Jūsų palaikymo komanda kiekvieną rytą atidaro eilę ir randa dešimtis žinučių, kurios neturi nieko bendra su pagalba klientams. Šaltas pardavimo pasiūlymas iš kažkieno, kas nuskenavo jūsų kontaktų formą. Sukčiavimo el. laiškas, užmaskuotas kaip paskyros problema. Automatinis pranešimas, kuris kažkaip sukūrė bilietą. Žinutė, kuri atrodo lyg kas nors būtų atsisėdęs ant klaviatūros. Tikros klientų problemos yra palaidotos kažkur šioje krūvoje, bet jas rasti užtrunka – laiko, kurį reikėtų skirti problemų sprendimui, o ne šiukšlių rūšiavimui.
Tai yra realybė daugumai palaikymo komandų, o apimtys tik auga. Remiantis įvairių AI teikėjų tyrimais, nuo 15% iki daugiau nei 40% gaunamų palaikymo bilietų gali būti šlamštas, nereikšmingi arba neveiksmintini. Kai kiekviena agento minutė svarbi, toks triukšmas kainuoja brangiai.
AI šlamšto ir nereikšmingumo filtras visiškai pakeičia šią lygtį. Užuot vertęs agentus rankiniu būdu rūšiuoti šiukšles, AI perskaito kiekvieną gaunamą bilietą, įvertina jo turinį ir priima dvejetainį sprendimą: aktualu arba neaktualu. Tik tikri klausimai patenka toliau. Visa kita pažymima, nukreipiama arba atmetama dar prieš tai, kai tai pamato žmogus.
Kas yra AI šlamšto ir nereikšmingumo filtras?
AI šlamšto ir nereikšmingumo filtras yra klasifikavimo sistema, naudojanti natūralios kalbos apdorojimą (NLP) ir mašininį mokymąsi, kad analizuotų gaunamus palaikymo bilietus ir nustatytų, ar jie yra teisėtos klientų užklausos. Skirtingai nuo tradicinių šlamšto filtrų, kurie remiasi statiniais raktinių žodžių sąrašais, AI pagrįstas filtras įvertina visą kiekvienos žinutės kontekstą – jos struktūrą, intenciją, siuntėjo modelius ir semantinę prasmę – kad priimtų tikslesnį sprendimą.
Rezultatas yra sąmoningai paprastas: TRUE (aktualu) arba FALSE (neaktualu). Šis dvejetainis rezultatas tiesiogiai integruojasi į automatizuotas darbo eigas. Bilietas, pažymėtas kaip FALSE, gali būti automatiškai uždarytas, pažymėtas peržiūrai, perkeltas į atskirą šlamšto eilę arba neįtrauktas į standartines ataskaitas. Tikslas yra aiškus: užtikrinti, kad tik tie bilietai, kuriems reikia žmogaus dėmesio, pasiektų žmones.
LiveAgent AI šlamšto ir nereikšmingumo filtras taiko šį metodą ir įdiegia jį tiesiai į palaikymo sistemą . Jis apdoroja neapdorotus bilietų duomenis, įskaitant žinučių antraštes, HTML struktūrą ir turinį, pagal jūsų apibrėžtą verslo kontekstą. Jūs nusprendžiate, ką “aktualu” reiškia jūsų komandai, o AI taiko tą apibrėžimą nuosekliai kiekvienam pateikimui.
Kodėl vien raktinių žodžių filtrų nepakanka
Ilgus metus standartinis būdas išlaikyti šlamštą iš palaikymo eilių buvo raktinių žodžių juodasis sąrašas. Jei žinutėje buvo “SEO paslaugos”, “klientų pritraukimas” ar “greita demonstracija”, ji būdavo pažymima. Šis metodas pagauna dalį šlamšto, tačiau sukuria ir dvi rimtas problemas.
Pirma, jis yra trapus. Šlamšto siuntėjai ir šaltų kontaktų platformos nuolat keičia savo kalbą. Pasiūlymas, kuris šiandien prasideda “Pastebėjau jūsų svetainę”, rytoj gali prasidėti “Patiko jūsų naujausias tinklaraščio įrašas”. Išlaikyti raktinių žodžių sąrašą, kuris spėtų su šiais pokyčiais, yra begalinis žaidimas, kurio niekas nelaimi.
