Sinasagot ng software para sa customer service analytics ang tatlong tanong: gaano kabilis tumugon ang team, gaano kahusay ang resolusyon, at saan nanggagaling ang volume. Lahat ng iba pa sa dashboard ay dekorasyon lamang hangga't hindi nagbabago ang isa sa tatlong iyon ng isang desisyon.
Walong platform ang tinatalakay sa ibaba, kasama ang mga sukatan na sulit subaybayan at ang mga tahimik na nag-aaksaya ng atensyon. Hindi kasama rito ang mga presyo ng kakumpitensya.
Ang mga paglalarawan ay pangkalahatan at hango sa kung ano ang inilalathala ng bawat vendor. Hindi ito isang benchmark o audit, at walang presyo ng kakumpitensya na lalabas sa ibaba. Kumpirmahin ang kasalukuyang mga plano at feature sa sariling site ng bawat vendor. Ang mga pangalan ng produkto at logo ay pag-aari ng kani-kanilang may-ari.
Ano ang sinusukat ng kategoryang ito
Dalawang pamilya ng produkto ang may parehong label.
Ang una ay ang reporting na naka-built in sa isang support platform: volume ng usapan, oras ng pagtugon at resolusyon, workload at kasiyahan, kinuha mula sa datos na hawak na ng platform.
Ang pangalawa ay dedikadong software para sa contact centre analytics, na dalubhasa sa boses: pagsusuri ng recording ng tawag, speech analytics, sentiment scoring at interaction analytics sa malaking volume ng tawag.
Karamihan sa mga team ay nangangailangan ng una at akala nila kailangan nila ang pangalawa. Kumikita ang mga espesyal na kasangkapan sa antas ng volume ng tawag kung saan isang porsyentong puntos ng average handling time ay katumbas na ng sahod ng isang empleyado, na isang mas maliit na grupo ng mga kumpanya kumpara sa iminumungkahi ng marketing.
Ang praktikal na linya ng paghahati ay kung ang boses ay isa lamang channel o ito mismo ang channel. Sa ibaba ng ilang libong tawag bawat buwan, sapat na ang reporting sa loob ng support platform.
Mga sukatan na nagbabago ng desisyon
Apat na numero ang nagbabago ng staffing o proseso, at sulit ang paggawa ng ulat sa paligid ng mga ito.
Ang volume ayon sa oras ng araw ay nagtatakda ng shift pattern. Ito ang pinaka-praktikal na numero sa support reporting at ang pinakamadalas na na-average hanggang mawalan ng silbi sa buong linggo.
Ang volume ayon sa dahilan ay nagpapasya kung ano ang i-automate at kung ano ang idokumento. Ang reason code na pare-parehong inilalapat ay mas mahalaga kaysa anumang sentiment model.
Sinusukat ng reopen rate kung tunay ba ang resolusyon. Ang tumataas na bilang ng resolusyon kasabay ng tumataas na reopen rate ay nangangahulugang isinasara ang mga tiket sa halip na sagutin ito, at ang pagsubaybay sa dalawa lamang ang nagpapakita nito.
Ang pagkakaiba-iba ng workload sa mga ahente ay naghihiwalay sa problema sa staffing mula sa problema sa routing. Ang pantay na queue na may mahabang average ay nangangailangan ng mas maraming tao; ang hindi pantay na queue ay nangangailangan ng mas mahusay na distribusyon.
Mga numero na bihirang gumawa ng pagbabago
Ilang numero ang lumalabas sa bawat dashboard at halos walang binabago.
Ang kabuuang bilang ng tiket ay isang figure ng volume na walang denominator. Tumataas ito kasabay ng lumalaking customer base at bumabagsak sa tahimik na buwan, at hindi ang alinman sa mga galaw na ito ang nagdadala ng desisyon.
Ang average na oras ng unang pagtugon sa lahat ng channel ay naghahalo ng chat na sinusukat sa segundo kasama ng email na sinusukat sa oras. Hatiin ayon sa channel o huwag na itong sukatin.
Ang agent leaderboard ay nagra-rank sa mga tao base sa pinakamadaling bilangin, na kadalasan ay saradong tiket, at maaasahang nagbubunga ito ng gawi na siya mismong sinusukat nito.
