Interaktionsanalyse Interaction Analytics-Metriken

• Berechnung: Die Gesamtzahl der unterschiedlichen Fälle, in denen der Indikator für Kundenfrustration gleich 1 ist. Diese Kennzahl gibt an, ob es im ausgewählten Zeitraum zu Fällen von Kundenfrustration gekommen ist.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach unten; ein niedrigerer Metrikwert ist am besten.

• Anwendungsfall: Erkennen von Kundenfrustration während der Interaktion In einem Contact Center ist das Erkennen von Momenten der Kundenfrustration entscheidend für die Verbesserung der Servicequalität und der Kundenzufriedenheit. Diese Kennzahl hilft dabei festzustellen, ob es sich bei einer Interaktion während des Berichtszeitraums um einen frustrierten Kunden handelte (wobei das System die Client Frustration ID = 1 kennzeichnete). Wenn ein Kunde beispielsweise während eines Anrufs oder Chats wiederholt seine Unzufriedenheit äußert – etwa durch Beschwerden über Verzögerungen oder fehlgeschlagene Transaktionen –, wird die Interaktion als frustrierend gekennzeichnet. Die Überwachung dieser Kennzahl ermöglicht es Vorgesetzten, schnell Sitzungen zu erkennen, die möglicherweise eine Überprüfung, ein Coaching der Mitarbeiter oder eine Eskalation erfordern.

  Durch die Überwachung von Frustrationsindikatoren können Contact Center Folgendes erreichen:

  • Identifizieren Sie Bereiche, in denen Prozesse oder Richtlinien zu Unzufriedenheit bei den Kunden führen.

  • Ergreifen Sie proaktive Maßnahmen, um wiederkehrende Probleme zu lösen.

  • Verbesserung der Agentenschulung für den Umgang mit schwierigen Gesprächen.

  • Verbessern Sie das gesamte Kundenerlebnis, indem Sie Frustrationsauslöser reduzieren.

• Berechnung: Diese Kennzahl gibt an, ob eine Interaktion im ausgewählten Zeitraum erfolgreich abgeschlossen wurde.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsfall: Durch die Überwachung dieser Kennzahl können Vorgesetzte schnell erkennen, ob während des Berichtszeitraums Lösungen gefunden werden. Ein niedriger Wert signalisiert, dass keine Probleme gelöst wurden, was auf einen Rückstand oder eine Ineffizienz des Prozesses hindeuten kann. Durch die Überwachung dieser Daten können Contact Center die Lösungsquoten verbessern, wiederholte Kontakte reduzieren und die Kundenzufriedenheit steigern.

• Berechnung: Die Gesamtzahl der unterschiedlichen Interaktionssegmente innerhalb des ausgewählten Zeitraums. Jedes Segment stellt einen Teil einer Interaktion dar, beispielsweise einen Anruf, einen Chat oder eine andere Aktivität über einen Kommunikationskanal.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Contact Center kann ein einzelner Kundenanruf mehrere Segmente umfassen – wie etwa das Erstgespräch mit einem Agenten, die Weiterleitung an einen Spezialisten und eine anschließende Bestätigung. Ähnlich könnten auch in einem Chat separate Segmente für verschiedene Themen oder Eskalationen enthalten sein. Durch das Zählen einzelner Segmente erhält man Aufschluss darüber, wie viele Interaktionsteile die Agenten verwalten, was Aufschluss über Komplexität und Ressourcenbedarf geben kann.

• Berechnung: Die durchschnittliche Dauer der Interaktionssegmente während des ausgewählten Zeitraums. Diese Kennzahl wird berechnet, indem die Summe aller unterschiedlichen Segmentdauern durch die Anzahl der unterschiedlichen Segmente geteilt wird. Sie stellt die typische Länge eines Segments innerhalb einer Interaktion dar.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach unten; ein niedrigerer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Contact Center kann ein einzelner Kundenanruf mehrere Segmente umfassen – wie etwa die Begrüßung, die Fehlerbehebung und die Eskalation. Beträgt die Gesamtdauer dieser Segmente 900 Sekunden und gibt es 3 Segmente, so beträgt die durchschnittliche Segmentdauer 300 Sekunden (5 Minuten). Die Überwachung dieser Kennzahl hilft Managern, Muster wie ungewöhnlich lange Schritte zur Fehlerbehebung oder kurze, überhastet ablaufende Interaktionen zu erkennen, was eine bessere Ressourcenplanung und Schulung ermöglicht.

