Interaction Analytics 指标

• 计算方法：客户不满指标等于 1 的不同案例总数。 该指标表示在选定期间内是否发生过任何客户不满的情况。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向下，指标值越低越好。

• 使用案例：识别客户互动过程中的客户挫折 在呼叫中心，检测客户挫折对于提高服务质量和客户满意度至关重要。 该指标有助于识别报告期内的任何互动是否涉及不满的客户（系统将客户不满 ID 标记为 1）。 例如，如果客户在电话或聊天过程中反复表达不满（例如抱怨延迟或交易失败），则该互动将被标记为令人沮丧的互动。 跟踪此指标可以让主管快速发现可能需要审查、员工辅导或升级处理的会话。

  通过监测用户不满指标，呼叫中心可以：

  • 找出流程或政策中导致客户不满的环节。

  • 采取积极措施解决反复出现的问题。

  • 改进客服人员处理棘手对话的培训。

  • 通过减少令人沮丧的因素来提升整体客户体验。

• 计算：该指标表示在选定期间内是否成功解决了任何交互问题。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：跟踪此指标可以让主管快速查看在报告期内问题是否得到解决。 低值表明没有问题得到解决，这可能表明存在积压或流程效率低下。 通过监控这些信息，联络中心可以提高问题解决率，减少重复联系，并提高客户满意度。

• 计算方法：所选时间段内不同交互片段的总数。 每个片段代表交互的一部分，例如通话、聊天或其他通信渠道活动。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：在呼叫中心，一次客户来电可能涉及多个环节，例如与客服人员的初步对话、转接给专家以及后续确认。 同样，聊天互动可以包含针对不同主题或升级情况的单独部分。 统计不同的交互部分可以深入了解代理管理的交互部分数量，这可以表明复杂性和资源需求。

• 计算方法：所选时间段内交互片段的平均持续时间。 该指标的计算方法是将所有不同片段持续时间的总和除以不同片段的数量。 它代表交互过程中一个片段的典型长度。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向下，指标值越低越好。

• 使用场景：在呼叫中心，一次客户来电可能包含多个环节，例如初始问候、故障排除和升级。 如果这些片段的总持续时间为 900 秒，并且有 3 个片段，则平均片段持续时间为 300 秒（5 分钟）。 监控此指标有助于管理者识别异常冗长的故障排除步骤或简短仓促的交互等模式，从而实现更好的资源规划和培训。

• 计算方法：所选时间段内交互片段的平均持续时间。 该指标的计算方法是将所有不同片段持续时间的总和除以不同片段的数量。 它代表交互过程中一个片段的典型长度。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向下，指标值越低越好。

• 使用场景：在呼叫中心，通话可能包含故障排除步骤，客服人员正在查找信息或等待系统响应，导致通话中断。 如果所有片段的总静音时间为 120 秒，并且有 4 个片段，则每个片段的平均静音时间为 30 秒。 较高的沉默率可能表明需要更好的客服人员培训、更快的工具或改进的流程来保持客户的参与度。

了解更多

• 计算方法：客戶人氣 ID 等于负面情绪的交互片段比例。 该指标的计算方法是将具有负面情绪 ID 的不同细分的数量除以细分总数。 它代表反映特定情感的细分市场的百分比。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向下，指标值越低越好。

• 使用案例：在呼叫中心，如果情感分析将客户表达满意度的细分市场标记为负面情绪，则此指标计算所有细分市场中负面情绪所占的比例。 例如，如果有 100 个细分市场，其中 40 个细分市场具有负面情绪，则该指标将显示 40%。 监测这些信息有助于管理者跟踪客户情绪的趋势，确定需要改进的领域，并评估服务变化对客户感知的影响。