Ang sentiment na sinusukat sa buong panahon nang walang kasamang dahilan ay nagsasabi sa manager ng mood at hindi ng dahilan.
Ang walo sa isang sulyap
| Platform | Saklaw ng reporting | Voice analytics | Custom na ulat |
|---|---|---|---|
| RolChat | Mga usapan, tiket, tawag, deal, team | AI call scoring sa bawat recording | Kasama na |
| Zendesk | Tiket, messaging, boses depende sa plano | Available depende sa plano | Malalim, ayon sa tier |
| Freshdesk | Tiket, may kasamang sibling para sa ibang channel | Sa pamamagitan ng sibling na produkto | Ayon sa tier |
| Intercom | Mga usapan at AI resolution reporting | Tingnan ang vendor | Ayon sa plano |
| HubSpot Service Hub | Datos ng serbisyo sa loob ng mas malawak na CRM | Pagtawag ayon sa tier | Matibay, ayon sa tier |
| Zoho Desk | Tiket, may mas malawak na suite sa likod nito | Ayon sa tier | Ayon sa tier |
| Help Scout | Mga usapan at help centre | Hindi bahagi ng produkto | Nakatutok na set |
| Front | Mga usapan at aktibidad ng team | Hindi bahagi ng produkto | Nakatutok na set |
RolChat
Nag-uulat ang RolChat sa mga usapan, tiket, tawag, deal at performance ng team sa iisang lugar lamang, dahil ang lima ay nasa parehong platform sa halip na nasa hiwa-hiwalay na produkto.
Sinasaklaw ng standard set ang oras ng unang pagtugon, oras ng resolusyon, reopen rate, CSAT at workload, hinati ayon sa queue, channel, ahente at oras ng araw.
Dahil native ang boses, magkatabi ang mga sukatan ng tawag at nakasulat na mga sukatan, at tumatakbo ang AI call scoring sa bawat recording sa halip na sa isang sample lamang. Ginagawa nitong buong pagsusuri sa buong panahon ang quality review, sa halip na basta kwentuhang naririnig lamang.
Iginagalang ng mga export ang mga tungkulin, kaya ang isang team lead ay makakakuha ng sariling queue nang hindi kailangang ma-access ang buong kumpanya. Kasama na ang reporting sa plano sa halip na presyuhan bilang hiwalay na analytics tier.
Pinakaangkop para sa: mga team na gustong magkaroon ng nakasulat at boses na reporting sa iisang ulat, nang hindi bumibili ng hiwalay na analytics na produkto kasabay ng support platform.
Zendesk
Ang Zendesk ay may pinakamalalim na reporting layer sa hanay ng mga klasikong help desk, may dedikadong analytics na produkto sa likod nito at mahabang kasaysayan ng pagbuo ng custom na ulat.
Para sa mga organisasyong may analyst na magbubuo at magpapanatili ng mga dashboard, mataas ang kisame.
Nakakalat sa iba't ibang tier ang kakayahan, kaya ang reporting na inaasahan ng isang team ay maaaring nasa itaas pa ng planong kanilang inihahambing sa presyo.
Pinakaangkop para sa: mga organisasyong may analyst at malinaw na brief sa reporting. Kumpirmahin kung anong tier ang may ano sa site ng Zendesk.
Freshdesk
Solido ang reporting ng Freshdesk sa mga sukatan ng tiket at umiigi nang malaki kapag ginagamit ang mas malawak na mga produkto ng Freshworks, dahil mas malaking bahagi ng paglalakbay ng customer ang napapaloob sa parehong data model.
Kung mag-isa lamang, saklaw nito ang mga pangunahing bagay nang hindi kailangan ng analyst.
Ang voice analytics ay dumarating sa pamamagitan ng isang sibling na produkto sa halip na ang help desk mismo.
Pinakaangkop para sa: reporting ng tiket na hindi na kailangang i-configure. Kumpirmahin ang laman ng tier sa site ng Freshdesk.
Intercom
Nag-uulat ang Intercom sa mga usapan sa halip na tiket, na angkop para sa operasyong hugis-messaging at ibang klase ang basa kumpara sa dashboard ng help desk.
