Observability Dashboard

Observability Dashboard vous permet d'analyser les capacités AI utilisées par Copilot, Autopilot Knowledge et Autopilot (Omilia). Le tableau de bord fournit des informations complètes sur la performance des réponses génératives, vous permettant de cerner les points à améliorer et d'optimiser vos opérations.

Les données dans le Observability Dashboard sont conservées pendant une année. Cette période de conservation pourrait changer à l'avenir en fonction des mises à jour du produit.

Copilot

Le Observability Dashboard pour Copilot fournit des informations sur les AI Agents (Cognigy) for Process Automation (Task Assist) Métriques de performance, les réponses génératives, les Copilot for Agents Requêtes et Automated Summary (AutoSummary).

  1. Cliquez sur le sélecteur d'application , accédez à Données et Analytics, puis sélectionnez Actions.

  2. Sur Actions, cliquez sur Observability Dashboard.

    Par défaut, le tableau de bord Copilot s'affiche. Il comprend les graphiques suivants :

  3. Si nécessaire, mettez à jour la période du tableau de bord et sélectionnez le type d'interaction dans Canal. Choisissez d'afficher les détails des interactions Voix, des interactions Clavardage, ou Toutes.

  4. Cliquez sur Exécuter la requête. Les trois graphiques sont mis à jour pour refléter les dates et canaux souhaités.

AI Agents (Cognigy) for Process Automation (Task Assist) Métriques de performance

La vue AI Agents (Cognigy) for Process Automation (Task Assist) Métriques de performance fournit une analyse détaillée de l'exécution des tâches, y compris l'activité assistée par AI et manuelle, l'état d'exécution, les résultats et les tendances de performance. Utilisez cette vue pour explorer la progression des tâches à travers les différentes étapes, évaluer l'adoption de l'AI et cerner les occasions d'améliorer l'efficacité d'exécution.

  1. Cliquez sur l'étiquette d'en-tête du graphique AI Agents (Cognigy) for Process Automation (Task Assist) Métriques de performance pour explorer les statistiques en détail.

  2. Les AI Agents (Cognigy) for Process Automation (Task Assist) cartes KPI (indicateurs clés de performance) offrent une vue résumée des données affichées dans le graphique AI Agents (Cognigy) for Process Automation (Task Assist) Métriques de performance. Utilisez ces cartes pour évaluer rapidement l'adoption AI, le volume d'exécution et la performance générale sans analyser l'ensemble du flux de tâches.

    1. État de Task Assist : Affiche la façon dont les tâches sont distribuées selon la façon dont elles ont été traitées.

      • Assisté par AI : nombre total de tâches pour lesquelles l'IA a fourni une assistance.

      • Manuel : nombre total de tâches terminées sans l'assistance de AI.
        Utilisez cette carte pour comprendre le niveau d'adoption de l'IA.

    2. État d'Exécution : Affiche la progression des tâches après leur lancement.

      • exécution assistée par AI : Nombre de tâches pour lesquelles les suggestions de l'IA ont été acceptées et exécutées.

      • exécution manuelle : Nombre de tâches exécutées manuellement.

      • Rejeté : Nombre de tâches pour lesquelles les suggestions de AI n'ont pas été acceptées.
        Utilisez cette carte pour évaluer la fréquence à laquelle les suggestions de l'IA sont utilisées par rapport à celles qui sont rejetées.

    3. résultat d'Exécution : Affiche le résultat final des tâches exécutées.

      Réussite : Nombre de tâches complétées avec succès.

      Échec : Nombre de tâches qui n'ont pas été complétées avec succès.
      Utilisez cette carte pour évaluer l'efficacité générale de l'exécution.

  3. Le graphique AI Agents (Cognigy) for Process Automation (Task Assist) Métriques de performance montre comment les tâches passent de la disponibilité à l'exécution, puis au résultat final. Utilisez ce graphique pour comprendre comment l'assistance de AI influe sur l'exécution des tâches et les taux de réussite. Chaque valeur du graphique est représentée par un nœud, et les connexions entre les nœuds montrent comment les tâches passent d'une étape à l'autre. Les nœuds sont décrits comme suit :

    1. Disponible : Le nombre total de tâches qui pouvaient être exécutées durant la période sélectionnée. Il s'agit du nœud de départ dans le graphique. Toutes les tâches proviennent d'ici et passent à un type d'exécution.

    2. Type d'Exécution : Les Tâches provenant de Disponible sont divisées dans les catégories suivantes :

      • Assisté par AI : Tâches pour lesquelles l'IA a suggéré ou assisté l'action.