• 计算方法：客戶人氣积极的互动片段百分比。 该指标的计算方法是将具有积极情绪的不同细分群体的数量除以细分群体的总数。 它代表反映特定情感的细分市场所占的比例。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：在呼叫中心，如果情感分析将客户表达不满的细分市场标记为正面情绪，则此指标计算所有正面细分市场所占的份额。 例如，如果有 200 个细分市场，其中 50 个具有正面情绪，则该指标将显示为 25%。 监测这一指标有助于管理者发现积极情绪的趋势，采取纠正措施，并改善整体客户体验。

• 计算方法：坐席代表情绪为负面情绪的交互片段百分比。 该指标的计算方法是将具有负面代理情绪的不同细分数量除以细分总数。 它代表了互动过程中个体表达负面情绪的频率。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向下，指标值越低越好。

• 使用案例：在呼叫中心，情感分析可以检测到客服人员在通话或聊天过程中使用粗鲁的语言、听起来不耐烦或表达沮丧等负面情绪。 例如，如果总共有 100 个细分市场，其中 8 个细分市场显示出负面情绪（坐席代表情绪），则该指标将显示为 8%。 跟踪这些信息有助于主管发现负面情绪的模式，提供指导，并确保客服人员在互动中保持专业性和同理心。

• 计算方法：互动片段中积极坐席代表情绪的百分比。 这是通过将标记为“积极坐席代表情绪”的不同细分数量除以细分总数来计算的。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：在呼叫中心，如果情感分析将客户表达满意的细分市场标记为“正面情绪”，则此指标计算所有细分市场中正面情绪所占的比例。 例如，如果有 200 个细分市场，其中 50 个具有正面情绪，则该指标将显示为 25%。 监测这一指标有助于管理者发现积极情绪的趋势，采取纠正措施，并改善整体客户体验。

• 计算方法：客户以负面情绪开始互动的互动片段百分比。 这是通过将负面客户情绪开始出现的不同细分数量除以细分总数来计算的。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向下，指标值越低越好。

• 使用案例：在呼叫中心，如果情感分析检测到客户在通话或聊天开始时听起来很沮丧或恼怒（负面客户开始情绪），则此指标计算此类细分的比例。 例如，如果总共有 100 个细分，其中 15 个细分以负面情绪开始，则该指标将显示为 15%。 监控此情况有助于管理者了解客户在互动开始时的情绪趋势，并采取措施改善第一印象，例如减少等待时间或增强自助服务选项。

了解更多

• 计算方法：客户以积极情绪开始互动的互动片段百分比。 这是通过将具有积极客户情绪的不同细分市场的数量除以细分市场总数来计算的。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：在呼叫中心，如果情感分析检测到客户在通话或聊天开始时听起来很高兴或满意（积极的客户开始情绪），则此指标计算此类细分的比例。 例如，如果总共有 100 个细分，其中 40 个细分以积极情绪开始，则该指标将显示 40%。 监测这一指标有助于管理者了解客户在互动开始时的情绪，并采取措施维持或改善积极的互动。

• 计算方法：客户以负面情绪结束互动的互动片段百分比。 这是通过将负面客户最終人氣的不同细分数量除以细分总数来计算的。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向下，指标值越低越好。

• 使用案例：在呼叫中心，如果情感分析检测到客户在结束通话或聊天时显得沮丧或不满（负面客户最終人氣），则此指标计算此类客户的比例。 例如，如果总共有 100 个细分，其中 20 个以负面情绪结尾，则该指标将显示为 20%。 监控此过程有助于管理者识别未能满足客户期望的互动，并采取纠正措施来改善解决方案和客户体验。

• 计算方法：客户以积极情绪结束互动的互动片段百分比。 这是通过将具有积极客户最終人氣的不同细分数量除以细分总数来计算的。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：在呼叫中心，如果情感分析检测到客户结束通话或聊天时听起来很高兴或满意（积极的客户最終人氣），则此指标计算此类细分的比例。 例如，如果总共有 100 个细分，其中 60 个以积极情绪结尾，则该指标将显示为 60%。 监控此项有助于管理者评估服务质量、确定最佳实践并改进流程，以确保客户在互动后感到满意。