Antra, ir dar svarbiau, raktinių žodžių filtrai pagauna ir teisėtus klientus. Tikras vartotojas gali parašyti: “Mačiau jūsų demonstracinį vaizdo įrašą ir negaliu priversti integracijos veikti.” Raktinių žodžių taisyklė pamato “demonstraciją” ir pažymi bilietą kaip šlamštą. Tas klientas dabar turi blogą patirtį, o jūsų komanda prarado galimybę padėti.
AI pagrįstas filtravimas išvengia abiejų spąstų. Jis skaito intenciją, o ne tik žodžius. Skirtumas tarp taisyklėmis ir AI pagrįsto metodo yra tas pats, kaip skirtumas tarp raktinių žodžių atpažinimo ir prasmės supratimo. Šaltas pardavimo pasiūlymas ir tikras partnerystės klausimas gali turėti panašų žodyną, tačiau visiškai skiriasi kontekstu. AI pastebi šį skirtumą.
Pasiruošę kelti verslą į naują lygį?
Išbandykite LiveAgent nemokamai ir įsitikinkite patys.
Kaip iš tikrųjų veikia AI šlamšto filtrai
Vidinis procesas yra daug sudėtingesnis nei paprastas raktinių žodžių nuskaitymas. Kai gaunamas bilietas, AI atlieka kelis analizės lygius prieš grąžindamas klasifikaciją.
Duomenų apdorojimas ir požymių išgavimas
Pirmas žingsnis yra apdoroti viską, kas prieinama apie žinutę. Tai apima temą, teksto turinį, siuntėjo metaduomenis (el. pašto domeną, IP reputaciją, siuntimo dažnumą), HTML struktūrą (šlamšte dažnai būna paslėptų stebėjimo pikselių ar neįprasto formatavimo) ir bet kokius priedus. AI išgauna požymius iš visų šių signalų, o ne pasikliauja vien tekstu.
Kontekstą įvertinantis vertinimas
Išgavus požymius, AI juos įvertina pagal jūsų apibrėžtą verslo kontekstą. Čia ir atsiskleidžia pritaikymo svarba. Programinės įrangos įmonė gali laikyti klaidų pranešimus iš ne klientų kaip nereikšmingus, o el. prekybos verslas gali traktuoti bet kurią žinutę, turinčią užsakymo numerį, kaip automatiškai aktualią. Jūs nustatote ribas, o AI jas taiko.
Intencijos klasifikavimas
AI klasifikuoja bilieto intenciją: ar tai palaikymo užklausa, pardavimo pasiūlymas, sukčiavimo bandymas, darbo paraiška, automatinis pranešimas ar beprasmis tekstas? Ši klasifikacija peržengia paprastą šlamštas / ne šlamštas dvejetainį skirstymą. Ji nustato nereikšmingumo tipą, o tai svarbu sprendžiant dėl nukreipimo. Šaltas pardavimo pasiūlymas apie SEO paslaugas ir sukčiavimo el. laiškas, nukreiptas į jūsų komandą, abu yra nereikšmingi, tačiau gali reikalauti skirtingo tvarkymo.
Pasitikėjimo balo skaičiavimas ir veiksmas
Paskutinis žingsnis yra priskirti pasitikėjimo balą klasifikacijai ir inicijuoti atitinkamą veiksmą. Aukšto pasitikėjimo šlamštas automatiškai uždaromas arba karantinuojamas. Neaiškios žinutės, esančios 60-85% pasitikėjimo intervale, nukreipiamos į peržiūros eilę, kur žmogus gali priimti galutinį sprendimą. Šis daugiapakopis metodas neleidžia AI tyliai atmesti teisėtos kliento užklausos. Jei AI nėra tikras, jis prašo pagalbos.