      • Manuel : Tâches effectuées sans l'aide de AI.
        Ces catégories montrent comment les tâches sont traitées initialement.

    3. état d'Exécution : Cette étape indique si les tâches ont été exécutées et comment. Les Tâches de chaque type d'exécution passent à un état d'exécution :

      • From (De) AI-assisté :

        • exécution assistée par AI : Suggestions d'AI qui ont été acceptées et exécutées.

        • Rejeté : Suggestions AI non acceptées.

      • From (De) Manuel :

        • exécution manuelle : Tâches exécutées manuellement.

  4. Le graphique Total Exécution Metrics Heures supplémentaires montre comment les exécutions assistées par AI et manuelles varient au cours de la période sélectionnée, ce qui vous aide à comprendre les tendances d'adoption et d'utilisation de l'AI. Chaque ligne représente un type d'exécution (violet pour assisté par AI et gris pour manuel), et chaque point du graphique montre la répartition des exécutions à un moment précis. Cela vous permet de comparer la proportion ou le volume des exécutions assistées par AI par rapport aux exécutions manuelles au fil du temps, ce qui facilite l'identification des tendances, des changements de comportement et des variations du volume d'exécution.

  5. Le graphique Total Exécution Metrics par Tâche montre comment les exécutions assistées par AI et manuelles sont réparties entre les différentes tâches pour les filtres sélectionnés. Chaque barre représente une tâche, avec des segments indiquant le type d'exécution (violet pour assisté par AI et gris pour manuel). La hauteur de chaque segment montre la proportion ou le nombre d'exécutions. Utilisez ce graphique pour comparer la façon dont les tâches sont traitées, déterminer quelles tâches dépendent davantage de l'assistance de l'AI, et détecter les tâches nécessitant une intervention manuelle plus importante.

  6. Le graphique Temps d'Exécution moyen montre la répartition des temps d'exécution pour chaque tâche, ce qui vous aide à comprendre la variabilité et l'efficacité entre les tâches. Chaque boîte représente une tâche et affiche la plage des temps d'exécution, y compris les valeurs minimum, maximum et médiane. La position et la taille de la boîte indiquent la durée habituelle des tâches et l'ampleur des variations. Utilisez ce graphique pour repérer les tâches dont les temps d'exécution sont plus longs ou incohérents et pour déceler des occasions d'amélioration de la performance.

  7. Si nécessaire, mettez à jour la période du tableau de bord, sélectionnez le type d'interaction dans Canal, puis sélectionnez la configuration ou le persona Copilot dans le Profil Copilot. Cliquez sur Exécuter la requête. Les graphiques sont mis à jour pour refléter les dates, canaux et profils Copilot souhaités.

  8. Vous pouvez personnaliser les données qui apparaissent dans les graphiques :

    1. Dans les graphiques Total Exécution Metrics Heures supplémentaires et Total Exécution Metrics par Tâche, vous pouvez basculer entre Nombres absolus ou Pourcentage.

    2. Dans tous les graphiques, cliquez sur Maximiser pour afficher les données en plein écran.

  9. Faites défiler vers le bas pour afficher les données de performance détaillées regroupées dans un tableau. Par défaut, les données peuvent être regroupées par nom de l'action. Le tableau vous aide à analyser la façon dont des tâches spécifiques sont traitées. Pour chaque ligne regroupée, le tableau affiche des valeurs telles que :

    • Total exécuté : nombre de fois où la tâche a été exécutée.

    • Assisté par AI : nombre de fois où la tâche a été assistée par AI Agents (Cognigy) for Process Automation (Task Assist).

    • Exécution assistée par AI : nombre de fois où l’agent a utilisé l’exécution suggérée par AI Agents (Cognigy) for Process Automation (Task Assist).

    • Moyenne de l’Exécution assistée par AI : Le pourcentage moyen d’exécution assistée par l’IA.

    • Total réussi : Le nombre de fois où la tâche a mené à un résultat réussi.

    • Réussite moyenne : Le taux de réussite moyen pour cette tâche.

  10. En cliquant sur un nom d’action, vous trouverez les requêtes spécifiques et leurs détails, tels que :

    1. Une liste des interactions individuelles liées à l’action sélectionnée.

    2. Des détails clés tels que l’id d’interaction, le texte de la requête, le nom de l’agent, l’ensemble de compétences, le nom de l’équipe, le nom du bot et l’état de l’intention.

    3. Des réponses du bot horodatées pour un contexte plus approfondi sur la façon dont l’action a été exécutée.

    4. Des indicateurs de performance tels que le temps d’exécution, le nombre de réussites et le taux de réussite, aidant les utilisateurs à évaluer l’efficacité de chaque action.