• 计算方法：交互片段中，代理以负面情绪开始交互的百分比。 这是通过将负面代理开始表达情感的不同细分数量除以细分总数来计算的。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向下，指标值越低越好。

• 使用案例：在呼叫中心，如果客服人员听起来不耐烦、沮丧或使用粗鲁的语言，情感分析可以在通话开始时检测到客服人员的负面情绪。 例如，如果总共有 100 个细分，其中 10 个细分以负面情绪开始，则该指标将显示为 10%。 监控此情况有助于主管在互动开始时发现消极语气的模式，并采取纠正措施以提高专业性和客户体验。

• 计算方法：互动片段中，代理以积极情绪开始互动的百分比。 这是通过将积极代理开始表达情感的不同细分市场的数量除以细分市场总数来计算的。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：在呼叫中心，如果客服人员热情地问候客户并听起来充满热情，情感分析可能会在通话开始时检测到客服人员的积极情绪。 例如，如果总共有 100 个细分，其中 70 个细分以积极情绪开始，则该指标将显示 70%。 监控这一情况有助于主管确保客服人员始终以积极的态度开始互动，从而带来更好的结果和更高的客户满意度。

• 计算方法：互动片段中，代理以负面情绪结束互动的百分比。 这是通过将负面代理最終人氣的不同细分数量除以细分总数来计算的。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向下，指标值越低越好。

• 使用案例：在呼叫中心，如果客服人员在通话结束时听起来不耐烦、使用粗鲁的语言或在结束对话前表达沮丧，情感分析可能会检测到客服人员的负面情绪。 例如，如果总共有 100 个片段，其中 12 个以负面情绪结尾，则该指标将显示为 12%。 监控此情况有助于主管发现互动结束时的负面语气模式，并采取纠正措施来改善客户体验和员工绩效。

• 计算方法：互动片段中，代理以积极情绪结束互动的百分比。 这是通过将具有积极代理最終人氣的不同细分的数量除以细分总数来计算的。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：在呼叫中心，如果客服人员在结束通话前热情地感谢客户并提供帮助，情感分析可能会检测到客服人员在通话结束时的积极情绪。 例如，如果总共有 100 个细分市场，其中 75 个细分市场以积极情绪结束，则该指标将显示为 75%。 监控这一情况有助于主管确保销售人员在整个互动过程中始终保持积极的态度，尤其是在交易结束时，这会给客户留下深刻的印象。

• 计算方法：将选定期间记录的所有不同客户情绪细分的总和相加。 每个细分 ID 代表一个独特的交互细分，用于分析客户情绪。 该指标本质上是将独特的与情感相关的细分群体进行汇总，从而提供情感出现次数的总体计数。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：在呼叫中心，一次通话可能包含多个部分，例如问候、故障排除和结束通话，每个部分都会进行情感分析。 如果情感分析在一个通话中识别出 3 个不同的片段，在另一个通话中识别出 2 个不同的片段，则该指标会将所有交互中的这些不同片段 ID 相加。 监测这些数据有助于管理者了解情感分析的应用频率以及有多少细分市场对整体情感趋势产生影响。

• 计算方法：在选定期间记录的所有不同代理情绪片段的总和。 每个片段 ID 代表一个独特的交互片段，其中分析了代理的情感。 该指标汇总了与情感相关的独特细分，以提供与代理情感相关的细分总数。

• 过滤器：

  • 员工组：坐席、团队、公司

  • 联系人组：公司

  • 属性：不适用

• 支持的频道：全部信道

• 指标类型：历史

• 指标方向：向上，指标值越高越好。

• 使用案例：在呼叫中心，一次通话可能包含多个部分，例如问候、故障排除和结束通话，每个部分都会分析客服人员的情绪。 如果情感分析在一个通话中识别出 3 个不同的片段，在另一个通话中识别出 2 个不同的片段，则该指标会将所有交互中的这些不同片段 ID 相加。 监测这些数据有助于管理者了解代理商情绪分析的应用频率以及有多少细分市场对整体情绪趋势产生影响。