Tatlong tanong ang sinasagot ng analytics software para sa serbisyo sa customer: gaano kabilis sumagot ang team, gaano kahusay itong nakakaresolba, at saan nanggagaling ang volume. Palamuti lang ang lahat ng iba pa sa dashboard hangga't walang desisyong binabago ang isa sa tatlong iyon.
Walong platform ang tinatalakay sa ibaba, kasama ang mga sukatang sulit bantayan at ang mga tahimik na umuubos lang ng atensyon. Hindi namin inilalagay dito ang presyo ng mga kakumpitensya.
Pangkalahatan ang mga paglalarawan at batay sa inilalathala ng bawat vendor. Hindi ito benchmark o audit, at walang presyo ng kakumpitensya sa ibaba. Kumpirmahin ang kasalukuyang mga plan at feature sa sariling site ng bawat vendor. Pag-aari ng kani-kanilang may-ari ang mga pangalan ng produkto at logo. Inilalathala ng RolChat ang pahinang ito at isa ito sa mga produktong nakalista, kaya ang entry nito ay paglalarawan mismo ng naglathala.
Ano ang sinusukat ng kategoryang ito
Dalawang uri ng produkto ang may parehong label.
Ang una ay reporting na nakapaloob sa support platform: volume ng usapan, oras ng pagsagot at pagresolba, workload at satisfaction, mula sa datos na hawak na ng platform.
Ang pangalawa ay nakalaang contact center analytics software na nakatutok sa boses: pagsusuri ng mga recording ng tawag, speech analytics, sentiment scoring at interaction analytics sa malalaking volume ng tawag.
Ang una ang kailangan ng karamihan ng team, pero akala nila ang pangalawa. Sulit lang ang mga espesyal na tool sa volume ng tawag kung saan ang isang porsiyento ng average handling time ay katumbas ng isang suweldo, at mas kaunti ang ganoong kumpanya kaysa sa ipinapahiwatig ng marketing.
Ang praktikal na hangganan ay kung ang boses ay isa lang sa mga channel o ito ang pangunahing channel. Kapag mas mababa sa ilang libong tawag kada buwan, sapat na ang reporting sa loob ng support platform.
Mga sukatang nagpapabago ng desisyon
Apat na numero ang nagpapabago sa staffing o proseso, at sulit silang gawan ng ulat.
Ang volume kada oras ng araw ang nagtatakda ng mga shift. Ito ang pinakamagagamit na numero sa support reporting, at ito rin ang pinakamadalas na nawawalan ng saysay kapag in-average sa buong linggo.
Ang volume ayon sa dahilan ang nagpapasya kung ano ang ia-automate at ano ang idodokumento. Mas mahalaga ang reason code na pare-parehong inilalapat kaysa sa anumang sentiment model.
Sinusukat ng reopen rate kung totoo ang resolusyon. Kapag sabay na tumataas ang bilang ng resolusyon at ang reopen rate, isinasara lang ang mga ticket at hindi talaga sinasagot, at makikita lang ito kung sabay na binabantayan ang dalawa.
Ang pagkakaiba ng workload ng mga agent ang naghihiwalay sa problema sa staffing at problema sa pagruruta. Kapag pantay ang pila pero mahaba ang average, kailangan ng dagdag na tao; kapag hindi pantay, kailangan ng mas maayos na pamamahagi.
Mga numerong bihirang may binabago
Ilang numero ang nasa bawat dashboard pero halos walang binabago.
Ang kabuuang bilang ng ticket ay volume na walang pinaghahatian. Tumataas ito kasabay ng dami ng customer at bumababa sa tahimik na buwan, at walang desisyong nakasalalay sa alinmang galaw.
Ang average first response time sa lahat ng channel ay pinaghahalo ang chat na sinusukat sa segundo at ang email na sinusukat sa oras. Hatiin ito ayon sa channel o huwag nang sukatin.
Niraranggo ng mga leaderboard ng agent ang mga tao ayon sa pinakamadaling bilangin, kadalasan ang mga naisarang ticket, at tiyak na iyon mismo ang kilos na lalabas.
Ang sentiment na sinukat sa buong panahon nang walang kasamang dahilan ay nagsasabi sa manager ng damdamin, hindi ng sanhi.