Ang AI reporting nito ay hindi pangkaraniwang detalyado, na sumusunod sa isang commercial model kung saan ang resolusyon ay isang bayad na yunit.
Dapat suriin ng mga team na naghahambing kung paano tinutukoy ang resolusyon, dahil ang depinisyon ang nagtutulak sa parehong ulat at invoice.
Pinakaangkop para sa: mga operasyong nakabatay sa messaging na nagmamalasakit sa saklaw ng automation. Kumpirmahin ang mga plano sa site ng Intercom.
HubSpot Service Hub
Nag-uulat ang Service Hub sa loob ng mas malawak na CRM, na siyang natatanging lakas nito: nasa tabi ng datos ng marketing at sales ang aktibidad ng suporta sa parehong record.
Ginagawa nitong masasagot ang mga tanong tungkol sa epekto sa kita sa paraang hindi kayang tapatan ng isang standalone na help desk.
Pamilyar ang kapalit: nakadepende ang halaga sa pag-adopt ng nakapalibot na platform, at sumusunod ang lalim ng reporting sa tier.
Pinakaangkop para sa: mga team na nasa loob na ng CRM na nangangailangan ng serbisyo at kita sa iisang view. Kumpirmahin ang mga tier sa site ng HubSpot.
Zoho Desk
Nagbibigay ang Zoho Desk ng mahusay na reporting ng tiket na may malawak na pamilya ng produkto sa likod nito, at umaabot ang alok nitong analytics nang lampas sa suporta para sa mga organisasyong nasa loob na ng ecosystem.
Mas mataas ang pagsisikap sa configuration kaysa sa iminumungkahi ng antas ng presyo.
Para sa mga kumpanyang gumagamit ng ilang application ng Zoho, ang ibinahaging data model ang tunay na argumento.
Pinakaangkop para sa: kasalukuyang mga user ng Zoho. Kumpirmahin ang mga plano sa site ng Zoho.
Help Scout
Nag-uulat ang Help Scout sa isang nakatutok na set sa halip na isang malawak na hanay, na tugma sa natitirang bahagi ng produkto.
Malinaw na saklaw ang volume ng usapan, oras ng pagtugon, kasiyahan at performance ng help centre at hindi na kailangan ng setup.
Hindi bahagi ng produkto ang pagbuo ng custom na ulat at voice analytics.
Pinakaangkop para sa: mga team na nakabatay sa email na gustong malinaw na mga numero nang walang configuration. Kumpirmahin ang mga plano sa site ng Help Scout.
Front
Nag-uulat ang Front sa mga usapan at sa aktibidad ng team, kasama ang internal na kolaborasyon, na hindi pangkaraniwan at kapaki-pakinabang kung saan magkasamang binubuo ang mga sagot.
Angkop ang mga view sa antas ng account para sa serbisyong B2B na may nakatalagang may-ari.
Hindi kasama sa produkto ang telephony analytics.
Pinakaangkop para sa: mga team ng B2B na sumusukat ng kolaborasyon at hindi lamang ng pagtugon. Kumpirmahin ang mga plano sa site ng Front.
Call centre at voice analytics
Hiwalay na disiplina ang call centre analytics software, at sulit ding paghiwalayin ang terminolohiya.
Sinasaklaw ng call centre reporting software ang operational layer: volume, oras ng paghihintay sa queue, abandonment, average handling time, occupancy at adherence. Mga numero ito para sa staffing at mahalaga na ito mula pa sa unang daang tawag sa isang araw.
Ang call centre dashboard software ay ang real-time na presentasyon ng parehong datos, ginawa para sa isang supervisor na nagmamasid sa floor sa halip na isang manager na nagbabasa ng isang linggo.
Ang voice analytics ang layer sa itaas: sinusuri kung ano ang sinabi sa halip na kung gaano katagal ito tumagal.
Para sa mga team kung saan ang boses ay isa lamang sa ilang channel, ang layer na ito ay dapat nasa loob ng support platform. Ang pagbili ng espesyal na console ay naghahati sa ulat at nagbubunga ng dalawang bersyon ng katotohanan.
