Customer Experience Insights (CX Insights) analiza los datos de las conversaciones de todo el recorrido del cliente para proporcionar a los líderes y administradores de atención al cliente estadísticas basadas en datos que les permitan aumentar la eficiencia, mejorar el rendimiento de los agentes y crear mejores experiencias para los clientes.
Descubre el motivo de cada interacción con el cliente
Permite que los representantes del servicio de atención al cliente se destaquen con estadísticas de rendimiento basadas en IA
Comprende el rendimiento de los agentes de IA, las áreas problemáticas y mejora las experiencias de los clientes
Reduce los tiempos de espera y optimiza la eficiencia operativa
Beneficios
Estadísticas prácticas
Identifica automáticamente las tendencias y la intención de las conversaciones para generar estadísticas más detalladas.
Mayor calidad
Analiza cada conversación con los clientes para mejorar las respuestas y las métricas de calidad.
Exactitud a gran escala
Clasifica conversaciones a gran escala y con mayor exactitud.
Características clave
IA que califica automáticamente cada conversación con el cliente (en lugar de una pequeña muestra) en función de los criterios fundamentales para tu empresa y el cumplimiento. Ve más allá del control de calidad estático con cuadros de evaluación condicionales que se adaptan al contexto de la conversación, lo que permite a los clientes crear evaluaciones de rendimiento más inteligentes y flexibles.
Descubre automáticamente tendencias y la intención de las conversaciones de los clientes, y proporciona estadísticas generadas por IA que mejoran las operaciones de atención al cliente.
Marcado automático de la conversación para momentos importantes. Los marcadores inteligentes, creados por Google y listos para tus datos, incluyen momentos como cuando los clientes se quejan, cuando los clientes piden hablar con un supervisor o cuando el agente pone al cliente en espera.
Al aprovechar los modelos de lenguaje grandes de Gemini, esto permite a los usuarios crear un modelo no supervisado de sus datos de conversación y crea automáticamente una taxonomía de sus motivos de conversación.
Mejoramos el tiempo promedio de atención de los agentes en 500,000 llamadas mensuales, lo que nos permitió ahorrar 28,000 horas al año y aumentar la eficiencia a gran escala.
Shikha Chadha, líder sénior de Administración de Productos de IA, Mr. Cooper

Documentación