Ang walo sa isang tingin
| Platform | Saklaw ng reporting | Voice analytics | Custom na ulat |
|---|---|---|---|
| RolChat | Mga usapan, ticket, deal, team | Malapit na, kasabay ng telephony | Kasama |
| Zendesk | Mga ticket, messaging, boses depende sa plan | Available depende sa plan | Malalim, ayon sa tier |
| Freshdesk | Mga ticket, may kapatid na produkto para sa ibang channel | Sa pamamagitan ng kapatid na produkto | Ayon sa tier |
| Intercom | Mga usapan at ulat sa resolusyon ng AI | Tingnan sa vendor | Ayon sa plan |
| HubSpot Service Hub | Datos ng serbisyo sa loob ng mas malawak na CRM | Pagtawag ayon sa tier | Malakas, ayon sa tier |
| Zoho Desk | Mga ticket, may mas malawak na suite sa likod | Ayon sa tier | Ayon sa tier |
| Help Scout | Mga usapan at help center | 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 tungkol sa mga usapan, ticket, deal at performance ng team sa iisang lugar, dahil nasa iisang platform ang apat na ito at hindi sa magkakahiwalay na produkto.
Sakop ng karaniwang set ang first response time, resolution time, reopen rate, CSAT at workload, na mahahati ayon sa pila, channel, agent at oras ng araw.
Dine-develop pa ang telephony. Kapag inilunsad na, magkatabi na ang sukatan ng tawag at ng nakasulat na usapan, at tatakbo ang AI call scoring sa bawat recording, hindi lang sa sample. Sa ganoon, buong panahon ang masasaklaw ng quality review.
Sumusunod sa mga role ang export, kaya makukuha ng team lead ang sarili niyang pila nang walang access sa buong kumpanya. Kasama na sa plan ang reporting at hindi ito hiwalay na analytics tier.
Pinakamainam para sa: mga team na gusto ng ulat sa bawat nakasulat na channel sa iisang ulat, nang hindi bumibili ng analytics product bukod sa support platform.
Zendesk
Ang Zendesk ang may pinakamalalim na reporting sa mga klasikong help desk, may nakalaang analytics product sa likod nito at mahabang kasaysayan ng paggawa ng custom na ulat.
Para sa mga organisasyong may analyst na gagawa at mag-aalaga ng mga dashboard, mataas ang kisame.
Nakakalat ang kakayahan sa iba't ibang tier, kaya ang reporting na iniisip ng team ay puwedeng nasa mas mataas na tier kaysa sa plan na pinaghahambing nila sa presyo.
Pinakamainam para sa: mga organisasyong may analyst at malinaw na pangangailangan sa reporting. Kumpirmahin sa site ng Zendesk kung ano ang kasama sa bawat tier.
Freshdesk
Matibay ang reporting ng Freshdesk sa mga sukatan ng ticket at lalo itong gumaganda kapag ginagamit ang iba pang produkto ng Freshworks, dahil mas malaking bahagi ng customer journey ang napapasok sa iisang data model.
Kahit mag-isa, sakop nito ang mga pangunahing kailangan nang hindi nangangailangan ng analyst.
Dumarating ang voice analytics sa pamamagitan ng kapatid na produkto, hindi ng help desk mismo.
Pinakamainam para sa: reporting sa ticket na hindi na kailangang i-configure. Kumpirmahin ang laman ng bawat tier sa site ng Freshdesk.
Intercom
Nag-uulat ang Intercom tungkol sa mga usapan at hindi sa mga ticket, na bagay sa operasyong nakabatay sa messaging at iba ang dating kaysa sa dashboard ng help desk.
Kakaiba ang detalye ng reporting nito sa AI, na bunga ng komersyal na modelo kung saan sinisingil ang bawat resolusyon.
Dapat tingnan ng mga team na naghahambing kung paano binibigyang-kahulugan ang resolusyon, dahil ang kahulugang iyon ang nagtatakda sa ulat at sa invoice.
Pinakamainam para sa: mga operasyong nakabatay sa messaging na nagpapahalaga sa saklaw ng automation. Kumpirmahin ang mga plan sa site ng Intercom.
HubSpot Service Hub
Nag-uulat ang Service Hub sa loob ng mas malawak na CRM, at ito ang pangunahing lakas nito: magkatabi sa iisang record ang aktibidad ng support at ang datos ng marketing at sales.
Dahil dito, nasasagot ang mga tanong tungkol sa epekto sa kita sa paraang hindi kaya ng hiwalay na help desk.
Pamilyar ang kapalit: nakadepende ang halaga sa paggamit ng buong platform sa paligid nito, at sumusunod sa tier ang lalim ng reporting.
