Interaction Analytics 메트릭

• 계산: 고객 불만 지표가 1인 개별 사례의 총 개수. 이 지표는 선택된 기간 동안 고객 불만 사례가 발생했는지 여부를 나타냅니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 아래. 메트릭 값이 낮을수록 좋습니다.

• 사용 사례: 고객 응대 중 고객 불만 파악하기. 컨택 센터에서 고객이 불만을 느끼는 순간을 감지하는 것은 서비스 품질 및 고객 만족도 향상에 매우 중요합니다. 이 지표는 보고 기간 동안 발생한 상호 작용 중 고객이 불만을 느꼈는지(시스템에서 고객 불만 ID = 1로 표시한 경우)를 파악하는 데 도움이 됩니다. 예를 들어, 고객이 통화나 채팅 중에 지연이나 거래 실패 등에 대해 반복적으로 불만을 표출하는 경우, 해당 상호 작용은 '불만'으로 표시됩니다. 이 지표를 추적하면 관리자는 검토, 상담원 코칭 또는 문제 해결을 위한 상위 보고가 필요한 세션을 신속하게 파악할 수 있습니다.

  고객센터는 고객 불만 지표를 모니터링함으로써 다음과 같은 이점을 얻을 수 있습니다.

  • 프로세스나 정책으로 인해 고객 불만이 발생하는 부분을 정확히 파악하십시오.

  • 반복적으로 발생하는 문제를 해결하기 위해 선제적인 조치를 취하십시오.

  • 어려운 대화를 처리하는 데 필요한 상담원 교육을 개선하십시오.

  • 고객 불편 유발 요인을 줄여 전반적인 고객 경험을 향상시키세요.

• 계산: 이 지표는 선택한 기간 동안 상호 작용이 성공적으로 해결되었는지 여부를 나타냅니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 활용 사례: 이 지표를 추적하면 관리자는 보고 기간 동안 문제 해결이 이루어지고 있는지 신속하게 확인할 수 있습니다. 낮은 값은 문제가 해결되지 않았음을 나타내며 이는 백로그 또는 프로세스 비효율성을 나타낼 수 있습니다. 이를 모니터링함으로써 컨택센터는 문제 해결률을 높이고, 재연락 횟수를 줄이며, 고객 만족도를 향상시킬 수 있습니다.

• 계산: 선택된 기간 내의 서로 다른 상호작용 구간의 총 개수. 각 세그먼트는 통화, 채팅 또는 기타 커뮤니케이션 채널 활동과 같은 상호 작용의 일부를 나타냅니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 사용 사례: 컨택 센터에서 고객 통화는 상담원과의 초기 대화, 전문가 연결, 후속 확인 등 여러 단계로 구성될 수 있습니다. 마찬가지로, 채팅 상호작용은 다양한 주제나 문제 해결 상황에 따라 별도의 세그먼트로 구성될 수 있습니다. 서로 다른 세그먼트 수를 세는 것은 에이전트가 관리하는 상호 작용 부분의 수를 파악하는 데 도움이 되며, 이는 복잡성과 리소스 요구 사항을 나타낼 수 있습니다.

• 계산: 선택된 기간 동안의 상호작용 구간의 평균 지속 시간. 이 지표는 모든 개별 세그먼트 지속 시간의 합을 개별 세그먼트 수로 나누어 계산합니다. 이는 상호작용 내에서 한 구간의 일반적인 길이를 나타냅니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 아래. 메트릭 값이 낮을수록 좋습니다.

• 사용 사례: 컨택 센터에서 고객 통화는 초기 응대, 문제 해결, 에스컬레이션 등 여러 단계로 구성될 수 있습니다. 이러한 세그먼트의 총 지속 시간이 900초이고 세그먼트가 3개라면 평균 세그먼트 지속 시간은 300초(5분)입니다. 이 지표를 모니터링하면 관리자는 비정상적으로 긴 문제 해결 단계나 짧고 성급한 상호 작용과 같은 패턴을 파악하여 더 나은 자원 계획 및 교육을 수립할 수 있습니다.

• 계산: 선택된 기간 동안의 상호작용 구간의 평균 지속 시간. 이 지표는 모든 개별 세그먼트 지속 시간의 합을 개별 세그먼트 수로 나누어 계산합니다. 이는 상호작용 내에서 한 구간의 일반적인 길이를 나타냅니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 아래. 메트릭 값이 낮을수록 좋습니다.