• Berechnung: Die durchschnittliche Dauer der Interaktionssegmente während des ausgewählten Zeitraums. Diese Kennzahl wird berechnet, indem die Summe aller unterschiedlichen Segmentdauern durch die Anzahl der unterschiedlichen Segmente geteilt wird. Sie stellt die typische Länge eines Segments innerhalb einer Interaktion dar.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach unten; ein niedrigerer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Contact Center kann ein Anruf Schritte zur Fehlerbehebung beinhalten, bei denen der Agent nach Informationen sucht oder auf Systemantworten wartet, was zu Stille führt. Beträgt die gesamte Stille über alle Segmente hinweg 120 Sekunden und gibt es 4 Segmente, so beträgt die durchschnittliche Stille pro Segment 30 Sekunden. Hohe Stillezeiten können ein Hinweis darauf sein, dass eine bessere Mitarbeiterschulung, schnellere Tools oder verbesserte Prozesse erforderlich sind, um die Kundenbindung aufrechtzuerhalten.

Mehr erfahren

• Berechnung: Der Anteil der Interaktionssegmente, bei denen die Kundenstimmung ID negativen Stimmungen entspricht. Diese Kennzahl wird berechnet, indem die Anzahl der unterschiedlichen Segmente mit der Stimmungs-ID „negative Stimmung“ durch die Gesamtzahl der Segmente geteilt wird. Es stellt den Prozentsatz der Segmente dar, die eine bestimmte Stimmung widerspiegeln.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach unten; ein niedrigerer Metrikwert ist am besten.

• Anwendungsbeispiel: Wenn in einem Contact Center die Stimmungsanalyse Segmente, in denen Kunden Zufriedenheit äußern, als Negative Stimmung kennzeichnet, berechnet diese Metrik, welcher Anteil aller Segmente negativ war. Wenn es beispielsweise 100 Segmente gibt und 40 davon eine Negative Stimmung aufweisen, zeigt die Kennzahl 40 % an. Die Überwachung dieser Daten hilft Managern, Trends in der Kundenzufriedenheit zu verfolgen, Verbesserungspotenziale zu identifizieren und die Auswirkungen von Serviceänderungen auf die Kundenwahrnehmung zu bewerten.

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen eine positive Kundenstimmung vorlag. Diese Kennzahl wird berechnet, indem die Anzahl der unterschiedlichen Segmente mit positiver Stimmung durch die Gesamtzahl der Segmente geteilt wird. Es stellt den Anteil der Segmente dar, die eine bestimmte Stimmung widerspiegeln.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsbeispiel: Wenn in einem Contact Center die Sentimentanalyse Segmente, in denen Kunden Unzufriedenheit äußern, als Positive Stimmung kennzeichnet, berechnet diese Kennzahl den Anteil aller Segmente, die positiv waren. Wenn es beispielsweise 200 Segmente gibt und 50 davon eine Positive Stimmung aufweisen, zeigt die Kennzahl 25 % an. Die Überwachung dieser Daten hilft Managern, Trends in der Kundenstimmung zu erkennen, Korrekturmaßnahmen zu ergreifen und das Kundenerlebnis insgesamt zu verbessern.

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen die Stimmung des Agenten Negative Stimmung ist. Diese Kennzahl wird berechnet, indem die Anzahl der unterschiedlichen Segmente mit negativer Agentenstimmung durch die Gesamtzahl der Segmente geteilt wird. Es stellt dar, wie häufig Agenten während Interaktionen negative Gefühle zeigen.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach unten; ein niedrigerer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Contact Center kann die Stimmungsanalyse negative Stimmungen der Agenten erkennen, wenn ein Agent während eines Anrufs oder Chats eine harsche Sprache verwendet, ungeduldig klingt oder Frustration äußert. Wenn es beispielsweise insgesamt 100 Segmente gibt und 8 Segmente eine Negative Stimmung (Stimmung des Agenten) aufweisen, wird die Kennzahl 8 % anzeigen. Die Erfassung dieser Daten hilft Vorgesetzten, Muster negativer Stimmungen zu erkennen, Coaching anzubieten und sicherzustellen, dass die Mitarbeiter während der Interaktionen Professionalität und Empathie bewahren.