Pinakamainam para sa: mga team na nasa CRM na at kailangang makita ang serbisyo at kita sa iisang view. Kumpirmahin ang mga tier sa site ng HubSpot.
Zoho Desk
Maayos ang reporting ng Zoho Desk sa mga ticket at may malawak na pamilya ng produkto sa likod nito, at ang analytics nito ay umaabot nang lampas sa support para sa mga organisasyong nasa ecosystem na.
Mas malaki ang kailangang pag-configure kaysa sa inaasahan sa ganitong presyo.
Para sa mga kumpanyang gumagamit ng ilang Zoho application, ang pinagsasaluhang data model ang tunay na dahilan.
Pinakamainam para sa: mga kasalukuyang gumagamit ng Zoho. Kumpirmahin ang mga plan sa site ng Zoho.
Help Scout
Nakatutok na set ng ulat ang ibinibigay ng Help Scout at hindi kumpletong listahan, na tugma sa kabuuan ng produkto.
Malinaw na sakop ang volume ng usapan, oras ng pagsagot, satisfaction at performance ng help center, at walang kailangang i-set up.
Hindi bahagi ng produkto ang paggawa ng custom na ulat at ang voice analytics.
Pinakamainam para sa: mga team na nakabatay sa email na gusto ng malinaw na numero nang walang configuration. Kumpirmahin ang mga plan sa site ng Help Scout.
Front
Nag-uulat ang Front tungkol sa mga usapan at aktibidad ng team, kasama ang panloob na pagtutulungan, na bihira at kapaki-pakinabang kapag sama-samang binubuo ang mga sagot.
Bagay ang mga view kada account sa B2B na serbisyo na may nakatalagang may-ari.
Nasa labas ng produkto ang telephony analytics.
Pinakamainam para sa: mga B2B team na sinusukat ang pagtutulungan at pati ang pagsagot. Kumpirmahin ang mga plan sa site ng Front.
Call center at voice analytics
Hiwalay na disiplina ang call center analytics software, at sulit ding paghiwalayin ang mga termino.
Sakop ng call center reporting software ang operasyonal na bahagi: volume, oras sa pila, abandonment, average handling time, occupancy at adherence. Mga numero ito ng staffing at mahalaga na mula sa unang daang tawag kada araw.
Ang call center dashboard software ay real-time na pagpapakita ng parehong datos, ginawa para sa supervisor na nagbabantay sa floor at hindi para sa manager na nagbabasa ng buong linggo.
Ang voice analytics ang layer sa itaas: sinusuri nito kung ano ang sinabi, hindi kung gaano katagal.
Para sa mga team na isa lang ang boses sa maraming channel, dapat nasa loob ng support platform ang layer na ito. Ang pagbili ng espesyal na console ay naghahati sa ulat at lumilikha ng dalawang bersyon ng katotohanan.
Speech at interaction analytics
Tina-transcribe ng speech analytics call center software ang mga tawag at hinahanapan ang mga transcript ng mga pattern: keyword, katahimikan, sabayang pagsasalita, pananalitang pang-escalation at mga pariralang pang-compliance.
Pinalalawak ng interaction analytics ang parehong ideya sa lahat ng channel: itinuturing ang chat at tawag bilang dalawang anyo ng iisang interaksyon at pareho silang binibigyan ng score.
Ang praktikal na halaga ay saklaw. Maliit na bahagi lang ng panahon ang nasusuri ng manual review; ang awtomatikong scoring ay sumasaklaw sa lahat, kaya ang coaching ay lumilipat mula sa piling ebidensya patungo sa kumpletong ebidensya.
Ang praktikal na panganib ay scoring na walang reason code. Walang silbi ang malaman na bumaba ang sentiment noong Martes kung hindi mo alam kung tungkol saan tumatawag ang mga customer.
Malapit na ang telephony ng RolChat, kasama ang transcription at AI call scoring sa bawat recording. Kapag live na, sakop na nito ang layer na ito para sa mga team na hindi kailangan ng nakalaang speech analytics console.
CSAT, NPS at mga survey tool
Ang CSAT survey tool ang pinakamurang puhunan sa analytics, at ito rin ang pinakamadalas na mali ang pagbasa.
Kumikiling sa mga sukdulan ang mga sumasagot sa support survey, kaya distribusyon ang score at hindi iisang numero. Ang matatag na average na nagtatago ng lumalaking bilang ng isang-star na sagot ay serbisyong lumalala pero mukhang matatag sa ulat.