• 사용 사례: 콜센터에서 상담원이 문제 해결 단계를 진행하는 동안, 즉 상담원이 정보를 검색하거나 시스템 응답을 기다리는 동안 침묵이 발생하는 경우가 있을 수 있습니다. 만약 모든 구간의 총 무음 시간이 120초이고 구간이 4개라면, 구간당 평균 무음 시간은 30초입니다. 높은 무응답률은 고객 참여를 유지하기 위해 상담원 교육 강화, 도구 속도 향상 또는 프로세스 개선이 필요함을 시사할 수 있습니다.

더 알아보기

• 계산 방법: 클라이언트 감성이 부정적인 감성과 일치하는 상호작용 세그먼트의 비율. 이 지표는 감정 ID가 부정적 감정인 고유 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다. 이는 특정 감정을 반영하는 세그먼트의 비율을 나타냅니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 아래. 메트릭 값이 낮을수록 좋습니다.

• 사용 사례: 컨택 센터에서 감정 분석을 통해 고객들이 만족도를 표현한 세그먼트를 부정적 감성으로 분류했을 경우, 이 지표는 전체 세그먼트 중 부정적 감성을 표현한 세그먼트의 비율을 계산합니다. 예를 들어, 세그먼트가 100개 있고 그중 40개에 부정적 감성이 있다면, 해당 지표는 40%로 표시됩니다. 이를 모니터링하면 관리자는 고객 감정의 추세를 파악하고, 개선이 필요한 부분을 식별하며, 서비스 변경이 고객 인식에 미치는 영향을 평가할 수 있습니다.

• 계산: 클라이언트 감성이 긍정적인 상호작용 세그먼트의 비율. 이 지표는 긍정적인 감정을 나타내는 개별 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다. 이는 특정 감정을 반영하는 세그먼트의 비율을 나타냅니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 사용 사례: 컨택 센터에서 감정 분석을 통해 고객이 불만을 표현한 세그먼트를 긍정적 감성으로 분류했을 경우, 이 지표는 전체 세그먼트 중 긍정적 감성을 나타낸 세그먼트의 비율을 계산합니다. 예를 들어, 세그먼트가 200개 있고 그중 50개가 긍정적 감성을 나타낸다면, 해당 지표는 25%로 표시됩니다. 이를 모니터링하면 관리자는 긍정적인 감정의 추세를 파악하고, 시정 조치를 취하며, 전반적인 고객 경험을 개선할 수 있습니다.

• 계산: 상담원 감성이 부정적 감성인 상호작용 세그먼트의 비율. 이 지표는 에이전트에 대한 부정적인 감정을 나타내는 개별 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다. 이는 상담원들이 상호 작용 중에 부정적인 감정을 얼마나 자주 드러내는지를 나타냅니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 아래. 메트릭 값이 낮을수록 좋습니다.

• 사용 사례: 콜센터에서 상담원이 통화나 채팅 중에 거친 언어를 사용하거나, 조급해하거나, 불만을 표출할 때 감정 분석을 통해 부정적인 상담원 감정을 감지할 수 있습니다. 예를 들어, 전체 세그먼트가 100개이고 그중 8개 세그먼트에서 부정적 감성(상담원 감성)이 나타나면 해당 지표는 8%로 표시됩니다. 이를 추적함으로써 관리자는 부정적인 감정의 패턴을 파악하고, 코칭을 제공하며, 상담원들이 상호 작용 중에 전문성과 공감 능력을 유지하도록 도울 수 있습니다.

• 계산: 상담원 감성이 긍정적인 상호작용 세그먼트의 비율. 이는 '긍정적인 상담원 감성'으로 표시된 개별 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 사용 사례: 컨택 센터에서 감정 분석을 통해 고객들이 만족감을 표현한 세그먼트를 긍정적 감성으로 분류했을 경우, 이 지표는 전체 세그먼트 중 긍정적 감성을 보인 세그먼트의 비율을 계산합니다. 예를 들어, 세그먼트가 200개 있고 그중 50개가 긍정적 감성을 나타낸다면, 해당 지표는 25%로 표시됩니다. 이를 모니터링하면 관리자는 긍정적인 감정의 추세를 파악하고, 시정 조치를 취하며, 전반적인 고객 경험을 개선할 수 있습니다.

• 계산: 고객이 부정적인 감정으로 상호작용을 시작한 상호작용 구간의 비율. 이는 부정적인 고객 감정이 시작되는 개별 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 아래. 메트릭 값이 낮을수록 좋습니다.