• Berechnung: Der Prozentsatz der Interaktionssegmente mit positiver Stimmung des Agenten. Dies wird berechnet, indem die Anzahl der unterschiedlichen Segmente, die mit positiver Stimmung des Agenten gekennzeichnet sind, durch die Gesamtzahl der Segmente geteilt wird.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsbeispiel: Wenn in einem Contact Center die Sentimentanalyse Segmente, in denen Kunden Zufriedenheit äußern, als Positive Stimmung kennzeichnet, berechnet diese Kennzahl den Anteil aller Segmente, die positiv waren. Wenn es beispielsweise 200 Segmente gibt und 50 davon eine Positive Stimmung aufweisen, zeigt die Kennzahl 25 % an. Die Überwachung dieser Daten hilft Managern, Trends in der Kundenstimmung zu erkennen, Korrekturmaßnahmen zu ergreifen und das Kundenerlebnis insgesamt zu verbessern.

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen der Kunde die Interaktion mit einer negativen Stimmung begonnen hat. Dies wird berechnet, indem die Anzahl der unterschiedlichen Segmente, in denen die Kundenstimmung negativ ist, durch die Gesamtzahl der Segmente geteilt wird.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach unten; ein niedrigerer Metrikwert ist am besten.

• Anwendungsbeispiel: Wenn in einem Contact Center eine Stimmungsanalyse feststellt, dass ein Kunde ein Gespräch oder einen Chat mit verärgerter oder frustrierter Stimmung beginnt (Negative Client Begin Sentiment), berechnet diese Kennzahl den Anteil solcher Segmente. Wenn es beispielsweise insgesamt 100 Segmente gibt und 15 davon mit einer negativen Stimmung beginnen, zeigt die Kennzahl 15 % an. Die Überwachung dieser Daten hilft Managern, die Stimmungslage der Kunden zu Beginn der Interaktion zu verstehen und Maßnahmen zu ergreifen, um den ersten Eindruck zu verbessern – beispielsweise durch Verkürzung der Wartezeiten oder Verbesserung der Selbstbedienungsoptionen.

Mehr erfahren

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen der Kunde die Interaktion mit einer positiven Einstellung begonnen hat. Dies wird berechnet, indem die Anzahl der unterschiedlichen Segmente, in denen die Kundenstimmung positiv ist, durch die Gesamtzahl der Segmente geteilt wird.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsbeispiel: Wenn in einem Contact Center eine Stimmungsanalyse feststellt, dass ein Kunde ein Gespräch oder einen Chat mit einer positiven oder zufriedenen Stimmung beginnt (Positive Client Begin Sentiment), berechnet diese Kennzahl den Anteil solcher Segmente. Wenn es beispielsweise insgesamt 100 Segmente gibt und 40 davon mit einer positiven Stimmung begonnen haben, zeigt die Kennzahl 40 % an. Die Überwachung dieser Faktoren hilft Managern, die Stimmung der Kunden zu Beginn der Interaktion zu verstehen und Maßnahmen zu ergreifen, um eine positive Interaktion aufrechtzuerhalten oder zu verbessern.

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen der Kunde die Interaktion mit einer negativen Stimmung beendete. Dies wird berechnet, indem die Anzahl der unterschiedlichen Segmente mit negativer Kunden-Endstimmung durch die Gesamtzahl der Segmente geteilt wird.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach unten; ein niedrigerer Metrikwert ist am besten.