Mas mahalaga ang timing kaysa sa pananalita. Ang survey na ipinadala pagkaresolba ay sumusukat sa resolusyon; ang ipinadala makalipas ang isang linggo ay sumusukat sa alaala nito.
Mahalagang hatiin ayon sa channel. Bihirang sabay gumalaw ang satisfaction sa chat at sa telepono, at itinatago ng pinaghalong score kung alin ang kailangang ayusin.
Mas maraming impormasyon ang dala ng mga komento kaysa sa score. Mas marami kang matututunan sa pagbasa ng limampung komento kaysa sa isang quarter ng mga average, at ang customer feedback analytics software ay umiiral para gawing sistematiko ang pagbasang iyon.
Real-time na dashboard laban sa pana-panahong ulat
Magkaibang tao ang pinagsisilbihan ng dalawa, at kapag pinaghalo, lumalabas ang screen na walang gumagamit.
Iisang tanong ang sinasagot ng real-time na dashboard: may kailangan bang aksyunan ngayon mismo. Lalim ng pila, pinakamahabang paghihintay, mga available na agent. Apat na numero, malalaki, nakikita mula sa kabilang dulo ng silid.
Ibang tanong ang sinasagot ng pana-panahong ulat: ano ang dapat magbago sa susunod na buwan. Kailangan nito ng paghahambing sa mga nakaraang panahon, hati ayon sa dahilan at sapat na konteksto para ipaglaban ang pag-hire.
Ang software sa pagsubaybay ng mga sukatan ng serbisyo sa customer na sinusubukang gawin ang dalawa ay kadalasang pumapalya sa pangalawa, dahil hindi bagay sa live na numero ang makasaysayang paghahambing na nagpapakumbinsi sa isang ulat.
Bakit mas mabuti ang iisang ulat kaysa sa dalawang console
Ang pinakakaraniwang pagpalya ng analytics sa support ay hindi kulang na sukatan. Ito ay dalawang system na tig-kalahati ang hawak ng sagot.
Kapag nasa isang produkto ang ulat ng chat at nasa iba ang mga tawag, dalawang beses sinusukat ang response time sa magkaibang kahulugan, at walang makapagsabi kung ano ang naranasan ng customer mula simula hanggang dulo.
Ganito rin ang hati sa pagitan ng ulat ng support at ng sales. Hindi nakikita ang usapan tungkol sa pag-alis ng customer na nagsimula bilang billing ticket kung magkahiwalay ang record ng ticket system at ng CRM.
Ang pag-iisa ng platform ang dahilan kung bakit mapagkakatiwalaan ang ulat, at kadalasang mas mura ito kaysa bumili ng analytics layer para pagtugmain ang dalawa.
Ito ang dahilan kung bakit mas mabuti ang reporting na kasama ng platform kaysa sa nasa tabi nito: hindi dahil mas malalim ito, kundi dahil kumpleto ito.
Export, pahintulot at access sa datos
Tatlong tanong sa access ang nagpapasya kung magagamit ang reporting sa labas ng support team.
Kung sumusunod sa mga role ang export, para makuha ng team lead ang sarili niyang pila nang hindi nakikita ang buong kumpanya. Kung lumalabas ang hilaw na datos sa magagamit na format at hindi lang bilang naka-render na chart. At kung may API para makarating ang mga numero sa dashboard ng buong kumpanya.
Ang setting ng retention ang nagtatakda kung gaano kalayo pabalik ang maaabot ng paghahambing. Hindi masasagot ng platform na siyamnapung araw lang ang hawak ang tanong tungkol sa nakaraang taon, at kadalasang natutuklasan ang limitasyong iyon kapag itinanong na ito.
Ang naka-iskedyul na ulat sa email pa rin ang pinakamaaasahang paraan para mabasa ang mga numero, dahil kailangan ng dashboard na may makaalalang buksan ito.
Isa pang tanong sa access ang sulit itanong bago pumirma: kung kasama sa export ang mga field na idinagdag sa platform at hindi lang ang mga orihinal. Ang mga custom field na may reason code ang kadalasang pinakamahalagang column sa file, at sila rin ang pinakamadalas naiiwan.
Pag-set up ng reporting na talagang binabasa
Karamihan ng support reporting ay isang beses kino-configure at binabalewala na pagkatapos. May ilang gawi na pumipigil dito.
Magsimula sa desisyon, hindi sa sukatan. Kung hindi babaguhin ng isang numero ang iskedyul, rule o pag-hire, hindi na nito kailangan ng chart.
