品質 AI 基本概念

品質 AI 會使用 AI 模型自動分析客服對話內容，或是客服中心服務專員和使用者間的互動情形。AI 模型會分析即時通訊或語音轉錄稿。

編輯評量表時，您可以對自訂標記執行下列作業。

為現有問題新增標記。
從現有問題中移除標記。

對話詳細資料

對話包含下列詳細資料。這些詳細資料包括用於分析的 ID 和指標。

服務專員 ID：指派給每位服務專員的專屬號碼，用於識別他們處理的對話。
專員總分：專員在所有對話中的平均表現分數。
AHT：平均處理時間，指在特定時間範圍內，服務專員的平均對話時間長度。
平均客服人員分數：所有客服人員總分的平均值。(請參閱「專員總分」一節)。
平均代理程式品質分數：特定時間範圍內，單一代理程式對話產生的品質分數平均值。(請參閱「品質分數」一文)。
平均對話分數：所有對話的平均分數。
平均品質分數：指定時間範圍內的平均品質分數。(請參閱「品質分數」一文)。
管道：顧客與服務專員之間的對話媒介。管道有兩種值：語音或即時通訊
對話 ID：指派給每段客服對話的專屬號碼。
對話總分：單一對話中所有問題的分數總和。
CSAT：顧客滿意度評分，一般介於 1 到 5 分之間。
時間長度：對話從開始到結束的時間。
主要主題：對話中討論的問題，由主題模型判斷。如果您已對該對話使用主題模型，Quality AI 只會顯示主要主題。
品質分數：評量表獲得的整體分數。
問題：用於評估代理程式在對話中的表現。在 Quality AI 中輸入問題後，系統會根據代理是否符合每個問題的條件來評分。
情緒：對話傳達的主要情緒狀態。情緒有三種值：正面、中立或負面。只有在對話中使用情緒分析時，Quality AI 才會顯示情緒。
無聲：客戶和服務專員都未說話或打字的時間。
開始日期：對話開始的日期。
開始時間：對話開始的時間。
總量：單一服務專員在指定時間範圍內處理的對話總數。

評量表

評分表是一種結構化架構，用於評估對話品質，以及客服中心服務專員在對話期間的表現。每個聯絡中心都有自己的評分表。

每張評量表都包含下列資訊：

問題 (例如：服務專員是否提供適當的產品讚美？)。
選用：標記可將問題歸入不同類別。
解讀問題和定義每個答案選項的操作說明。
答案類型 (可以是文字、數字或「是/否」)。
根據答案類型定義可能答案的選項 (例如「是」和「否」、數字清單或一些文字回覆)。
分數：設定每個答案選項可獲得的分數。單一問題的最高分數取決於所有答案選項中的最高分數。

您可以在單一專案中建立多個評量表。 Google Cloud 如果每個評分表包含不同的問題，您可能會看到同一段對話有多個品質分數。各項分數的評估標準不盡相同。

預先定義的問題

您可以在評分表中加入預先定義的問題，但無法編輯問題和答案選項。Customer Experience Insights 會定義指令和答案選項。這些問題都有 ID，可指出問題版本。您可以將預先定義的問題新增至任何評分表，用於品質 AI 分析。

預先定義的問題會找出下列對話結果指標：

對話結果
呈報發起者
服務專員的協助程度
使用者滿意度

對話結果

對話結果會根據使用者工作，判斷對話的結果。

放棄：使用者在完成任何工作前停止回應或中斷對話，且未轉接給真人服務專員。
部分解決：服務專員瞭解使用者的意圖，並完成部分工作，但未完成所有工作。在使用者完成所有工作前，對話就已結束。
已轉交：對話已轉交給真人服務專員，這是由使用者要求發起。
已重新導向：對話已轉移給真人服務專員 (由服務專員發起)。
成功解決：服務專員瞭解使用者的意圖、完成使用者的工作，並在對話結束時收到使用者的明確確認。

呈報發起者

升級發起者會判斷是否要將案件升級給真人服務專員，以及由誰發起該程序。

使用者：使用者要求轉接真人服務專員。
服務專員：服務專員已將對話提報給真人服務專員。
未轉移：對話未轉移給真人服務專員。包括機器人將使用者重新導向至其他資源來解決要求，但未轉交給真人服務專員的情況。

服務專員的協助程度

服務專員的實用程度會從使用者的角度，判斷服務專員的回覆是否有幫助。這項指標的計算依據是完整對話。

有幫助：代理程式提供實用資訊給使用者，解決或部分滿足使用者的意圖，或將使用者重新導向適當的資源來解決要求。
無效：服務專員未向使用者提供任何實用資訊，也未達成使用者意圖。包括代理程式誤解使用者要求，或提供作業的錯誤資訊。

使用者滿意度

使用者滿意度會指出使用者是否表示不滿意或拒絕最終解決方案、感到不悅或變得惡意。

不滿意：使用者對服務專員的回覆表示不滿、明確拒絕解決方法，或感到不悅。
不清楚或滿意：使用者未對服務專員的主要回覆表示不滿或憤怒，也未拒絕回覆。

自訂代碼

使用標記將特定評量表上的問題分組。每個專案都包含預設的 BUSINESS、COMPLIANCE 和 CUSTOMER 標記。除了這三種標記之外，您也可以使用顧客體驗洞察工具建立自訂標記。每個專案最多只能有 10 個自訂標記。 Google Cloud 如需超過 10 個標記，請與 Customer Experience Insights 聯絡窗口聯絡。

對話分數

Quality AI 會根據您提供的評分表，自動評估對話。針對每個問題執行下列操作：

定義答案類型。
列出可能的答案選項。
為每個答案選項設定分數。

一份評量表

對話分數的計算方式，是將對話的總得分除以最高可能得分。總得分是從每道問題的指定答案選項獲得的分數總和。最高可能分數是每道問題最高分數的總和。如果問題的回覆為「不適用」，系統就不會將該問題納入對話分數計算。對話分數會以百分比顯示。

多張評量表

一則對話可能會收到多個對話分數。每項對話分數都反映出專員在該次對話中的表現，評分依據是單一評量表中的問題。如果每個評分表包含不同類型的問題，您就能根據多種問題評估單一對話。

手動更新

分析完對話後，您可以手動更新任何問題的答案。手動更新答案時，Quality AI 會自動調整該問題的分數和相應的對話分數。此外，Quality AI 控制台會以視覺化圖示標示該問題和對話，表示答案已手動更新。最後，Quality AI 會自動將手動更新的答案新增為範例對話，藉此改良 AI 模型。

來源選單

在 Customer Experience Insights 控制台中，「品質 AI」部分的每個頁面都包含「來源」選單。這個選單會列出所有評量表，方便你選擇要顯示的資訊。

舉例來說，您可以在「對話」頁面查看每場對話的分數。這些分數取決於 Quality AI 評估對話時使用的評量表。因此，如果您從「來源」選單選取其他評分表，相同對話的分數可能會變更。

範例

以下範例說明如何計算對話分數。

範例 1

如果符合下列情況：

評量表包含 10 個問題
每個問題都是是非題
「是」得 1 分，「否」得 0 分
對話中的所有參與者都回覆「是」

對話分數即為 100%。

示例 2