Speech at interaction analytics
Sini-transcribe ng speech analytics call centre software ang mga tawag at pagkatapos ay naghahanap ng pattern sa mga transcript: keyword, katahimikan, pag-uumpugan ng usapan, wika ng eskalasyon at mga parirala ng pagsunod sa alituntunin.
Pinalawak ng interaction analytics ang parehong ideya sa lahat ng channel, itinuturing ang isang chat at isang tawag bilang dalawang anyo ng iisang interaksyon at sinusukat ang dalawa.
Ang praktikal na halaga ay ang saklaw. Sinusukat ng manual review ang isang bahagi lamang ng panahon; sinasaklaw ng automated scoring ang lahat nito, na nagbabago sa coaching mula sa piling ebidensya patungo sa kumpletong ebidensya.
Ang praktikal na panganib ay ang pagsukat nang walang reason code. Ang pagkaalam na bumagsak ang sentiment noong Martes ay walang silbi kung hindi alam kung ano ang tinatawagan ng mga customer.
Pinapatakbo ng RolChat ang transcription at AI call scoring sa bawat recording bilang bahagi ng platform, na sumasaklaw sa layer na ito para sa mga team na hindi nangangailangan ng dedikadong speech analytics console.
CSAT, NPS at survey tooling
Ang CSAT survey tool ay ang pinakamurang inbestimento sa analytics na available at ang pinakamadalas na hindi tamang binabasa.
Kadalasang paboran ng mga rate ng pagtugon sa mga support survey ang mga sukdulan, kaya ang isang score ay isang distribusyon sa halip na isang numero. Ang isang matatag na average na nagtatago ng lumalaking buntot ng one-star na sagot ay isang lumalalang serbisyo na nag-uulat na parang matatag.
Mas mahalaga ang oras kaysa pagkakasulat. Ang survey na ipinadala sa oras ng resolusyon ay sinusukat ang resolusyon; ang isang ipinadala isang linggo pagkatapos ay sinusukat ang alaala nito.
Mahalaga ang paghahati ayon sa channel. Bihirang magkasabay kumilos ang kasiyahan sa chat at sa telepono, at itinatago ng pinaghalong score kung alin ang kailangan ng trabaho.
Ang mga komento na malayang teksto ay may dalang mas maraming impormasyon kaysa sa score. Ang pagbasa ng limampung komento ay nagtuturo ng mas marami kaysa sa isang kwarto ng mga average, at ang software para sa customer feedback analytics ay umiiral kadalasan para gawing sistematiko ang pagbasang iyon.
Real-time na dashboard laban sa pana-panahong ulat
Naglilingkod ang dalawa sa magkaibang tao at ang paghahalo sa kanila ay nagbubunga ng isang screen na walang gumagamit.
Sinasagot ng real-time na dashboard ang isang tanong: kailangan ba ng interbensyon ngayon. Lalim ng queue, pinakamahabang paghihintay, mga available na ahente. Apat na numero, malaki, nakikita mula sa kabilang dulo ng silid.
Sinasagot ng pana-panahong ulat ang ibang tanong: ano ang dapat magbago sa susunod na buwan. Nangangailangan ito ng paghahambing sa mga nakaraang panahon, paghahati ayon sa dahilan at sapat na konteksto para ipangatwiran ang isang pag-hire.
Ang software para sa pagsubaybay ng customer service metrics na sumusubok gawin pareho ay kadalasang mahina sa pangalawa, dahil ang mga live na figure ay lumalaban sa historical na paghahambing na siyang nagpapasumbulat sa isang ulat.
Bakit mas mainam ang isang ulat kaysa dalawang console
Ang pinakakaraniwang kabiguan sa analytics sa suporta ay hindi isang nawawalang sukatan. Ito ay dalawang sistemang bawat isa ay may hawak na kalahati ng sagot.
Kapag nag-uulat ang chat sa isang produkto at ang mga tawag sa iba, sinusukat ang oras ng pagtugon nang dalawang beses sa magkaibang depinisyon, at walang makakapagsabi kung ano talaga ang naranasan ng customer mula simula hanggang wakas.
