تستخدم Papo (https://papo.global/) الذكاء الاصطناعي لتحليل رسائل المحادثات في الوقت الفعلي وتصنيف مشاعر العميل على أنها إيجابية أو سلبية أو محايدة. يتيح هذا التحليل لفرق خدمة العملاء والمبيعات تحديد العملاء غير الراضين وفرص العمل بشكل استباقي، وتحديد أولويات التفاعلات الأكثر أهمية من خلال أدوات مثل رادار العملاء في Synapse وقواعد الأتمتة.
يعد فهم العاطفة وراء رسالة العميل أمرًا بالغ الأهمية لتقديم خدمة عالية الجودة. قد يكون طلب "المساعدة" ذا نبرة محايدة، بينما "أحتاج إلى مساعدة الآن، لا شيء يعمل" يحمل شعورًا سلبيًا واضحًا. تم تدريب الذكاء الاصطناعي من Papo لالتقاط هذه الفروق الدقيقة، وتحويل نبرة المحادثة إلى بيانات قابلة للتنفيذ لعملياتك.
| المشاعر | ماذا تعني | مثال على الاستخدام الاستراتيجي |
|---|---|---|
| إيجابية | عميل راضٍ، يمدح المنتج، يوافق على حل أو يظهر حماسًا. | تحديد المروجين للعلامة التجارية، طلب شهادة، أو توجيههم إلى عرض ترقية (upsell). |
| سلبية | عميل محبط، يشتكي من مشكلة، يذكر المنافسين أو يعبر عن خيبة أمل. | تحديد أولوية الخدمة، تطبيق علامة "عاجل"، إخطار مشرف أو تفعيل تدفق لمنع الإلغاء (churn). |
| محايدة | عميل يطرح سؤالاً موضوعيًا، يطلب معلومات، يؤكد بيانات أو في تفاعل تجاري بحت. | اتباع تدفق الخدمة القياسي، جمع المعلومات أو التوجيه إلى رد سريع أو مقال في مركز المساعدة. |
كيف يحلل الذكاء الاصطناعي من Papo المشاعر
لا يعتمد الذكاء الاصطناعي من Papo على الكلمات المفتاحية المعزولة فقط. فقد تم تدريب النظام باستخدام ملايين الأمثلة من المحادثات لفهم السياق والنية والأنماط اللغوية التي تشير إلى الحالة العاطفية للعميل.
يأخذ التحليل في الاعتبار عوامل متعددة:
- اختيار الكلمات: يشير وجود صفات قوية مثل "مذهل"، "مثالي"، و"ممتاز" إلى الإيجابية، بينما تشير مصطلحات مثل "مشكلة"، "خيبة أمل"، "خطأ"، و"لا يعمل" إلى شعور سلبي.
- سياق الجملة: يقوم الذكاء الاصطناعي بتقييم الجملة ككل. "لم أواجه أي مشكلة" هي جملة إيجابية، على الرغم من احتوائها على كلمة "مشكلة".
- الشدة: يُفسر استخدام الأحرف الكبيرة، تكرار الكلمات ("أبدًا، أبدًا بعد الآن") وعلامات الترقيم المفرطة (!!!، ؟؟؟) على أنها عوامل تضخيم للمشاعر المعبر عنها.
يغذي هذا التحليل مباشرة وحدات الذكاء مثل Synapse. فيه، يستخدم رادار العملاء المشاعر كأحد العوامل الرئيسية لحساب "أهمية" الاتصال. ستكون المحادثة ذات المشاعر السلبية المستمرة ذات أهمية أكبر، مما يشير للفريق إلى أن هذا العميل يحتاج إلى اهتمام فوري لتجنب التوقف عن التعامل.
كيفية استخدام تحليل المشاعر في الأتمتة
تكمن القوة الحقيقية لتحليل المشاعر في استخدامه لأتمتة الإجراءات وتحسين العمليات. في Papo، يتم ذلك بشكل أساسي من خلال قواعد الأتمتة. يمكنك إعداد قواعد يتم تفعيلها بناءً على المشاعر المكتشفة في الرسالة.
أمثلة عملية للأتمتة بناءً على المشاعر:
-
تحديد أولويات العملاء غير الراضين:
- المحفز: عند استلام رسالة.
- الشرط: إذا كانت مشاعر الرسالة
سلبية. - الإجراء: إضافة علامة "عميل معرض للخطر" وتعيين المحادثة لوكيل رفيع المستوى أو فريق الاحتفاظ بالعملاء.
-
تحديد فرص الحصول على الملاحظات:
- المحفز: عند حل محادثة.
- الشرط: إذا كانت آخر رسالة من العميل ذات شعور
إيجابي. - الإجراء: جدولة إرسال رسالة تلقائية بعد 24 ساعة تطلب من العميل ترك تقييم أو شهادة.
-
الفرز والتنظيم:
- المحفز: عند إنشاء محادثة جديدة.
