会話データを使用して、仮想サービス エージェントのパフォーマンスを向上させる
The Conversations page in the virtual service agent provides you with a log of virtual service agent conversations. You can use this data to make improvements to your virtual service agent’s performance.
現在、会話ページに表示されるのはポータル、ヘルプ センターおよび Slack の会話のみとなっています。他のチャンネルの会話も表示できるよう開発を進めていますので、最新情報については本ページを定期的にご確認ください。
仮想サービス エージェントの会話データを確認する
仮想サービス エージェントの会話を表示するには:
サービス プロジェクトから、[プロジェクト設定] > [チャンネルとセルフ サービス] > [仮想サービス エージェント] の順に選択します。
Select Conversations.
[開始日] と [終了日] を選択して、表示する会話を絞り込みます。
[フィルター] を使用して、特定の属性を持つ会話を検索できます。
If a conversation was matched to an intent, you can jump straight to that intent from the Intent column.
会話の詳細を表示するには、[リンク] 列の矢印を選択します。
利用可能なフィルター
次のデータがテーブルに表示され、これを使用して会話をフィルタリングできます。
[アクション] 列では、次のような会話の内容を確認できます。
一致: 仮想サービス エージェントが自信を持ってインテントを検出して、カスタマーにインテントが正しいかどうかを尋ね、カスタマーはそれが正しいことを確認しました。インテント一致標準フローの詳細はこちらをご確認ください。
AI 回答済み: 仮想サービス エージェントが Atlassian Intelligence による回答を使用してカスタマーの質問に回答しました。
アシストなし: インテントが一致せず、Atlassian Intelligence の回答も提供されませんでした。
[解決状況] 列では、次のような会話の内容を確認できます。
エスカレート: 仮想サービス エージェントが Jira Service Management に課題を作成しました。
解決済み: インテントが一致した、または Atlassian Intelligence の回答を使用して回答された後、カスタマーが会話を解決済みとしてマークしました。
Resolved conversations are sometimes escalated after resolution (for example, when someone sends a message in a Slack thread after the virtual service agent resolved the conversation). When this happens, the conversation will be shown as Resolved in performance metrics, but as Escalated on the Conversations page.
Closed: No intents were matched and no Atlassian Intelligence answers were provided during the conversation, and then the customer abandoned it for 5 minutes. After being nudged by the virtual service agent, the customer indicated they no longer needed help. Read more about the auto-close standard flow.
[CSAT] 列には、各会話でカスタマーから提供された顧客満足度 (CSAT) スコアが表示されます。
会話データを使用して仮想サービス エージェントのパフォーマンスを向上させる
会話データを使用して仮想サービス エージェントのパフォーマンスを改善できる方法は数限りなく存在します。以下はその一例です。
エスカレーションを減らす
仮想サービス エージェントを使用する主な目的が、チームの作業負荷を軽減することだとすると、具体的には Jira Service Management プロジェクトで作成する課題を減らすことになります。
In that case, you might want to filter your conversations by Escalated. If a lot of these conversations were also Matched to an intent, you might start by reading back over some specific conversations and seeing where you could make improvements.
If things went wrong during the conversation, you might want to look at improving your intent’s conversation flow. If the wrong intent is being matched, you might want to go and refine your training phrases.
Atlassian Intelligence の回答の質を改善する
たとえば、[AI による回答] で会話をフィルタリングし、これらの会話の多くが [エスカレート] にもなっている、または CSAT スコアが低いことがわかったとします。これは、ナレッジ ベースが古く、間違った (または不十分な) 情報を顧客に提供していることを示している可能性があります。
確認するには、個別の会話を開いて、Atlassian Intelligence による回答を生成するために使用されたソース記事をご確認ください。記事に重要な情報が欠けていないか、情報が古くなっていないかを確認します。接続されたナレッジ ベースが正確で、カスタマーの求める情報が含まれているのを確認することによって、回答の質をすばやく改善できます。これによってエスカレーションが減り、仮想サービス エージェントの CSAT スコアが向上する可能性があります。
仮想サービス エージェントを使用して、人間のエージェントのためにより効果的に課題をトリアージする
Jira Service Management で課題を作成しないようにする前述のシナリオとは異なり、人間のエージェントが課題をより早く解決できるように仮想サービス エージェントを使用してカスタマーから情報を収集し、代わりに課題を作成し、正しいリクエスト タイプにルーティングするとします。
この場合、会話を [Unassisted] でフィルタリングして、それらをカバーする新しいインテントが必要な可能性のあるカスタマーのクエリを発見できます。その新しいインテントの会話フローを構築する場合、[ リクエスト タイプとフィールドを変更 ] ステップを使用して、課題が正しいリクエスト タイプを使用して作成されていることを確認してから 、[情報を求める] ステップを使用して、人間のエージェントが課題を迅速に解決するのに役立つ情報を収集できます。会話フロー ビルダーのステップ タイプに関する詳細をご確認ください。
この内容はお役に立ちましたか?