Lumalabas ang parehong paghahati sa pagitan ng suporta at sales reporting. Ang isang usapan tungkol sa churn na nagsimula bilang tiket sa billing ay hindi nakikita kung magkahiwalay ang tala ng ticket system at ng CRM.
Ang pagsasama-sama ng platform ang gumagawa sa ulat na mapagkakatiwalaan, at kadalasan ay mas mura ito kaysa sa pagbili ng analytics layer para pagsamahin ang dalawa.
Ito ang argumento para sa reporting na kasama na sa platform sa halip na hiwalay dito: hindi dahil mas malalim ito, kundi dahil kumpleto ito.
Mga export, pahintulot at access sa datos
Tatlong tanong tungkol sa access ang nagpapasya kung magagamit ang reporting sa labas ng support team.
Kung iginagalang ba ng mga export ang mga tungkulin, kaya ang isang team lead ay makakakuha ng sariling queue nang hindi nakikita ang buong kumpanya. Kung ang raw na datos ba ay lumalabas sa isang magagamit na format sa halip na isang na-render na chart lamang. At kung may API ba na nagpapahintulot sa mga numero na maabot ang dashboard ng buong kumpanya.
Nagpapasya ang mga setting ng retention kung gaano kalayo makakaabot ang isang paghahambing. Ang platform na naghahawak ng siyamnapung araw ay hindi kayang sagutin ang isang tanong tungkol sa nakaraang taon, at kadalasang natutuklasan ang limitasyong iyon kapag itinatanong na ang tanong.
Ang mga naka-iskedyul na ulat sa pamamagitan ng email ang pananatiling pinaka-mapagkakatiwalaang paraan para talagang mabasa ang mga numero, dahil nangangailangan ang isang dashboard ng isang taong maaalala na buksan ito.
Isa pang tanong tungkol sa access na sulit itanong bago pumirma: kung kasama ba sa export ang mga field na idinagdag ng platform sa halip na yung mga field lamang na kasama nito noong simula. Ang mga custom na field na nagdadala ng reason code ang kadalasang pinakamahalagang column sa file, at ito rin ang kadalasang naiiwan.
Pagbuo ng reporting na talagang binabasa
Karamihan sa reporting ng suporta ay na-configure nang isang beses at hindi na pinapansin pagkatapos. Ilang gawi ang pumipigil dito.
Magsimula sa isang desisyon sa halip na isang sukatan. Kung ang isang numero ay hindi magbabago ng iskedyul, patakaran o pag-hire, hindi na ito kailangan ng chart.
Ilapat nang pare-pareho ang mga reason code bago pa buuin ang anumang bagay. Nakadepende rito ang bawat sumusunod na pagsusuri, at imposible nang isapilitan ito sa isang buong taong kasaysayan.
Suriin lingguhan sa simula at buwanan kapag matatag na ang mga pattern. Ang lingguhang review ang siyang nakakahuli sa isang routing rule na tahimik na nasira.
Ihambing sa dating tool sa unang buwan matapos ang isang migrasyon. Nagkakaiba ang mga depinisyon sa iba't ibang platform, at ang pagbaba ng oras ng pagtugon ay kung minsan ay isang pagbabago lamang sa kung kailan nagsisimula ang orasan.
Forecasting at capacity planning
Ipinapaliwanag ng reporting ang nakaraan; ang forecasting ang gumagawa nito bilang isang iskedyul.
Ang mga input ay ang volume ayon sa oras ng araw sa loob ng ilang linggo, average handling time ayon sa channel at ang concurrency na kaya ng isang ahente. Ang chat ay sumusuporta ng tatlo hanggang limang usapan nang sabay-sabay, ang boses ay isa lamang, at ang pag-average sa dalawa ay nagbubunga ng iskedyul na sasablay sa dalawa.
Ang seasonality ay nangangailangan ng isang taong kasaysayan para makita. Ang retention na mas maiksi rito ay nagtatago ng taunang tugatog hanggang ito ay dumating, na siyang pinakamamahaling uri ng pagkabigla sa suporta.