  11. Pour chaque requête, vous pouvez cliquer sur le bouton Informations à côté de l’interaction et afficher les commentaires sur la requête de l’interaction.

  12. Vous pouvez basculer la façon dont vous affichez ces données. La vue par défaut est par nom de l’action. Cliquez sur Grouper par pour changer le regroupement de Nom de l’action à Id d’interaction ou selon toute autre option répertoriée dans le menu déroulant. Les données réapparaissent selon le nouveau regroupement.

  13. Pour télécharger toutes les données, visibles et masquées, selon les filtres définis dans le générateur de requêtes, consultez la section Export.

Affichage des données sur les Réponses génératives

Les réponses génératives sont des réponses générées par AI fournies pendant les interactions.

  1. Cliquez sur l’étiquette Réponses génératives pour explorer les statistiques en détail. Trois graphiques apparaissent :

    • Heures supplémentaires : Affiche le pourcentage de réponses qui ont été utilisées, modifiées, ignorées ou qui n’ont donné aucune réponse dans le temps.

    • Par catégorie : Affiche les détails par catégorie.

    • Moyenne de BC par interaction : Shows the average number of knowledge base interactions par jour.

  2. Vous pouvez personnaliser les données qui apparaissent dans les graphiques :

    • Dans les graphiques heures supplémentaires et Catégorie, vous pouvez basculer l’affichage des différents états de Réponse en cliquant sur les légendes.

    • Dans les graphiques Heures supplémentaires et Catégorie, cliquez sur Nombres absolus ou Pourcentage to pour basculer entre les pourcentages et les nombres absolus.

    • Dans les trois graphiques, cliquez sur Maximiser pour Afficher les données sous forme de tableau.

  3. Faites défiler vers le bas pour voir les données regroupées par catégories. La vue par catégories organise les réponses de la base de connaissances en différentes catégories, offrant une approche structurée de l’analyse. Chaque catégorie présente :

    • Nom de l’agent

    • Équipe

    • Compétence

    • Volume total des réponses de la base de connaissances

    • Score d’adhésion moyen

    • nombre moyen de liens et d’images fournis

    • Score de connaissances moyen (score attribué par la base de connaissances)

  4. Cliquez sur une catégorie pour afficher les requêtes associées et leurs détails, tels que :

    • Requête envoyée à la Base de Connaissances

    • réponse Suggérée de la base de connaissances

    • réponse réelle de l’agent

    • Nombre de liens et d’images fournis

    • Commentaires sur la requête

    • Score d’adhésion (la similarité entre la réponse suggérée et la Réponse réelle)

    • Décalage depuis le début de l’interaction

    Pour chaque requête, vous pouvez :

    • Cliquez sur Lecture Interaction to pour écouter l’audio de l’interaction (si disponible).

    • Cliquez sur le bouton Informations à côté de la requête. Vous pouvez afficher les commentaires sur la requête de l’interaction. Dans le panneau des détails de réponse à droite, vous pouvez voir si la réponse générée par AI a reçu des commentaires positifs ou négatifs , ainsi que tout commentaire et étiquette fournis.

  5. Vous pouvez modifier la façon dont les données sont regroupées. La vue par défaut est par catégorie. Cliquez sur Grouper par pour changer le regroupement de Catégorie à l’une des options suivantes :

    • Contact principal

    • Équipe

    • Compétence

    • Nom de l’agent

    Les données réapparaissent selon le nouveau regroupement.

Affichage des données sur les Requêtes d’agent

Les Requêtes d’agent affichent des informations sur les réponses de la base de connaissances générées à la demande selon les questions des agents. Elles fournissent des graphiques qui montrent l’état des requêtes directes et les scores d’adhésion.

  1. Cliquez sur l’en-tête du graphique, app Queries, pour explorer les statistiques en détail. Le premier graphique montre le pourcentage de Réponses et d’absences de réponse dans le temps. Le deuxième graphique affiche les détails Par catégorie.