Ilapat nang pare-pareho ang mga reason code bago gumawa ng anumang iba. Nakasalalay sa kanila ang lahat ng kasunod na pagsusuri, at hindi na posibleng idagdag ang mga ito sa history ng isang buong taon.
Suriin linggu-linggo sa simula at buwan-buwan kapag matatag na ang mga pattern. Ang lingguhang pagsusuri ang nakakahuli sa rule ng pagruruta na tahimik na nasira.
Ihambing sa dating tool sa unang buwan pagkatapos ng paglipat. Magkakaiba ang kahulugan sa bawat platform, at minsan ang pagbaba ng response time ay pagbabago lang pala sa kung kailan nagsisimula ang orasan.
Forecasting at pagpaplano ng kapasidad
Ipinapaliwanag ng reporting ang nakaraan; ang forecasting ang nagiging iskedyul nito.
Ang mga input ay volume kada oras ng araw sa loob ng ilang linggo, average handling time ayon sa channel at ilang sabayang usapan ang kaya ng isang agent. Tatlo hanggang limang usapan nang sabay ang kaya sa chat, isa lang sa boses, at kapag in-average ang dalawa, lalabas ang iskedyul na pumapalya sa pareho.
Kailangan ng isang taon ng history para makita ang seasonality. Kapag mas maikli ang retention, nakatago ang taunang peak hanggang dumating ito, at iyon ang pinakamagastos na sorpresa sa support.
Ang shrinkage ang numerong nakakaligtaan sa karamihan ng plano: karaniwang isang-kapat ng bayad na oras ang napupunta sa training, break, meeting at pagliban, kaya kulang na ang iskedyul na nakabatay sa hilaw na bilang ng tao bago pa ito magsimula.
Dapat nasa parehong system ng pila ang oras ng trabaho at shift adherence, kung hindi ay maghihiwalay ang plano at ang realidad sa loob ng isang buwan.
Atribusyon: ano ang halaga ng support
Kadalasang humihinto sa efficiency ang support reporting, kaya mukhang cost center ang departamento dahil iyon lang ang binibilang.
Tatlong ugnayan ang nagpapabago sa argumento. Ang mga usapang naka-link sa deal ay nagpapakita kung ano ang nabawi o naitulak ng support. Ang mga usapang naka-link sa pag-alis ng customer ay nagpapakita kung saan ito pumalya. At ang mga usapang naka-link sa reason code ay nagpapakita kung aling problema sa produkto ang lumilikha ng volume.
Wala sa tatlo ang posible kapag nasa ibang system ang profile ng customer kaysa sa usapan, dahil mano-mano ang pagdudugtong o hindi na ginagawa.
Ito ang pinakamatibay na praktikal na dahilan para sa platform na iisang record ang pinagsasaluhan ng CRM at support: hindi ang ginhawa, kundi ang kakayahang sagutin kung ano ang halaga ng trabaho.
AI sa analytics
Nangangako ang mga conversational analytics platform na pinapagana ng AI na babasahin ang bawat interaksyon, at kaya naman nila ito sa malaking bahagi. Ang tanong ay kung ano ang hinahanap nila.
Klasipikasyon ang maaasahang gamit: pagpapangkat ng mga usapan ayon sa dahilan nang hindi na kailangang mag-tag ang agent. Inaalis nito ang pinakamahinang kawing sa bawat reporting chain, ang pag-tag ng tao habang nagmamadali.
Pagbubuod ang pangalawa: pinaiikli ang mahabang thread sa kung ano ang nangyari, kaya posible ang pagsusuri kahit malaki ang volume.
Sentiment ang pinakaipinagmamalaki at pinakakaunti ang magagawa kung mag-isa, dahil walang desisyong masusuportahan ng damdaming walang sanhi. Kapag ipinares sa reason code, nagiging kapaki-pakinabang ito.
Pang-apat ang pag-score batay sa rubric, at ito ang nagpapalit sa quality assurance mula sa sample tungo sa buong bilang. Malapit na ito sa RolChat: kapag live na ang telephony, isi-score ang bawat recording ng tawag.
Mga benchmark at ang tunay nilang halaga
Ang mga nailathalang support benchmark ang pinakamadalas banggitin at pinakakaunti ang silbi sa larangang ito.
Ina-average nila ang mga industriyang magkakaiba ang inaasahan, mga channel na magkakaiba ang orasan at mga kumpanyang magkakaiba ang kahulugan ng resolusyon. Walang inilalarawang sinuman ang numerong binuo sa ganoong paraan.