Ang shrinkage ang numerong kadalasang tinatanggal sa mga plano: ang training, breaks, meeting at pagliban ay regular na umaabot sa isang-kapat ng bayad na oras, at ang isang iskedyul na binuo batay sa hilaw na bilang ng empleyado ay kulang na bago pa ito magsimula.
Ang oras ng trabaho at ang adherence sa shift ay dapat nasa parehong sistema ng queue, o maghihiwalay ang plano at ang katotohanan sa loob ng isang buwan.
Attribution: ano ang halaga ng suporta
Karaniwang huminto lamang ang support reporting sa kahusayan, na nagpapamukha sa departamento na parang isang cost centre dahil iyon lamang ang binibilang.
Tatlong koneksyon ang nagbabago sa argumento. Ipinapakita ng mga usapang naka-link sa mga deal kung ano ang na-recover o na-unblock ng suporta. Ipinapakita ng mga usapang naka-link sa churn kung ano ang hindi nito nagawa. At ipinapakita ng mga usapang naka-link sa reason code kung aling problema sa produkto ang gumagawa ng volume.
Wala sa tatlo ang posible kapag naninirahan ang record ng customer sa ibang sistema kaysa sa usapan, dahil ginagawa ang pagsasama nang manu-mano o hindi ginagawa.
Ito ang pinakamatibay na praktikal na argumento para sa isang platform kung saan magkasama ang CRM at suporta sa iisang record: hindi dahil sa kaginhawahan, kundi dahil sa kakayahang sagutin kung ano ang halaga ng trabaho.
AI sa analytics
Nangangako ang mga AI-powered na platform ng conversational analytics na basahin ang bawat interaksyon, at malaki ang kaya nilang gawin dito. Ang tanong ay kung ano ang binabasa nila.
Ang klasipikasyon ang pinaka-mapagkakatiwalaang gamit: pagpapangkat ng mga usapan ayon sa dahilan nang hindi nag-aaplay ng tag ang isang ahente. Inaalis nito ang pinakamahinang link sa bawat reporting chain, na siyang human tagging sa ilalim ng bigat ng oras.
Ang summarisasyon ang pangalawa: isang mahabang thread na na-reduce sa nangyari, na nagpapahintulot sa review na maging posible sa malaking dami.
Ang sentiment ang pinaka-pinamarketing at pinaka-hindi-magamit nang mag-isa, dahil ang isang mood na walang dahilan ay hindi nagsusuporta ng anumang desisyon. Kapag ipinares sa isang reason code, nagiging kapaki-pakinabang ito.
Ang scoring laban sa isang rubric ang pang-apat, at ito ang nagbabago sa quality assurance mula sa isang sample tungo sa isang census. Pinapatakbo ito ng RolChat sa bawat recording ng tawag bilang bahagi ng platform.
Mga benchmark at ang halaga nito
Ang mga inilathalang benchmark ng suporta ang pinaka-sinisipi at pinaka-walang-silbing numero sa larangang ito.
Nag-aaverage sila sa iba't ibang industriya na may magkaibang inaasahan, sa iba't ibang channel na may magkaibang orasan, at sa iba't ibang kumpanya na may magkaibang depinisyon ng resolusyon. Ang isang figure na binuo sa ganoong paraan ay hindi naglalarawan ng sinuman.
Ang sariling kasaysayan lamang ang benchmark na matatag. Ang nakaraang quarter, ang parehong panahon noong nakaraang taon, at ang linggo bago ang isang pagbabago ay tatlong paghahambing na may kahulugan.
Kung talagang kailangan ang isang panlabas na figure, gamitin ito bilang direksyon sa halip na target: sulit malaman na ang pagtugon sa chat ay sinusukat sa segundo sa buong merkado, hindi sulit gawing target ang isang partikular na numero.
Ang eksepsyon ay kontraktwal. Ang isang SLA na nakasulat sa isang kasunduan sa customer ay isang target anuman ang sabihin ng anumang benchmark, at kailangang sukatin ito ng reporting batay sa depinisyon ng kontrata sa halip na sa default ng platform.
Mga madalas itanong
Ano ang pinakamahusay na software para sa customer service analytics?