  2. Vous pouvez basculer l’affichage des différents états de Réponse en cliquant sur les légendes.

  3. Cliquez sur Nombres absolus ou Pourcentage pour basculer entre les pourcentages et les nombres absolus.

  4. Cliquez sur Maximiser to pour afficher le graphique en plein écran.

  5. Faites défiler vers le bas pour voir les données regroupées par catégories. La vue par catégories organise les Réponses de la base de connaissances en différentes catégories, offrant une approche structurée de l’analyse. Chaque catégorie présente :

    • Volume total des réponses

    • Nombre et moyenne des absences de réponse

    • nombre moyen de liens et d’images fournis

    • Score de connaissances moyen (score attribué par la base de connaissances)

  6. En cliquant sur une catégorie, vous trouverez les requêtes spécifiques et leurs détails, tels que :

    • Requête d’agent envoyée à la Base de Connaissances

    • réponse à la requête d’agent

    • Nombre de liens et d’images fournis

    • Date et heure de la Réponse

    • Score de connaissances moyen

Affichage des données sur les Requêtes Automated Summary (AutoSummary)

Automated Summary (AutoSummary) montre la performance des résumés générés automatiquement. Vous pouvez voir des graphiques qui suivent la performance dans le temps, avec des données regroupées par intention et Par compétence. Des tableaux détaillés affichent les résumés proposés en parallèle des résumés réels, complets avec des scores d’adhésion pour évaluer l’exactitude. Pour des détails plus complets, vous pouvez réécouter des interactions spécifiques, ce qui vous donnera une Vue d’ensemble complète de la façon dont les résumés sont générés et utilisés dans des conversations réelles.

Les résumés générés automatiquement sont pris en charge dans le Observability Dashboard tant pour les environnements CXone ACD que pour les environnements CXone non ACD.

  1. Cliquez sur l’en-tête du graphique, AutoSummary, pour explorer les statistiques en détail.

    • Le premier graphique montre le pourcentage de résumés qui ont été utilisés dans le temps. Les résumés sont classés comme Tel quel, Révisions mineures, Révisé et Ignoré.

    • Le deuxième graphique affiche les détails Par Intention.

    • Le troisième graphique affiche les détails par Compétence.

    • Le quatrième graphique affiche les détails Par équipe.

    Vous pouvez basculer l’affichage des différents états de Réponse en cliquant sur les légendes.

  2. Cliquez sur Nombres absolus ou Pourcentage pour basculer entre les pourcentages et les nombres absolus.

  3. Cliquez sur Maximiser to pour afficher le graphique en plein écran.

  4. Faites défiler vers le bas pour voir les données regroupées Par catégories. La vue par catégories organise les résumés en différentes catégories. Chaque catégorie présente :

    • Noms des agents

    • Volume total des réponses

    • Nombre et pourcentage des absences de réponse

    • nombre moyen de liens et d’images fournis

    • Score de connaissances moyen (score attribué par la base de connaissances)

  5. Cliquez sur une catégorie pour afficher les requêtes spécifiques et leurs détails, tels que :

    • requête d’agent envoyée à la base de connaissances

    • réponse à la requête d’agent

    • Commentaires généraux

    • Nombre de liens et d’images fournis

    • Date et heure de la réponse

    • Score de connaissances moyen

    • Score d’adhésion

  6. Dans Automated Summary (AutoSummary), le score d’adhésion est déterminé par le LLM en utilisant l’approche suivante :

    • Le LLM compare le sens du texte plutôt que la formulation Exacte.

    • Si le résumé réel et le texte du Résumé proposé ont le même sens, le score est élevé.

    • Si le Résumé proposé contient des détails supplémentaires, tels que des révisions mineures absentes du résumé réel, alors le score est moyen.

    • Si le texte du résumé proposé et celui du résumé réel ont des contextes différents, alors le score est faible.

    • Si l’agent n’enregistre pas le Résumé, ou enregistre le résumé sans y apporter de modifications, le résumé final est traité comme identique au résumé proposé. Observability Dashboard met à jour les colonnes comme suit :

      • résumé réel : Identique au résumé proposé

      • Score d’adhésion : Élevé

      • Commentaire : Tel quel (jusqu’à réception d’un résumé final)

    • Si un résumé final est reçu dans les 90 jours et qu’il diffère du résumé initialement proposé, Observability Dashboard met à jour l’enregistrement comme suit :

      • résumé réel : résumé réel mis à jour à partir de Automated Summary (AutoSummary)

      • Score d’adhésion : Recalculé selon la différence entre le résumé proposé et le résumé réel

      • Commentaire : Mis à jour de Tel quel à Révisions mineures ou Révisé, selon le niveau de changement

        Actuellement, Observability Dashboard ne prend pas en charge le suivi de plusieurs modifications séquentielles apportées au même Automated Summary (AutoSummary).

  7. Cliquez sur le bouton Informations à côté de la requête. Vous pouvez afficher les commentaires généraux de l’interaction. Dans le panneau des détails de réponse à droite, vous pouvez voir si l’interaction a reçu des commentaires positifs ou négatifs , ainsi que tout commentaire et étiquette fournis.

