpisah?
Hanya jika platform dukungan tidak mengirim survei saat penyelesaian. Yang lebih penting daripada alatnya adalah waktu pengiriman, memisahkan skor per kanal, dan membaca komentar teks bebas alih-alih hanya melihat rata-rata.
Mengapa dua platform melaporkan waktu respons yang berbeda?
Karena penghitung waktu mulai dari titik yang berbeda. Sebagian mengukur sejak kedatangan, sebagian lain sejak penugasan, dan ada yang menjeda di luar jam kerja. Bandingkan definisinya sebelum membandingkan angkanya, terutama setelah migrasi.
Apakah RolChat menyertakan pelaporan dalam paketnya?
Ya. Pelaporan lintas percakapan, tiket, panggilan, kesepakatan, dan performa tim adalah bagian dari platform, bukan tingkatan analitik terpisah, dan penilaian panggilan AI berjalan atas setiap rekaman.
Bisakah data pelaporan dikeluarkan dari platform?
Seharusnya bisa. Periksa apakah ekspor data mentah tersedia, bukan hanya grafik yang sudah dirender, apakah ekspor menghormati peran pengguna, dan apakah sebuah API dapat memberi masukan ke dashboard tingkat perusahaan.
Apa itu analitik interaksi?
Gagasan yang sama seperti speech analytics tetapi diterapkan lintas kanal, bukan hanya suara: sebuah chat dan sebuah panggilan diperlakukan sebagai dua bentuk dari satu interaksi dan dinilai dengan rubrik yang sama. Ini penting ketika pelanggan berpindah antarkanal dalam satu permintaan.
Haruskah kami membeli produk analitik khusus?
Hanya jika volume suara cukup tinggi sehingga satu poin persentase dari waktu penanganan sepadan dengan gaji seorang karyawan, atau jika ada persyaratan kepatuhan yang menuntut penilaian yang tidak bisa dihasilkan platform. Di bawah itu, konsol kedua justru memecah laporan dan menciptakan dua versi kebenaran.
Berapa lama riwayat pelaporan harus disimpan?
Cukup lama untuk bisa dibandingkan dengan periode yang sama tahun lalu. Retensi yang lebih pendek dari itu membuat pola musiman menjadi tidak terlihat, dan batasannya biasanya baru diketahui saat pertanyaan itu diajukan.
Menulis tentang operasional dukungan pelanggan, live chat, layanan berbantuan AI, dan perangkat di balik pengalaman pelanggan yang baik.
LinkedIn