Para sa karamihan ng mga team, ang reporting sa loob ng kanilang support platform, basta't nag-uulat dito ang bawat channel. Kumikita ang mga dedikadong produktong analytics kung saan sapat na kataas ang volume ng boses na isang porsyentong puntos ng handling time ay katumbas na ng sahod ng isang empleyado.
Ano ang pinakamahusay na software para sa call centre analytics?
Nakadepende iyan kung ang boses ay isang channel lamang o ito mismo ang channel. Ang mga espesyal na platform ng contact centre analytics ay mas malalim sa pagsusuri ng speech at interaction; ang isang support platform na may native na boses ay sinasaklaw na ang operational reporting at call scoring nang hindi na kailangan ng pangalawang console.
Anong mga sukatan ang dapat subaybayan ng isang support team?
Volume ayon sa oras ng araw, volume ayon sa dahilan, reopen rate at pagkakaiba-iba ng workload sa mga ahente. Ang apat na iyon ang nagbabago ng desisyon sa staffing at proseso. Mahalaga rin ang oras ng pagtugon at resolusyon, pero kapag lang ito hinati ayon sa channel.
Paano gumagana ang speech analytics?
Sini-transcribe ang mga tawag at hinahanap sa mga transcript ang mga pattern: keyword, katahimikan, pag-uumpugan ng usapan, wika ng eskalasyon at mga parirala ng pagsunod sa alituntunin. Ang halaga nito ay ang saklaw, dahil sinusuri ng automated scoring ang bawat tawag sa halip na isang sample lamang.
Kailangan ko ba ng hiwalay na CSAT survey tool?
Kung ang support platform lang ay hindi nagpapadala ng survey sa oras ng resolusyon. Ang mas mahalaga kaysa sa tool ay ang oras, ang paghahati ng score ayon sa channel at ang pagbasa ng mga malayang komento sa halip na ang average.
Bakit magkaiba ang iniuulat na oras ng pagtugon ng dalawang platform?
Dahil nagsisimula ang orasan sa iba't ibang lugar. May sumusukat mula sa pagdating, ang iba naman mula sa pag-assign, at may humihinto sa labas ng oras ng trabaho. Ihambing ang mga depinisyon bago ihambing ang mga numero, lalo na matapos ang isang migrasyon.
Kasama ba ang reporting sa plano ng RolChat?
Oo. Ang reporting sa mga usapan, tiket, tawag, deal at performance ng team ay bahagi na ng platform sa halip na isang hiwalay na analytics tier, at tumatakbo ang AI call scoring sa bawat recording.
Maaari bang lumabas ang datos ng reporting mula sa platform?
Dapat lang. Tiyakin na available ang mga raw na export sa halip na na-render na chart lamang, na iginagalang ng mga export ang mga tungkulin, at may API na makakapagpadala ng datos sa isang dashboard ng buong kumpanya.
Ano ang interaction analytics?
Ang parehong ideya ng speech analytics na inilapat sa lahat ng channel sa halip na sa boses lamang: itinuturing ang isang chat at isang tawag bilang dalawang anyo ng iisang interaksyon at sinusukat sa parehong rubric. Mahalaga ito kung saan lumilipat ang mga customer sa pagitan ng mga channel sa loob ng isang kahilingan.
Dapat ba kaming bumili ng dedikadong produktong analytics?
Kung kataas lamang ang volume ng boses na isang porsyentong puntos ng handling time ay katumbas na ng sahod ng isang empleyado, o kung may hinihinging pagsunod sa alituntunin na hindi kayang gawin ng platform. Sa ibaba niyan, naghahati lamang ang isang pangalawang console sa ulat at nagbubunga ng dalawang bersyon ng katotohanan.
Gaano katagal dapat panatilihin ang kasaysayan ng reporting?
Sapat na katagal para ihambing sa parehong panahon noong nakaraang taon. Ang retention na mas maiksi rito ay ginagawang hindi nakikita ang seasonal na pattern, at kadalasang natutuklasan ang limitasyon sa mismong sandali na itinatanong ang tanong.
Nagsusulat tungkol sa operasyon ng customer support, live chat, serbisyong tinutulungan ng AI, at ang mga tool sa likod ng magandang karanasan ng customer.
LinkedIn