En tant que responsable CX, Mark souhaite utiliser le Observability Dashboard pour repérer les lacunes de connaissances dans la base de connaissances. Il remarque que de nombreuses suggestions de la base de connaissances sont modifiées ou ignorées. Mark clique sur réponses génératives pour afficher les données par catégorie. Il se concentre sur les catégories ayant de faibles scores d’adhésion moyens, indiquant un décalage entre les suggestions et les réponses réelles. En développant les catégories à faible score comme Facturation et paiements, Mark constate une faible adhésion pour les requêtes concernant les plans de paiement et les politiques de remboursement, suggérant des lacunes de connaissances dans ces domaines.

Grâce au Observability Dashboard, Mark peut cibler les sujets nécessitant des améliorations de la base de connaissances. Il peut ensuite travailler avec l’équipe responsable de la base de connaissances pour combler ces lacunes, améliorant la qualité des suggestions pour de meilleures interactions client.

Vue Impact sur l’entreprise

La vue Impact sur l’entreprise est un panneau dynamique dans le tableau de bord Copilot qui offre une vue consolidée des principales métriques de performance influencées par l’activité de l’agent. Elle offre des aperçus visuels des tendances opérationnelles telles que les indicateurs de performance du Temps acw (ACWClosed état qui permet à un agent de remplir les exigences de travail après avoir terminé une interaction.) et de la durée moyenne de traitement (AHTClosed Le Temps de traitement moyen est la durée moyenne qu’un agent consacre au traitement d’une interaction.) des agents. En développant ce menu, vous pouvez analyser les tendances mensuelles, appliquer des filtres pour vous concentrer sur des équipes, des compétences ou des agents spécifiques, et comparer les moyennes de performance entre les catégories sélectionnées. La période et les options de filtre dans la vue Impact sur l’entreprise sont indépendantes de celles du Observability Dashboard.

  1. Pour ouvrir le menu Impact sur l’entreprise, cliquez sur la flèche orientée vers le haut située au bas du tableau de bord Copilot. Cela développe le panneau du bas et affiche les métriques de performance détaillées :

  2. En haut du tableau de bord, mettez à jour la période du tableau de bord pour définir la période pour laquelle vous souhaitez afficher les données ACW et AHT. Vous pouvez choisir parmi des options prédéfinies comme Les 2 derniers jours, Les 7 derniers jours, mois en cours, ou définir une plage personnalisée. Par défaut, la période est la même que celle définie dans le tableau de bord Copilot. Une fois sélectionnée, le graphique se met à jour automatiquement pour afficher la durée moyenne ACW et AHT pour chaque mois de cette période.

  3. Utilisez les options Filtrer par pour restreindre les données selon les Équipes, les Compétences ou le Nom de l’agent. Vous pouvez sélectionner jusqu’à 5 valeurs par type de Filtre. Par exemple, choisissez 5 équipes, 5 compétences ou 5 noms d’agents. Appliquez des filtres pour comparer la performance entre différents Groupes ou individus.

  4. Pour supprimer une catégorie de filtre du graphique ACW et AHT, cliquez sur l’icône X à côté de l’équipe, de la compétence ou du Nom de l’agent sélectionné. Une fois supprimée, le graphique se met à jour automatiquement pour exclure cette catégorie de la visualisation.

  5. Dans le tableau de bord, les métriques Moy. de Toutes les Compétences, Moy. de toutes les équipes et Moy. de tous les noms d’agents apparaissent dynamiquement selon les filtres que vous appliquez. Lorsque vous filtrez par Compétences, le graphique affiche la ligne Moy. de Toutes les Compétences pour montrer la durée moyenne ACW et AHT parmi les groupes de compétences sélectionnés. De même, le filtrage par Équipes ou nom de l’agent affichera respectivement Moy. de toutes les équipes ou Moy. de tous les noms d’agents.

  6. Interprétation des graphiques :

    • Tendance à la hausse : Indique une augmentation du temps. Pour l’ACW, les agents passent plus de temps sur les tâches postérieures à l’appel. Pour l’AHT, les appels prennent plus de temps à traiter.

    • Tendance à la baisse : Indique une diminution du temps. Pour l’ACW, les agents terminent le travail postérieur à l’appel plus rapidement. Pour l’AHT, les appels sont traités plus efficacement.

    • Pics ou baisses soudains : Peuvent signaler des changements dans la charge de travail, le processus ou l’utilisation des outils. Ceux-ci devraient être examinés pour en comprendre la cause.

