Customer Experience Insights
Customer Experience Insights (CX Insights) menganalisis data percakapan dari seluruh perjalanan pelanggan untuk memberikan insight berbasis data kepada pemimpin dan manajer layanan pelanggan guna meningkatkan efisiensi, menaikkan performa agen, dan menciptakan pengalaman pelanggan yang lebih baik.
Menemukan "alasan" di balik setiap interaksi pelanggan
Memberdayakan perwakilan layanan pelanggan untuk unggul dengan insight performa berbasis AI
Memahami performa agen AI, area bermasalah, dan meningkatkan kualitas pengalaman pelanggan
Mengurangi waktu tunggu dan mengoptimalkan efisiensi operasional
Bagian dari Gemini Enterprise untuk Pengalaman Pelanggan
Manfaat
Hasil analisis yang bisa ditindaklanjuti
Hasil analisis yang bisa ditindaklanjuti
Mengidentifikasi tren dan intent dari percakapan secara otomatis untuk menghasilkan insight yang lebih mendalam.
Kualitas lebih tinggi
Kualitas lebih tinggi
Menganalisis setiap percakapan pelanggan untuk meningkatkan respons dan metrik kualitas.
Akurasi dalam skala besar
Akurasi dalam skala besar
Mengklasifikasikan percakapan dalam skala besar dan dengan akurasi yang lebih tinggi.
Fitur utama
Insight data untuk lebih memahami pelanggan Anda
Quality AI
AI yang secara otomatis menilai setiap percakapan pelanggan (bukan hanya sampel kecil) berdasarkan kriteria penting bisnis dan kepatuhan Anda. Tinggalkan uji mutu statis dan beralih ke kartu skor kondisional yang menyesuaikan dengan konteks percakapan, sehingga pelanggan dapat membangun evaluasi performa yang lebih cerdas dan fleksibel.
Mesin analisis
Temukan tren dan intent secara otomatis dari percakapan pelanggan dan berikan insight yang dihasilkan AI untuk meningkatkan operasi layanan pelanggan.
Sorotan cerdas
Sorotan otomatis percakapan untuk momen penting. Dibuat oleh Google dan siap pakai untuk data Anda, penyorot cerdas mencakup momen seperti saat pelanggan mengeluh, saat pelanggan meminta pengawas, atau saat agen mencoba menahan pelanggan.
Model topik
Dengan memanfaatkan model bahasa besar Gemini, pengguna dapat membuat model data percakapan dengan metode unsupervised dan secara otomatis membuat taksonomi pendorong percakapan.
Dengan meningkatkan waktu pemrosesan rata-rata agen di 500.000 panggilan bulanan, kami menghemat 28.000 jam per tahun sehingga meningkatkan efisiensi dalam skala besar.
Shikha Chadha Sr. Principal, Product Management AI Products, Mr. Cooper
Dokumentasi
Referensi dan dokumentasi penting
Perlu bantuan untuk memulai?
Hubungi bagian penjualanLanjutkan menjelajah
Lihat semua produkJelajahi marketplace
Temukan solusi