Nereikšmingų bilietų tipai, kuriuos AI gali aptikti
Remiantis pagrindinių AI modelių teikėjų atsakymų analize, dažniausios nereikšmingų bilietų kategorijos, kurias AI gali patikimai aptikti, yra:
| Kategorija | Pavyzdys | Rekomenduojamas veiksmas |
|---|---|---|
| Šalti pardavimo pasiūlymai | “Galime pagerinti jūsų SEO reitingus. Susiplanuokime 15 min. pokalbį.” | Pažymėti kaip šlamštą, auto-uždaryti |
| Sukčiavimas ir kenkėjiškos programos | Žinutės su įtartinomis nuorodomis, neįprastais siuntėjo domenais ar prašymais pateikti prisijungimo duomenis | Nedelsiant karantinuoti |
| Automatiniai pranešimai | Nebuvimo darbe atsakymai, pristatymo patvirtinimai, sistemos įspėjimai | Išfiltruoti, nekurti bilieto |
| Darbo paraiškos | “Norėčiau pretenduoti į jūsų programinės įrangos inžinieriaus poziciją”, išsiųsta į support@ | Pažymėti ir nukreipti |
| Beprasmiai / testiniai pranešimai | Atsitiktinės simbolių eilutės, tušti pateikimai, “test test test” | Auto-uždaryti |
| Dublikatai bilietai | Tas pats vartotojas siunčia tą pačią problemą kelis kartus per kelias minutes | Sujungti arba uždaryti dublikatus |
| Ne į temą / neatitinkantys apimties | Klausimai apie produktus ar paslaugas, kurių jūsų įmonė nesiūlo | Pažymėti ir uždaryti su nukreipimu |
Pagrindinė įžvalga iš visų AI teikėjų yra ta, kad intencija pagrįstas klasifikavimas lenkia raktinių žodžių filtravimą kiekvienoje kategorijoje. Žinutė, kuri sako “Norėčiau aptarti, kaip mūsų platforma galėtų papildyti jūsų palaikymo darbo eigą”, neturi akivaizdžių šlamšto raktinių žodžių, tačiau intencija – neprašyta pardavimo komunikacija – yra neabejotina AI, skaitančiam prasmę.
Prenumeruokite naujienlaiškį
Naujausi patarimai ir pasiūlymai tiesiai į jūsų pašto dėžutę.
Kaip nustatyti automatinį šlamšto aptikimą neprarandant tikrų klientų
Dažniausia baimė, kurią komandos jaučia diegdamos AI šlamšto filtrą, yra klaidingas teigiamas rezultatas: tikras klientas, kurio teisėta užklausa pažymima kaip šlamštas ir niekada nesulaukia atsakymo. Ši baimė yra pagrįsta. Klaidingas teigiamas rezultatas nėra tik praleistas bilietas. Tai pažeisti santykiai su klientu.
Štai patikrintas diegimo metodas, mažinantis šią riziką kiekviename žingsnyje.
Pradėkite nuo simuliacijos režimo
Prieš AI paliečiant nors vieną tikrą bilietą, paleiskite jį per savo istorinius duomenis. Įveskite paskutinių trijų mėnesių bilietus ir pažiūrėkite, kaip jis būtų klasifikavęs kiekvieną. Ši simuliacija suteikia jums tiesioginį vaizdą tiek apie AI tikslumą, tiek apie ribinius atvejus. Pamatysite, kokie žinučių tipai klaidina klasifikatorių, ir galėsite pakoreguoti savo apibrėžimus prieš įjungiant sistemą.
Pirmiausia žymėkite, automatizuotai uždarykite vėliau
Pradėdami dirbti realiuoju laiku, elkitės konservatyviai. Sukonfigūruokite AI taip, kad jis pažymėtų įtariamus šlamšto bilietus, o ne automatiškai juos uždarytų. Jūsų agentai matys spam_review žymą pažymėtuose bilietuose ir galės greitai patvirtinti arba pakeisti klasifikaciją. Ši žmogaus aktyvi kontrolė sukuria pasitikėjimą sistema, tuo pačiu užtikrinant, kad neprasprūstų nė vienas klaidingas teigiamas rezultatas.
Nustatykite pasitikėjimo slenksčius
Ne visos AI klasifikacijos yra vienodai tikslios. Įgyvendinkite daugiapakopį metodą:
- Aukštas pasitikėjimas (≥90%): Automatiškai uždaryti arba perkelti į šlamšto eilę
- Vidutinis pasitikėjimas (60-89%): Nukreipti į peržiūros eilę agento patikrai
- Žemas pasitikėjimas (<60%): Traktuoti kaip teisėtą ir nukreipti įprasta tvarka
Šis modelis užtikrina, kad AI veiktų savarankiškai tik tada, kai yra labai tikras. Visa kita peržiūri žmonės.
Sukurkite grįžtamojo ryšio kilpą
Kiekvienas agento pakeitimas – pažymint šlamšto bilietą kaip teisėtą arba atvirkščiai – turėtų grįžti atgal į sistemą. Laikui bėgant AI mokosi iš šių pataisymų ir gerina savo tikslumą pagal jūsų specifinius bilietų modelius.