Affichage des données ACW

Le graphique ACW (Temps acw) aide à suivre combien de temps les agents passent sur les tâches postérieures à l’appel chaque mois, en montrant la durée moyenne pour tous les appels. Le temps acw fait référence au temps qu’un agent passe à effectuer des tâches après avoir terminé un appel client, comme rédiger des notes, mettre à jour des systèmes ou étiqueter l’interaction. La durée moyenne ACW est calculée en divisant le temps acw total par le nombre d’appels traités durant la période sélectionnée :

Moyenne ACW = temps acw total / Nombre d’appels

Ce graphique vous permet de comparer la performance entre les équipes, les compétences et les agents individuels, d’identifier des tendances ou des changements inhabituels dans la charge de travail, et de prendre des décisions éclairées. De plus, il aide à Indiquer s’il y a une augmentation ou une diminution du temps acw pour une équipe, une compétence ou un agent spécifique dans le temps. Par exemple, une ligne ascendante peut Indiquer une charge de travail croissante après l’appel, tandis qu’une tendance à la baisse peut suggérer une meilleure efficacité ou des changements de processus.

Le graphique ACW est présenté sous forme de graphique linéaire, où l’axe X représente le temps en intervalles mensuels selon la période sélectionnée, et l’axe Y montre la durée moyenne ACW, généralement mesurée en secondes ou en minutes. Chaque point de données sur le graphique reflète la moyenne ACW pour ce mois particulier. Le graphique comprend des fonctionnalités interactives comme le survol pour afficher les valeurs exactes, des mises à jour dynamiques selon les filtres appliqués et la période, et des légendes qui affichent les filtres sélectionnés pour une référence facile.

Affichage des données AHT

Le graphique AHT (durée moyenne de traitement) aide à suivre combien de temps les agents passent à traiter les interactions client chaque mois, en montrant la durée moyenne pour tous les appels. L’AHT comprend l’ensemble du temps d’interaction, comme le temps de conversation, le temps d’attente et le temps acw. La durée moyenne AHT est calculée en divisant le Temps de traitement total par le nombre d’appels traités durant la période sélectionnée :

Moyenne AHT = Temps de traitement total / Nombre d’appels

Ce graphique vous permet de comparer la performance entre les équipes, les compétences et les agents individuels, d’identifier des tendances ou des changements inhabituels dans la durée d’interaction. Les tendances du graphique AHT peuvent aider à identifier les augmentations ou diminutions de l’AHT pour des équipes, des compétences ou des agents spécifiques dans le temps. Par exemple, une ligne ascendante peut indiquer des interactions client plus longues en raison de la complexité ou d’inefficacités, tandis qu’une tendance à la baisse peut suggérer des processus simplifiés, une meilleure performance des agents ou un meilleur soutien du système.

Le graphique AHT est présenté sous forme de graphique linéaire, où l’axe X représente le temps en intervalles mensuels selon la période sélectionnée, et l’axe Y montre la durée moyenne AHT, généralement mesurée en secondes ou en minutes. Chaque point de données sur le graphique reflète la moyenne AHT pour ce mois particulier. Le graphique comprend des fonctionnalités interactives comme le survol pour afficher les valeurs exactes, des mises à jour dynamiques selon les filtres appliqués et la période, et des légendes qui affichent les filtres sélectionnés pour une référence facile.

Le Observability Dashboard prend en charge les nouvelles fonctionnalités Copilot pour Engagement Hub, vous permettant de surveiller la performance des fonctionnalités entre différents types de clients.

  • Pour les clients CXone ACD : Vous voyez des données pour les résumés générés automatiquement, les détails de l’équipe et les informations sur les compétences.

  • Pour les clients non-CXone ACD : Les données sur l’équipe et les compétences ne sont pas disponibles, et les fonctionnalités connexes sont masquées.

  • Pour les locataires utilisant à la fois des applications ACD et non ACD : Le tableau de bord affiche uniquement les données liées à ACD.

Autopilot Knowledge

Le Observability Dashboard pour Autopilot Knowledge montre des données sur l’efficacité avec laquelle votre système automatisé traite les questions des clients. Vous verrez un graphique qui affiche les tendances de performance dans le temps. Cela vous permet de suivre les changements quotidiennement, hebdomadairement ou mensuellement.

  1. Cliquez sur le sélecteur d’application et sélectionnez Actions.

  2. Sur Actions, cliquez sur Observability Dashboard.

  3. Cliquez sur l’onglet Autopilot Knowledge. Définissez la période souhaitée pour le tableau de bord, et cliquez sur Exécuter la requête. Il affiche trois graphiques :

Affichage des données sur l’Efficacité globale

Ce graphique affiche un résumé de haut niveau de la performance et de l’état du chatbot Autopilot Knowledge.