- الشرط: إذا كانت مشاعر الرسالة الأولى
سلبية. - الإجراء: وضع علامة على المحادثة بأنها
معلقةوبأولوية عالية لتكون أول من يتم التعامل معها.
من خلال أتمتة تطبيق العلامات بناءً على المشاعر، فإنك تثري تقاريرك أيضًا. لم يعد تقرير العلامات يعرض فقط المواضيع الأكثر شيوعًا، بل يعرض أيضًا نسبة العملاء الراضين وغير الراضين، مما يوفر رؤية واضحة لحالة خدمة العملاء لديك.
خطوة بخطوة: إنشاء أتمتة قائمة على المشاعر
فيما يلي مثال على كيفية إنشاء قاعدة لتصعيد خدمة العملاء غير الراضين تلقائيًا.
| الخطوة | الإجراء | تفاصيل الإعداد |
|---|---|---|
| 1. الوصول إلى الأتمتة | في لوحة تحكم Papo، انتقل إلى وحدة الأتمتة وحدد خيار إنشاء قاعدة جديدة. | امنح القاعدة اسمًا واضحًا، مثل "تصعيد الخدمة السلبية". |
| 2. تحديد المحفز | اختر الحدث الذي سيبدأ التحقق من القاعدة. | حدد المحفز "تم إنشاء رسالة" وقم بتكوينه ليتم تفعيله فقط بواسطة رسائل العملاء. |
| 3. إضافة الشرط | حدد الشرط الرئيسي الذي يجب استيفاؤه لتنفيذ القاعدة. | أضف الشرط: مشاعر الرسالة > هي > سلبية. |
| 4. (اختياري) تحسين القاعدة | أضف شروطًا أخرى لجعل القاعدة أكثر تحديدًا. | يمكنك إضافة شرط مثل صندوق الوارد > هو > الدعم الفني بحيث تنطبق القاعدة على هذه القناة فقط. |
| 5. تحديد الإجراءات | حدد ما يجب أن تفعله المنصة عندما تكون الشروط صحيحة. | أضف الإجراء "إضافة علامة" وحدد العلامة "عاجل - غير راضٍ". ثم، أضف الإجراء "تعيين للفريق" واختر فريق "الدعم المستوى 2". |
الأسئلة الشائعة
هل تحليل المشاعر بالذكاء الاصطناعي دقيق بنسبة 100%؟
يعتمد تحليل المشاعر على نماذج التعلم الآلي ويتمتع بدقة عالية، لكنه ليس معصومًا من الخطأ. قد يتم أحيانًا تفسير السخرية، التهكم، والسياقات الثقافية المعقدة بشكل خاطئ. يجب استخدامه كأداة مساعدة قوية للفرز، لكن الحكم البشري يظل ذا قيمة للحالات الحساسة.
ما هي اللغات التي يعمل بها تحليل المشاعر؟
تم تطوير منصة Papo لدعم لغات متعددة. للحصول على القائمة الكاملة والمحدثة للغات التي يغطيها تحليل المشاعر، يرجى الرجوع إلى الوثائق الرسمية أو صفحة الميزات على موقع Papo.
ما الفرق بين تحليل المشاعر ووضع العلامات بالذكاء الاصطناعي؟
هما وظيفتان متكاملتان. تحليل المشاعر يحدد العاطفة أو نبرة الرسالة (إيجابية، سلبية، محايدة). وضع العلامات بالذكاء الاصطناعي يحدد موضوع المحادثة (على سبيل المثال: "استفسار عن الفواتير"، "مشكلة في الوصول"). معًا، يقدمان سياقًا كاملاً: محادثة ذات شعور سلبي وعلامة مشكلة في الوصول هي أولوية واضحة.
كيف يساعد تحليل المشاعر في تجنب التوقف عن التعامل (churn)؟
من خلال اكتشاف الإحباط وعدم الرضا في الوقت الفعلي، يتيح تحليل المشاعر اتخاذ إجراءات استباقية. بدلاً من انتظار العميل لتقديم شكوى رسمية أو التوقف ببساطة عن استخدام خدمتك، يمكن للأتمتة تصعيد الخدمة إلى متخصص أو إخطار مدير على الفور، مما يزيد من فرص عكس الوضع والاحتفاظ بالعميل.
هل يمكنني إنشاء تقارير بناءً على مشاعر العملاء؟
نعم. باستخدام قواعد الأتمتة لتطبيق علامات مثل "راضٍ" أو "غير راضٍ" بناءً على المشاعر المكتشفة، يمكنك استخدام تقرير العلامات لعرض توزيع واتجاهات رضا العملاء بمرور الوقت، حسب القناة أو حسب الفريق.
ابدأ الاستخدام مجانًا وافهم عملائك →
المستخدم الأول مجاني لربط قنواتك واختبار قوة الذكاء الاصطناعي.