• 사용 사례: 컨택 센터에서 감정 분석을 통해 고객이 통화 또는 채팅을 시작할 때 불만스럽거나 좌절한 어조를 보이는 경우(부정적인 고객 초기 감정), 이 지표는 그러한 고객 세그먼트의 비율을 계산합니다. 예를 들어, 전체 세그먼트가 100개이고 그중 15개가 부정적인 감정으로 시작했다면, 해당 지표는 15%로 표시됩니다. 이를 모니터링하면 관리자는 고객과의 상호 작용 초기에 고객 감정 추세를 파악하고 대기 시간 단축이나 셀프 서비스 옵션 강화와 같은 첫인상 개선 조치를 취할 수 있습니다.

더 알아보기

• 계산 방식: 고객이 긍정적인 감정으로 상호작용을 시작한 상호작용 구간의 비율. 이는 긍정적인 고객 감정이 시작되는 개별 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 사용 사례: 컨택 센터에서 감정 분석을 통해 고객이 통화 또는 채팅을 시작할 때 행복하거나 만족스러운 어조를 보이는 경우(긍정적인 고객 시작 감정), 이 지표는 그러한 고객 세그먼트의 비율을 계산합니다. 예를 들어, 전체 세그먼트가 100개이고 그중 40개가 긍정적인 감정으로 시작했다면, 해당 지표는 40%를 보여줍니다. 이를 모니터링하면 관리자는 고객과의 상호 작용 시작 시 고객 기분을 파악하고 긍정적인 참여를 유지하거나 개선하기 위한 조치를 취할 수 있습니다.

• 계산 방식: 고객이 상호작용을 부정적인 감정으로 마무리한 상호작용 구간의 비율. 이는 부정적 클라이언트 종료 감성이 있는 개별 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 아래. 메트릭 값이 낮을수록 좋습니다.

• 사용 사례: 컨택 센터에서 감정 분석을 통해 고객이 통화나 채팅을 마칠 때 불만이나 좌절감을 표현하는 경우(부정적 클라이언트 종료 감성), 이 지표는 그러한 세그먼트의 비율을 계산합니다. 예를 들어, 전체 세그먼트가 100개이고 그중 20개가 부정적인 감정으로 끝났다면, 해당 지표는 20%로 표시됩니다. 이를 모니터링하면 관리자는 고객 기대치를 충족하지 못한 상호 작용을 파악하고 해결 및 고객 경험을 개선하기 위한 시정 조치를 취할 수 있습니다.

• 계산 방식: 고객이 상호작용을 긍정적인 감정으로 마무리한 상호작용 구간의 비율. 이는 긍정적 클라이언트 종료 감성이 있는 개별 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 사용 사례: 컨택 센터에서 감정 분석을 통해 고객이 통화 또는 채팅을 마칠 때 행복하거나 만족스러운 어조(긍정적 클라이언트 종료 감성)를 보인다면, 이 지표는 그러한 세그먼트의 비율을 계산합니다. 예를 들어, 전체 세그먼트가 100개이고 그중 60개가 긍정적인 감정으로 끝났다면, 해당 지표에는 60%가 표시됩니다. 이를 모니터링하면 관리자는 서비스 품질을 평가하고, 모범 사례를 파악하고, 프로세스를 개선하여 고객이 긍정적인 경험을 하고 떠날 수 있도록 도울 수 있습니다.

• 계산: 상담원이 부정적인 감정으로 상호작용을 시작한 상호작용 구간의 비율. 이는 부정적 에이전트가 감정을 나타내기 시작하는 개별 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 아래. 메트릭 값이 낮을수록 좋습니다.

• 사용 사례: 콜센터에서 상담원이 통화 초반에 조급하거나, 짜증을 내거나, 거친 표현을 사용하는 경우 감정 분석을 통해 부정적인 상담원 감정을 감지할 수 있습니다. 예를 들어, 전체 세그먼트가 100개이고 그중 10개가 부정적인 감정으로 시작했다면, 해당 지표는 10%로 표시됩니다. 이를 모니터링하면 관리자는 상호 작용 초기에 부정적인 어조의 패턴을 파악하고 전문성과 고객 경험을 개선하기 위한 시정 조치를 취할 수 있습니다.

• 계산 방식: 상담원이 긍정적인 감정으로 상호작용을 시작한 상호작용 구간의 비율. 이는 Positive Agent Begin Sentiment가 나타나는 고유 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 사용 사례: 콜센터에서 상담원이 고객에게 따뜻하게 인사하고 열정적인 어조로 말하는 경우, 통화 시작 시 상담원의 긍정적인 감정을 감지할 수 있습니다. 예를 들어, 전체 세그먼트가 100개이고 그중 70개가 긍정적인 감정으로 시작했다면, 해당 지표는 70%를 표시합니다. 이를 모니터링하면 관리자는 상담원이 항상 긍정적인 분위기에서 상호 작용을 시작할 수 있도록 보장할 수 있으며, 이는 더 나은 결과와 더 높은 고객 만족도로 이어질 수 있습니다.

