Aracınızın müşteri memnuniyeti ölçümlerini çözümleme (önizleme)

Analizler sayfasının Müşteri Memnuniyeti sekmesi, ortalama CSAT puanı, birincil kullanıcı sorgusu temaları ve aracınızın yanıtlarıyla ilgili memnuniyet veya yetersizlik odaklı eyleme dönüştürülebilir öngörüler dahil olmak üzere müşteri memnuniyeti (CSAT) anket verilerinin ayrıntılı bir görünümünü sunar.

Varsayılan olarak, sayfa son yedi günün ana performans göstergelerini gösterir. Zaman dilimini değiştirmek için, sayfanın en üstündeki tarih seçicileri kullanın. Son 45 gün içinde herhangi bir döneme ait verileri alabilirsiniz.

Müşteri memnuniyet skoru

Müşteri memnuniyeti puanı grafiği, müşterilerin ankete katılmak için görüşme sonu isteğine yanıt verdiği oturumlara ilişkin ortalama CSAT puanlarının grafiksel bir görünümünü sağlar. CSAT anketi, müşterilerden deneyimlerini 1 ile 5 arasında bir ölçeğe oranıyla ölçmelerini istemektedir. Bir müşteri aynı oturumda birden fazla ankete yanıt verirse, yalnızca en son anket kullanılır.

Bu grafik ayrıca, dönem içi bir değişiklik göstergesi de sağlar. Örneğin, üç günlük bir dönem seçtiğinizde, gösterge seçili dönemden üç gün önceki üç güne göre yüzde değişikliğini gösterir. Dönem üstü dönem göstergesi yalnızca aracınızda önceki döneme ait CSAT araştırma verileri mevcutsa görünür. Filtrede seçilene göre aynı son dönem için kullanılabilir CSAT anket verisi yoksa, dönem içi gösterge gösterilmez.

CSAT anketi yanıt oranı

CSAT anketi yanıt oranı grafiği, sunulan konuşma sonu CSAT anketlerinin sayısını ve tamamlanan anketlerin yüzdesini gösterir.

Müşteri memnuniyeti dökümü

Müşteri memnuniyeti dökümü grafiği, seçilen zaman diliminde memnun kalan, memnun olmayan veya nötr olan oturumların yüzdesini gösterir. Müşteri memnuniyet durumu bölmesi oturum memnuniyeti durumunu belirlemek için kullanılan çeşitli sinyaller hakkında daha fazla ayrıntı sağlar.

Müşteri memnuniyeti durumu

Müşteri memnuniyeti durum grafiği, kullanıcıların aramakta olduğu temalara ve kullanıcıların aracının yanıtları hakkında memnuniyet düzeyine dair temel öngörüler sunar. Benzer temalara sahip oturumlar bir arada gruplandırılır. Grafik, seçili dönemdeki her temaya yönelik oturum sayısını ve memnun veya tatmin olmayan bu oturumların yüzdesini gösterir. Memnun olmayan veya tatmin olmayan oturumlar tarafsız oturum olarak kabul edilir ve bu grafikte görünmez.

Belirli bir oturumun teması ML modelleri kullanılarak türetilir. Analizler panosuna gönderilmeden önce, temalar telefon numaraları gibi kişisel olarak kişiel bilgileri veya hassas bilgileri kaldırmak için işlenir. Ayrıca, temalar adsız veya zararlı bir dil içeriyorsa bu temalar maskelenir.

Belirli memnuniyet veya memnuniyetsizlik faktörlerini görmek için grafiğin her bir bölümünün üzerine gelin. Ölçütlerden herhangi biri belirli bir oturum için doğruysa, oturum memnun veya tatminsiz olarak sınıflandırılır:

• Bir oturum, aşağıdaki durumlarda memnuniyetsiz olarak kabul edilir:

  • Kullanıcı konuşma anketinin sonunda iki veya daha az yıldız verdi.
  • Kullanıcıdan, sorgusunu iki veya ikiden fazla kez (sistem geri dönülecek konu) yeniden irdelemesi istendi.
  • Kullanıcı oturumu iptal etti.
  • Kullanıcı oturumu canlı bir aracıya iletir.
  • Kullanıcının aracıyla konuşmasıyla ilgili genel duyarlılığı olumsuz olarak sınıflandırılır. Duyarlılık, duyarlılık analizi için herkese açık bir ML modeli ince ayar kullanılarak belirlenir.

• Bir oturum, aşağıdaki durumlarda memnun olarak kabul edilir:

  • Kullanıcı konuşma anketinin sonunda dört veya daha fazla yıldız verdi.
  • Kullanıcıdan (sistem geri dönüş konusu) içinde sorgusunu birden fazla kez yeniden ifade etmesi istenmedi.
  • Oturum çözüldü.
  • Kullanıcının aracıyla konuşmasıyla ilgili genel duyarlılığı olumlu olarak sınıflandırılır.

Yukarıdaki ölçütlerin hiçbirini karşılamayan oturumlar tarafsız oturum olarak kabul edilir ve bu grafikte görünmez.

Analizler sayfasının Özet sekmesinde, katılım, üstüne iletme, terk etme ve çözüm oranları hakkında daha fazla bilgi edinmek için Bilgi simgelerini kullanabilirsiniz.

Tema ve oturum duyarlılığı çıkarma

Copilot Studio, temaları ayıklamak ve belirli bir aracı oturumuna duyarlılık atamak için doğal dil işleme (NLP) tekniklerini kullanır.

Her oturum için Copilot Studio ilk kullanıcı dönüşümünün temalarını ayıklar. Benzer temalara sahip ayrı ayrı oturumlar toplanır ve Müşteri memnuniyeti durum grafiğinde tek bir öğe olarak görüntülenir.

Oturum duyarlılığını değerlendirmek için temel NLP modeli herkese açık İngilizce dil veri kümeleri üzerinde eğitilir. Bu süreç, genel duyarlılığın olumlu, olumsuz veya nötr olup olmadığını belirlemek için oturum metnini analiz eder. İşlem ayrıca hatalı pozitifleri kaldırmak için kullanıcı sorgularını önceden işler. Örneğin, bu önişleme, "en iyi seçenek nedir?" gibi bir sorgunun yalnızca sorguda "en iyi" sözcüğü görüntülendiğinden olumlu olarak sınıflandırılmamasını sağlar.