Aiškiai apibrėžkite ribinius atvejus
Užrašykite taisykles paprasta kalba. Pavyzdžiui: “Niekada neuždarykite bilieto, kuriame minima grąžinimas, paskyros problema ar užsakymo numeris. Traktuokite neprašytus partnerystės pasiūlymus kaip šlamštą, bet visada pažymėkite peržiūrai, jei siuntėjas yra iš esamo kliento domeno.” Šie apsauginiai barjerai neleidžia AI padaryti katastrofiškų klaidų.
Naudojant AI šlamšto ir nereikšmingumo filtrą , kuris palaiko pritaikomą verslo logiką, šias taisykles galite užkoduoti tiesiogiai aptikimo darbo eigoje. Filtras netaiko vieno visiems tinkančio šlamšto apibrėžimo. Jis taiko jūsų apibrėžimą.
Už šlamšto ribų: AI bilietų rūšiavimas ir kategorizavimas
Šlamšto filtravimas yra pirmasis AI valdomo bilietų valdymo sluoksnis. Kitas sluoksnis yra tai, kas atsitinka su bilietais, kurie praeina pro filtrą. Jei 30% jūsų gaunamos eilės yra šiukšlės, jų pašalinimas yra pergalė. Bet kaip su likusiais 70%, teisėtais bilietais, kuriuos vis tiek reikia perskaityti, sukategorizuoti, prioritetizuoti ir nukreipti?
Čia į pagalbą ateina AI bilietų rūšiavimas ir kategorizavimas . Kol šlamšto filtras atsako į dvejetainį klausimą “aktualu ar ne?”, rūšiavimo agentas atsako į klausimą “koks aktualumo tipas?” Jis perskaito kiekvieną naują bilietą, nustato pagrindinės problemos tipą ir priskiria atitinkamą kategorijos žymą – klaidos pranešimas, atsiskaitymo klausimas, funkcijos prašymas, paskyros problema, atšaukimas ar bendra užklausa – dar prieš agentui atidarant bilietą.
Poveikis kaupiasi. Kai šlamšto filtravimas ir kategorizavimas veikia kartu, agento eilė transformuojama iš nediferencijuotos žinučių krūvos į švarią, iš anksto surūšiuotą veiksmingų užduočių srautą. Jie žino, apie ką yra kiekvienas bilietas, dar prieš spustelėdami. Jie gali grupuoti panašius bilietus. Jie neišleidžia nė kiek protinės energijos rūšiavimui. Jie tiesiog sprendžia.
Kartu su AI bilietų patvirtinimu ir automatiniu atsakymu , automatizavimas tampa dar gilesnis. Bilietai, kurie yra ir aktualūs, ir paprasti – pavyzdžiui, klientas užduoda klausimą, į kurį jau yra atsakyta jūsų žinių bazėje – gali gauti akimirksniu sugeneruotą tikslų AI atsakymą. Klientas gauna sprendimą per kelias sekundes. Agentas niekada nemato bilieto. Šlamšto filtras, rūšiavimo agentas ir automatinis atsakiklis sudaro grandinę, kuri automatiškai apdoroja visą gaunamų užklausų darbo eigą.
Kaip LiveAgent AI šlamšto ir nereikšmingumo filtras įsilieja į pilną automatizavimo sistemą
LiveAgent AI valdomos funkcijos yra sukurtos moduline architektūra. Kiekvienas AI agentas atlieka konkrečią funkciją, o jūs juos sujungiate į darbo eigas, atitinkančias jūsų palaikymo procesą. AI šlamšto ir nereikšmingumo filtras yra pirmieji vartai šioje grandinėje.
Filtrą palaiko FlowHunt , AI platforma, sukurta tos pačios įmonės, kuri sukūrė LiveAgent. Ši integracija reiškia, kad jūsų bilietų duomenys nepalieka ekosistemos. Jie apdorojami toje pačioje infrastruktūroje, kuri palaiko jūsų palaikymo sistemą. Komandoms, kurios tvarko neskelbtiną klientų informaciją, šis duomenų lokalumas yra svarbus.
Darbo eiga paprastai atrodo taip:
- Bilietas gaunamas: el. paštu, kontaktų forma, tiesioginiu pokalbiu ar socialiniuose tinkluose
- AI šlamšto ir nereikšmingumo filtras : įvertina bilietą ir grąžina TRUE arba FALSE
- Jei FALSE: bilietas automatiškai pažymimas, perkeliamas į šlamšto eilę arba uždaromas pagal jūsų taisykles. Agentas neinformuojamas.