  1. Cliquez sur l’en-tête du graphique Efficacité globale pour explorer les statistiques en détail. Quatre graphiques apparaissent :

    • Engagé : Affiche le nombre de visiteurs qui se sont engagés avec le chatbot, vous aidant à comprendre les tendances d’engagement dans le temps.

    • Contenu : Affiche le pourcentage et le Nombre d’utilisateurs du chatbot qui ont terminé leur conversation sans nécessiter d’escalade vers un agent en direct. Avec cette métrique, vous pouvez évaluer avec quelle efficacité le chatbot résout les requêtes de manière autonome.

    • élevé : Affiche le pourcentage et le nombre d’utilisateurs du chatbot qui ont escaladé leur conversation vers un agent en direct, mettant en évidence les cas nécessitant une intervention humaine. Avec cette métrique, vous pouvez surveiller la fréquence à laquelle le chatbot transfère les conversations à des agents humains.

    • Abandonné : Affiche le pourcentage et le nombre d’utilisateurs du chatbot qui ont abandonné une conversation en cours. Avec cette métrique, vous pouvez identifier les points d’abandon et améliorer l’engagement des utilisateurs.

  2. Vous pouvez personnaliser les données qui apparaissent dans les graphiques :

    • Cliquez sur Nombres absolus ou Pourcentage pour basculer entre les pourcentages et les nombres absolus.

    • Cliquez sur Maximiser pour afficher le graphique en plein écran.

Affichage des données sur les Performances Gen AI

Ce graphique affiche le pourcentage des requêtes des utilisateurs qui ont été efficacement traitées par le moteur d’IA générative.

  1. Cliquez sur l’étiquette Performances Gen AI pour explorer les statistiques en détail. Trois graphiques apparaissent :

    • Heures supplémentaires : Affiche le pourcentage de réponses du chatbot dans le temps.

    • par catégorie : Affiche le pourcentage de réponses du chatbot par catégorie.

    • Requêtes au modèle génératif : Affiche le nombre total et le pourcentage des requêtes du chatbot traitées par le moteur génératif. Cette métrique fournit un aperçu de la fréquence d’utilisation du moteur génératif dans le traitement des interactions des utilisateurs.

  2. Vous pouvez personnaliser les données qui apparaissent dans les graphiques :

    • Dans les graphiques heures supplémentaires et Catégorie, pour basculer l’affichage des différents états de réponse, cliquez sur les légendes Réponse ou aucune Réponse dans les graphiques.

    • Cliquez sur nombres absolus ou Pourcentage pour basculer entre les pourcentages et les nombres absolus.

    • Cliquez sur Maximiser pour afficher les graphiques en plein écran.

  3. Faites défiler vers le bas pour voir les données regroupées par catégories. La vue par catégories organise les réponses du chatbot en différentes catégories. Chaque catégorie présente :

    • Volume total des Réponses

    • Nombre total d’absences de Réponse

    • Nombre moyen de liens et d’images fournis

    • Score de connaissances moyen (score attribué par la base de connaissances)

  4. En cliquant sur une catégorie, vous trouverez les requêtes spécifiques et leurs détails, tels que :

    • Numéro du contact de l’interaction

    • Requête ayant initié l’interaction avec le chatbot

    • La Réponse du chatbot, générée selon la saisie, l’intention et le contexte de l’utilisateur.

    • Nombre de liens et d’images fournis

    • Date et heure de la réponse

    • Score de connaissances moyen

  5. Vous pouvez basculer la façon dont vous affichez ces données. La vue par défaut est par catégorie. Cliquez sur Grouper par pour changer le regroupement de Catégorie à Numéro du contact. Les données réapparaissent selon le nouveau regroupement.

Affichage des données sur la Performance du robot

Ce graphique affiche la distribution des intentions du chatbot, mettant en évidence les six demandes d’utilisateur les plus courantes, ainsi que les occurrences de repli. Il vous aide à comprendre ce que demandent les utilisateurs et comment le chatbot répond.

  1. Cliquez sur l’étiquette Performance du robot pour explorer les statistiques en détail. Deux graphiques apparaissent :

    • Toutes les Intentions du robot : Affiche les demandes d’utilisateur les plus courantes et les cas de repli, vous aidant à améliorer la façon dont votre chatbot répond.

    • Indicateur d’abandon : Affiche quelles intentions du chatbot étaient les plus courantes avant que les utilisateurs n’abandonnent la conversation. Il vous aide à identifier les points d’abandon et à améliorer la rétention des utilisateurs.