• Anwendungsbeispiel: Wenn in einem Contact Center die Stimmungsanalyse feststellt, dass ein Kunde ein Gespräch oder einen Chat frustriert oder unzufrieden beendet (Negative Kunden-Endstimmung), berechnet diese Kennzahl den Anteil solcher Segmente. Wenn es beispielsweise insgesamt 100 Segmente gibt und 20 davon mit einer negativen Stimmung enden, zeigt die Kennzahl 20 % an. Die Überwachung dieser Vorgänge hilft Managern, Interaktionen zu identifizieren, die die Kundenerwartungen nicht erfüllt haben, und Korrekturmaßnahmen zu ergreifen, um die Problemlösung und das Kundenerlebnis zu verbessern.

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen der Kunde die Interaktion mit einer positiven Einstellung beendete. Dies wird berechnet, indem die Anzahl der unterschiedlichen Segmente, in denen eine Positive Kunden-Endstimmung vorliegt, durch die Gesamtzahl der Segmente geteilt wird.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsbeispiel: Wenn in einem Contact Center eine Stimmungsanalyse feststellt, dass ein Kunde ein Gespräch oder einen Chat zufrieden oder glücklich beendet (Positive Kunden-Endstimmung), berechnet diese Kennzahl den Anteil solcher Segmente. Wenn es beispielsweise insgesamt 100 Segmente gibt und 60 davon mit einer positiven Stimmung enden, zeigt die Kennzahl 60 % an. Die Überwachung dieser Prozesse hilft Managern, die Servicequalität zu bewerten, Best Practices zu identifizieren und Abläufe zu verbessern, um sicherzustellen, dass Kunden die Interaktionen mit einem positiven Gefühl verlassen.

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen der Agent die Interaktion mit einer negativen Stimmung begonnen hat. Dies wird berechnet, indem die Anzahl der unterschiedlichen Segmente, in denen die negative Agentenstimmung beginnt, durch die Gesamtzahl der Segmente geteilt wird.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach unten; ein niedrigerer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Callcenter könnte die Stimmungsanalyse zu Beginn eines Anrufs eine negative Stimmung des Agenten erkennen, wenn dieser ungeduldig oder frustriert klingt oder eine harsche Sprache verwendet. Wenn es beispielsweise insgesamt 100 Segmente gibt und 10 davon mit einer negativen Stimmung beginnen, zeigt die Kennzahl 10 % an. Die Überwachung dieser Vorgänge hilft Vorgesetzten, Muster negativer Tonlage zu Beginn von Interaktionen zu erkennen und Korrekturmaßnahmen zu ergreifen, um die Professionalität und das Kundenerlebnis zu verbessern.

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen der Agent die Interaktion mit einer positiven Stimmung begonnen hat. Dies wird berechnet, indem die Anzahl der unterschiedlichen Segmente, in denen die Stimmung des positiven Agenten beginnt, durch die Gesamtzahl der Segmente geteilt wird.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Callcenter könnte die Stimmungsanalyse beispielsweise eine positive Stimmung des Agenten zu Beginn eines Anrufs erkennen, wenn der Agent den Kunden herzlich begrüßt und enthusiastisch klingt. Wenn es beispielsweise insgesamt 100 Segmente gibt und 70 davon mit einer positiven Stimmung begonnen haben, zeigt die Kennzahl 70 % an. Die Überwachung dieser Vorgänge hilft Vorgesetzten dabei, sicherzustellen, dass die Mitarbeiter die Interaktionen stets positiv beginnen, was zu besseren Ergebnissen und höherer Kundenzufriedenheit führen kann.

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen der Agent die Interaktion mit einer negativen Stimmung beendete. Dies wird berechnet, indem die Anzahl der unterschiedlichen Segmente, in denen die Endstimmung des Agenten negativ ist, durch die Gesamtzahl der Segmente geteilt wird.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach unten; ein niedrigerer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Callcenter könnte die Stimmungsanalyse am Ende eines Anrufs eine negative Stimmung des Agenten erkennen, wenn dieser ungeduldig klingt, eine harsche Sprache verwendet oder Frustration äußert, bevor er das Gespräch beendet. Wenn es beispielsweise insgesamt 100 Segmente gibt und 12 davon mit einer negativen Stimmung enden, zeigt die Kennzahl 12 % an. Die Überwachung dieser Daten hilft Vorgesetzten, Muster negativer Tonfälle am Ende von Interaktionen zu erkennen und Korrekturmaßnahmen zu ergreifen, um das Kundenerlebnis und die Leistung der Mitarbeiter zu verbessern.