Ang sarili mong history ang tanging benchmark na may bisa. 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 ng panlabas na numero, gamitin ito bilang direksyon at hindi target: mabuting malaman na sa segundo sinusukat ang pagsagot sa chat sa buong merkado, pero hindi sulit gawing layunin ang isang partikular na numero.
Ang eksepsiyon ay kontraktwal. Target ang SLA na nakasulat sa kasunduan sa customer anuman ang sabihin ng benchmark, at kailangang sukatin ito ng reporting ayon sa kahulugan ng kontrata at hindi sa default ng platform.
Mga madalas itanong
Ano ang pinakamahusay na serbisyo sa customer analytics software?
Para sa karamihan ng team, ang reporting sa loob ng kanilang support platform, basta't lahat ng channel ay nag-uulat doon. Sulit lang ang nakalaang analytics product kapag sapat ang taas ng volume ng boses para ang isang porsiyento ng handling time ay katumbas ng isang suweldo.
Ano ang pinakamahusay na call center analytics software?
Nakadepende iyan kung ang boses ay isa lang sa mga channel o ito ang pangunahing channel. Mas malalim sa pagsusuri ng pananalita at interaksyon ang mga espesyal na contact center analytics platform; sakop naman ng support platform na may native na boses ang operasyonal na reporting at call scoring nang walang pangalawang console.
Anong mga sukatan ang dapat bantayan ng support team?
Volume kada oras ng araw, volume ayon sa dahilan, reopen rate at pagkakaiba ng workload ng mga agent. Ang apat na iyon ang nagpapabago ng desisyon sa staffing at proseso. Mahalaga rin ang oras ng pagsagot at pagresolba, pero kapag hinati lang ayon sa channel.
Paano gumagana ang speech analytics?
Tina-transcribe ang mga tawag at hinahanapan ang mga transcript ng mga pattern: keyword, katahimikan, sabayang pagsasalita, pananalitang pang-escalation at mga pariralang pang-compliance. Ang halaga ay saklaw, dahil sinusuri ng awtomatikong scoring ang bawat tawag at hindi lang sample.
Kailangan ko ba ng hiwalay na CSAT survey tool?
Kapag lang hindi nagpapadala ng survey ang support platform pagkaresolba. Mas mahalaga kaysa sa tool ang timing, ang paghahati ng score ayon sa channel at ang pagbasa ng mga komento sa halip na sa average.
Bakit magkaiba ang response time na iniuulat ng dalawang platform?
Dahil magkaiba kung saan nagsisimula ang orasan. May sumusukat mula pagdating, may mula sa pag-assign, at may humihinto sa labas ng oras ng trabaho. Ihambing muna ang mga kahulugan bago ang mga numero, lalo na pagkatapos ng paglipat.
Kasama ba sa plan ng RolChat ang reporting?
Oo. Bahagi ng platform ang reporting sa mga usapan, ticket, deal at performance ng team, hindi hiwalay na analytics tier. Malapit na ang mga ulat sa tawag at AI call scoring, kasabay ng telephony.
Puwede bang ilabas sa platform ang datos ng reporting?
Dapat. Tiyaking may hilaw na export at hindi lang naka-render na chart, na sumusunod sa mga role ang export, at na may API na makakapagpadala sa dashboard ng buong kumpanya.
Ano ang interaction analytics?
Parehong ideya ng speech analytics pero inilalapat sa lahat ng channel at hindi lang sa boses: itinuturing ang chat at tawag bilang dalawang anyo ng iisang interaksyon at sinusukat sa parehong rubric. Mahalaga ito kapag lumilipat-lipat ng channel ang customer sa loob ng iisang kahilingan.
Dapat ba kaming bumili ng nakalaang analytics product?
Kapag lang sapat ang taas ng volume ng boses para ang isang porsiyento ng handling time ay katumbas ng isang suweldo, o kapag may compliance requirement na humihingi ng scoring na hindi kaya ng platform. Kung mas mababa roon, hinahati ng pangalawang console ang ulat at lumilikha ng dalawang bersyon ng katotohanan.
Gaano katagal dapat itago ang history ng reporting?
Sapat na katagal para maihambing sa parehong panahon noong nakaraang taon. Kapag mas maikli ang retention, hindi makikita ang mga seasonal na pattern, at kadalasang natutuklasan ang limitasyon sa mismong sandaling itinanong ito.
Ruslan Nazarov