  2. Vous pouvez personnaliser les données qui apparaissent dans les graphiques :

    • Cliquez sur nombres absolus ou Pourcentage pour basculer entre les pourcentages et les nombres absolus.

    • Cliquez sur Maximiser pour Afficher les graphiques en plein écran.

Autopilot (Omilia)

Le Observability Dashboard pour Autopilot (Omilia) montre avec quelle efficacité votre base de connaissances peut traiter les questions des clients. Utilisez ce tableau de bord pour repérer les zones où vous pouvez ajouter des articles à votre base de connaissances ou améliorer les articles existants pour mieux répondre aux questions des clients.

  1. Cliquez sur le sélecteur d’application et sélectionnez Actions.

  2. Sur Actions, cliquez sur Observability Dashboard.

  3. Cliquez sur l’onglet Autopilot (Omilia). Il affiche le graphique Performances Gen AI.

  4. Définissez la période souhaitée pour le tableau de bord, et cliquez sur Exécuter la requête.

Affichage des données sur les Performances Gen AI

Ce graphique montre le nombre de questions des utilisateurs ayant reçu des réponses pertinentes et complètes du moteur d’IA.

  1. Cliquez sur l’étiquette Performances Gen AI pour afficher les détails des questions posées et des articles fournis pour la période spécifiée.

    Deux graphiques apparaissent :

    • Graphique heures supplémentaires : Montre le nombre de réponses réussies et d’absences de réponse durant la période sélectionnée. Une réponse indique que l’utilisateur a vu un article. Une absence de réponse indique qu’aucun article correspondant n’a été trouvé.

    • Graphique par catégorie : Montre le nombre de réponses réussies et d’absences de réponse par catégories.

    Vous pouvez personnaliser l’apparence des données dans les graphiques :

    • Pour basculer entre les pourcentages et les Nombres absolus, cliquez sur nombres absolus ou Pourcentage.

    • Pour Afficher le graphique en plein écran, cliquez sur Maximiser.

    • Pour basculer l’affichage des différents états de réponse, cliquez sur les légendes réponse ou aucune réponse dans les graphiques.

  2. Faites défiler vers le bas sous les graphiques pour voir un tableau qui fournit des détails sur les requêtes. Les requêtes sont regroupées par catégories.

  3. En cliquant sur une catégorie, vous trouverez les requêtes spécifiques et les réponses fournies. Utilisez cela pour repérer les zones où vous pourriez manquer d’articles dans votre base de connaissances.

Générer des Articles de Connaissances Optimisés par l’ia

  1. Cliquez sur le sélecteur d’application et sélectionnez Actions.

  2. Sur Actions, cliquez sur Observability Dashboard.

  3. Cliquez sur l’étiquette réponses génératives pour afficher les statistiques détaillées.

  4. Faites défiler vers le bas jusqu’à la section des données regroupées par catégories. Cliquez sur une catégorie pour Afficher les requêtes spécifiques.

  5. Sélectionnez une requête et cliquez sur le bouton Informations .

  6. Dans le panneau des détails de réponse à droite, cliquez sur Créer un article. Un article généré par l’IA est rédigé selon la transcription. Vous pouvez modifier l’article selon les besoins, puis le publier.

    Pour des informations complètes sur la modification et la publication d’un article, consultez l’aide sur la génération de connaissances.

  7. Lorsqu’un article est déjà publié, l’icône Créer un article apparaît en violet avec une coche . Cela signifie qu’un article de connaissances est disponible et que vous pouvez le consulter, même s’il a été créé par quelqu’un d’autre.

Exporter des données depuis Observability Dashboard

  1. Cliquez sur le sélecteur d’application et sélectionnez Actions.

  2. Sur Actions, cliquez sur Observability Dashboard.

  3. Cliquez sur l’étiquette réponse générative pour Afficher les statistiques détaillées.

  4. Faites défiler vers le bas jusqu’à la section des données regroupées par catégories. Cliquez sur Exporter. Vous pouvez télécharger toutes les données, visibles et masquées, selon les filtres définis dans le générateur de requêtes.

  5. Lorsque vous exportez des données depuis leObservability Dashboard, certains champs de la feuille de calcul sont représentés par des codes numériques. Ces codes correspondent à des étiquettes et types de commentaires spécifiques, comme indiqué ci-dessous :

    étiquette

    valeur
    exact 1
    Complet 2

    Pertinent

    		3
    Autre 4 (pour les commentaires positifs)
    Inexact 5
    Incomplet 6
    Non pertinent 7
    Lent 8
    Autre 9 (pour les commentaires négatifs)

    Type de commentaire

    valeur
    Positif 1
    Négatif 2