• Berechnung: Der Prozentsatz der Interaktionssegmente, in denen der Agent die Interaktion mit einer positiven Stimmung beendete. Dies wird berechnet, indem die Anzahl der unterschiedlichen Segmente, in denen die Endstimmung des Agenten positiv ist, durch die Gesamtzahl der Segmente geteilt wird.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Contact Center könnte die Stimmungsanalyse eine positive Stimmung des Agenten am Ende eines Anrufs erkennen, wenn sich der Agent herzlich beim Kunden bedankt und vor Beendigung des Gesprächs zusätzliche Hilfe anbietet. Wenn es beispielsweise insgesamt 100 Segmente gibt und 75 davon mit einer positiven Stimmung endeten, zeigt die Kennzahl 75 % an. Die Überwachung dieser Vorgänge hilft den Vorgesetzten sicherzustellen, dass die Mitarbeiter während der gesamten Interaktion, insbesondere beim Abschluss, stets einen positiven Tonfall beibehalten, was bei den Kunden einen bleibenden Eindruck hinterlässt.

• Berechnung: Die Gesamtsumme aller während des ausgewählten Zeitraums erfassten, unterschiedlichen Kundenstimmungssegmente. Jede Segment-ID repräsentiert ein eindeutiges Interaktionssegment, in dem die Kundenstimmung analysiert wurde. Diese Kennzahl fasst im Wesentlichen die einzelnen stimmungsbezogenen Segmente zusammen, um eine Gesamtzahl der Stimmungsereignisse zu ermitteln.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Contact Center kann ein einzelner Anruf mehrere Segmente umfassen – wie Begrüßung, Fehlerbehebung und Abschluss –, die jeweils auf ihre Stimmungslage hin analysiert werden. Wenn die Stimmungsanalyse in einem Anruf 3 eindeutige Segmente und in einem anderen Anruf 2 eindeutige Segmente identifiziert, summiert diese Metrik diese unterschiedlichen Segment-IDs über alle Interaktionen hinweg. Die Überwachung dieser Daten hilft Managern zu verstehen, wie häufig Stimmungsanalysen angewendet werden und wie viele Segmente zu den allgemeinen Stimmungstrends beitragen.

• Berechnung: Die Gesamtsumme aller während des ausgewählten Zeitraums erfassten, unterschiedlichen Stimmungssegmente der Agenten. Jede Segment-ID repräsentiert ein eindeutiges Interaktionssegment, in dem die Stimmung des Agenten analysiert wurde. Diese Kennzahl fasst die eindeutigen, stimmungsbezogenen Segmente zusammen, um eine Gesamtzahl der Segmente zu liefern, die mit der Stimmung des Agenten in Verbindung stehen.

• Filter:

  • Mitarbeitergruppe: Agent, Team, Unternehmen

  • Kontaktgruppe: Unternehmen

  • Attribute: Nicht verfügbar

• Unterstützte Kanäle: Alle Kanäle

• Metriktyp: historisch

• Metrikrichtung: nach oben; ein höherer Metrikwert ist am besten.

• Anwendungsbeispiel: In einem Contact Center kann ein einzelner Anruf mehrere Segmente umfassen – wie Begrüßung, Fehlerbehebung und Abschluss –, die jeweils auf die Stimmungslage des Agenten analysiert werden. Wenn die Stimmungsanalyse in einem Anruf 3 eindeutige Segmente und in einem anderen Anruf 2 eindeutige Segmente identifiziert, summiert diese Metrik diese unterschiedlichen Segment-IDs über alle Interaktionen hinweg. Die Überwachung dieser Daten hilft Managern zu verstehen, wie häufig die Stimmungsanalyse der Agenten angewendet wird und wie viele Segmente zu den allgemeinen Stimmungstrends beitragen.