• 계산 방식: 상담원이 부정적인 감정으로 상호작용을 종료한 상호작용 구간의 비율. 이는 부정적 상담원 종료 감성이 나타난 고유 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 아래. 메트릭 값이 낮을수록 좋습니다.

• 사용 사례: 콜센터에서 상담원이 통화 말미에 조급한 어조로 말하거나, 거친 표현을 사용하거나, 불만을 표출하는 경우, 감정 분석을 통해 상담원의 부정적인 감정을 감지할 수 있습니다. 예를 들어, 전체 세그먼트가 100개이고 그중 12개가 부정적인 감정으로 끝났다면, 해당 지표는 12%로 표시됩니다. 이를 모니터링하면 관리자는 고객 응대 말미에 부정적인 어조가 나타나는 패턴을 파악하고 시정 조치를 취하여 고객 경험과 상담원 성과를 개선할 수 있습니다.

• 계산 방식: 상담원이 긍정적인 감정으로 상호작용을 마무리한 상호작용 구간의 비율. 이는 긍정적 상담원 종료 감성을 나타내는 고유 세그먼트 수를 전체 세그먼트 수로 나누어 계산합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 활용 사례: 콜센터에서 상담원이 통화 종료 시 고객에게 진심으로 감사 인사를 전하고 추가적인 도움을 제공하는 경우, 감정 분석을 통해 상담원의 긍정적인 감정을 파악할 수 있습니다. 예를 들어, 전체 세그먼트가 100개이고 그중 75개가 긍정적인 감정으로 끝났다면, 해당 지표는 75%로 표시됩니다. 이를 모니터링하면 관리자는 상담원들이 특히 계약 체결 단계에서 고객과의 상호작용 전반에 걸쳐 일관되게 긍정적인 태도를 유지하도록 도울 수 있으며, 이는 고객에게 오래도록 기억에 남는 인상을 남깁니다.

• 계산 방식: 선택된 기간 동안 기록된 모든 개별 고객 감정 세그먼트의 총합. 각 세그먼트 ID는 고객 감정이 분석된 고유한 상호작용 세그먼트를 나타냅니다. 이 지표는 본질적으로 고유한 감정 관련 세그먼트를 집계하여 감정 발생 횟수를 전체적으로 나타냅니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 사용 사례: 콜센터에서 하나의 통화는 응대, 문제 해결, 마무리 등 여러 부분으로 구성될 수 있으며, 각 부분은 감정 분석을 위해 분석됩니다. 감정 분석을 통해 한 통화에서 3개의 고유 세그먼트가 식별되고 다른 통화에서 2개의 고유 세그먼트가 식별된 경우, 이 지표는 모든 상호 작용에 걸쳐 이러한 고유 세그먼트 ID를 합산합니다. 이를 모니터링하면 관리자는 감성 분석이 얼마나 자주 적용되는지, 그리고 얼마나 많은 부문이 전반적인 감성 추세에 영향을 미치는지 파악할 수 있습니다.

• 계산 방식: 선택된 기간 동안 기록된 모든 개별 상담원 감정 세그먼트의 총합. 각 세그먼트 ID는 상담원의 감정이 분석된 고유한 상호작용 세그먼트를 나타냅니다. 이 지표는 고유한 감정 관련 세그먼트를 집계하여 상담원 감정과 관련된 세그먼트의 전체 수를 제공합니다.

• 필터:

  • 직원 그룹: 상담원, 팀, 회사

  • 컨택 그룹: 회사

  • 속성: 해당 없음

• 지원 채널: 모든 채널

• 메트릭 유형: 기록

• 메트릭 방향: 위. 메트릭 값이 높을수록 좋습니다.

• 사용 사례: 컨택 센터에서 단일 통화는 응대, 문제 해결, 마무리 등 여러 단계로 구성될 수 있으며, 각 단계는 상담원의 감정을 분석하는 데 사용됩니다. 감정 분석을 통해 한 통화에서 3개의 고유 세그먼트가 식별되고 다른 통화에서 2개의 고유 세그먼트가 식별된 경우, 이 지표는 모든 상호 작용에 걸쳐 이러한 고유 세그먼트 ID를 합산합니다. 이를 모니터링하면 관리자는 상담원 감정 분석이 얼마나 자주 적용되는지, 그리고 얼마나 많은 부문이 전반적인 감정 추세에 영향을 미치는지 파악할 수 있습니다.