- Jei TRUE: bilietas perduodamas AI rūšiavimo ir kategorizavimo agentui, kuris priskiria kategorijos žymą
- Sukategorizuoti bilietai nukreipiami per automatizuotą bilietų paskirstymą į atitinkamą skyrių ar agentą
- Paprastoms užklausoms AI automatinis atsakiklis gali sugeneruoti ir išsiųsti momentinį atsakymą iš žinių bazės
Kiekvienas žingsnis yra neprivalomas ir konfigūruojamas. Galite naudoti tik šlamšto filtrą, jei to jums reikia. Kategorizavimą galite pridėti vėliau. Automatinį atsakymą galite įjungti tik konkretiems bilietų tipams. Moduliškumas reiškia, kad niekada nereikia automatizuoti daugiau, nei jums patogu.
Tikroji nefiltravimo kaina
Verta įvertinti, kiek iš tikrųjų kainuoja nefiltruotas bilietų triukšmas. Įvairių AI teikėjų ir palaikymo platformų tyrimai rodo nuoseklius skaičius:
- Laikas vieno bilieto rūšiavimui: Agentai praleidžia 30-60 sekundžių vienam bilietui rankiniam klasifikavimui ir nukreipimui
- Konteksto perjungimo kaina: Kiekvienas šlamšto bilieto sukeltas pertraukimas nutraukia agento dėmesį nuo tikros klientų problemos, pridedant paslėptą kognityvinę naštą
- Klaidingų teigiamų rezultatų rizika rankiniame filtravime: Pavargę arba paskubėję agentai daro klaidų, neteisingai priskirdami tikrą bilietą prie šlamšto arba atvirkščiai
- Agentų morale: Rūšiuoti šiukšles yra demoralizuojanti užduotis. Tai palaikymo atitikmuo šlamšto aplanko valymui – būtina, bet alinanti
Komandai, kuri per dieną apdoroja 200 bilietų, kurių 25% yra nereikšmingi, tai reiškia 50 bilietų per dieną, kuriuos reikia rankiniu būdu rūšiuoti vien tam, kad jie būtų atmesti. Po 45 sekundes kiekvienam, tai beveik 40 minučių agento laiko per dieną – daugiau nei 3 valandas per savaitę – išleidžiama darbui, kuris nesukuria jokios vertės. Per metus tai yra maždaug 160 valandų arba keturios pilnos agento darbo savaitės, sunaudotos šlamštui.
AI šlamšto ir nereikšmingumo filtras visiškai atgauna šį laiką. Bilietai yra filtruojami dar prieš jiems patenkant į eilę. Agentai jų niekada nemato. Tos 160 valandų grįžta tikrų klientų problemų sprendimui.
Apibendrinimas
Palaikymo bilietų triukšmo problema nedingsta. Kai kontaktų formos tampa lengviau randamos ir nuskaunamos, kai šaltų kontaktų įrankiai tampa vis sudėtingesni, o klientų lūkesčiai dėl greito atsako laiko nuolat auga, atotrūkis tarp “visko, kas atkeliauja” ir “to, kas iš tikrųjų svarbu” tik didės.
AI klasifikavimas užpildo šį atotrūkį. Jis ne tik filtruoja šlamštą. Jis atskiria šaltą pardavimo pasiūlymą nuo tikros partnerystės užklausos, automatinį pranešimą nuo tikro kliento įspėjimo, beprasmį tekstą nuo nusivylusio vartotojo, kuriam reikia pagalbos. Jis taiko nuoseklų vertinimą masteliu, be nuovargio, be šališkumo ir niekada netyčia neignoruoja kliento, kuriam reikia pagalbos.
Diegimo kelias aiškus: pirmiausia simuliacija, žymėkite prieš uždarydami, nustatykite pasitikėjimo slenksčius, sukurkite grįžtamojo ryšio kilpas ir apibrėžkite savo ribinius atvejus. Pradėkite nuo šlamšto filtro, o vėliau, augant pasitikėjimui, pridėkite rūšiavimą, kategorizavimą ir automatinį atsakymą. Rezultatas – palaikymo eilė, kurioje yra tik tai, kas turėtų būti: tikri klientai su tikromis problemomis, laukiantys tikros pagalbos.
