Papo (https://papo.global/) yapay zekayı kullanarak sohbet mesajlarını gerçek zamanlı olarak analiz eder ve müşteri duyarlılığını pozitif, negatif veya nötr olarak sınıflandırır. Bu analiz, müşteri hizmetleri ve satış ekiplerinin memnuniyetsiz müşterileri, iş fırsatlarını proaktif olarak belirlemesine ve Synapse'in Müşteri Radarı gibi araçlar ve otomasyon kuralları aracılığıyla en kritik etkileşimlere öncelik vermesine olanak tanır.
Bir müşterinin mesajının arkasındaki duyguyu anlamak, kaliteli hizmet sunmak için çok önemlidir. Bir "yardım" isteği nötr bir tona sahip olabilirken, "ŞİMDİ yardıma ihtiyacım var, hiçbir şey çalışmıyor" açıkça olumsuz bir duygu taşır. Papo'nun yapay zekası bu nüansları yakalamak üzere eğitilmiştir ve konuşmanın tonunu operasyonunuz için eyleme geçirilebilir bir veriye dönüştürür.
| Duyarlılık | Anlamı | Stratejik Kullanım Örneği |
|---|---|---|
| Pozitif | Müşteri memnun, ürünü övüyor, bir çözümü kabul ediyor veya coşku gösteriyor. | Marka destekçilerini belirlemek, referans istemek veya bir üst satış (upsell) teklifine yönlendirmek. |
| Negatif | Müşteri hayal kırıklığına uğramış, bir sorundan şikayet ediyor, rakiplerden bahsediyor veya hayal kırıklığı ifade ediyor. | Hizmeti önceliklendirmek, "Acil" etiketi uygulamak, bir süpervizörü bilgilendirmek veya iptali (churn) önlemek için bir akışı tetiklemek. |
| Nötr | Müşteri objektif bir soru soruyor, bilgi talep ediyor, verileri onaylıyor veya tamamen işlemsel bir etkileşimde bulunuyor. | Standart hizmet akışını takip etmek, bilgi toplamak veya hızlı bir yanıt ya da Yardım Merkezi makalesine yönlendirmek. |
Papo'nun Yapay Zekası Duyarlılığı Nasıl Analiz Eder?
Papo'nun yapay zekası sadece izole anahtar kelimelere dayanmaz. Sistem, müşterinin duygusal durumunu gösteren bağlamı, niyeti ve dilsel kalıpları anlamak için milyonlarca konuşma örneğiyle eğitilmiştir.
Analiz birden fazla faktörü dikkate alır:
- Kelime Seçimi: "İnanılmaz", "mükemmel" ve "harika" gibi güçlü sıfatların varlığı pozitifliği işaret ederken, "sorun", "hayal kırıklığına uğramış", "hata" ve "çalışmıyor" gibi terimler olumsuz bir duyguya işaret eder.
- Cümlenin Bağlamı: Yapay zeka cümleyi bir bütün olarak değerlendirir. "Hiçbir sorun yaşamadım" cümlesi "sorun" kelimesini içermesine rağmen pozitif bir cümledir.
- Yoğunluk: Büyük harf kullanımı, kelime tekrarı ("asla, asla bir daha") ve aşırı noktalama (!!!, ???) ifade edilen duygunun yoğunlaştırıcıları olarak yorumlanır.
Bu analiz, Synapse gibi zeka modüllerini doğrudan besler. Synapse'te, Müşteri Radarı bir kontağın "kritikliğini" hesaplamak için duyarlılığı ana faktörlerden biri olarak kullanır. Sürekli olumsuz duyguya sahip bir konuşma daha yüksek bir kritiklik seviyesine sahip olacak ve ekibe o müşterinin müşteri kaybını önlemek için acil dikkat gerektirdiğini işaret edecektir.
Duyarlılık Analizini Otomasyonlarda Nasıl Kullanılır?
Duyarlılık analizinin gerçek gücü, onu eylemleri otomatikleştirmek ve süreçleri optimize etmek için kullanmaktır. Papo'da bu, esas olarak Otomasyon Kuralları aracılığıyla yapılır. Algılanan duyarlılığa göre tetiklenen kurallar yapılandırabilirsiniz.
Duyarlılığa göre otomasyonun pratik örnekleri:
-
Memnuniyetsiz Müşterilerin Önceliklendirilmesi:
- Tetikleyici: Bir mesaj alındığında.
- Koşul: Mesajın duyarlılığı
Negatifise. - Eylem: "Riskli Müşteri" etiketini ekle ve sohbeti kıdemli bir temsilciye veya elde tutma ekibine ata.
-
Geri Bildirim Fırsatlarının Belirlenmesi:
- Tetikleyici: Bir sohbet çözüldüğünde.
- Koşul: Müşterinin son mesajının duyarlılığı
Pozitifise. - Eylem: 24 saat sonra müşteriden bir değerlendirme veya referans bırakmasını isteyen otomatik bir mesaj gönderilmesini planla.
-
Sıralama ve Organizasyon:
- Tetikleyici: Yeni bir sohbet oluşturulduğunda.
- Koşul: İlk mesajın duyarlılığı
Negatifise. - Eylem: Sohbeti
Beklemedeolarak işaretle ve yüksek öncelikli olarak ayarla, böylece ilk sırada hizmet verilir.
Duyarlılığa dayalı etiket uygulamasını otomatikleştirerek raporlarınızı da zenginleştirirsiniz. Etiket Raporu artık sadece en yaygın konuları değil, aynı zamanda memnun ve memnuniyetsiz müşterilerin oranını da göstererek hizmetinizin sağlığı hakkında net bir görünüm sunar.
Adım Adım: Duyarlılığa Dayalı Bir Otomasyon Oluşturma
Aşağıda, memnuniyetsiz bir müşteriyle olan bir hizmeti otomatik olarak ölçeklendirmek için bir kuralın nasıl oluşturulacağına dair bir örnek verilmiştir.
| Adım | Eylem | Yapılandırma Detayları |
|---|---|---|
| 1. Otomasyonlara Erişme | Papo panelinde, Otomasyonlar modülüne gidin ve yeni bir Kural oluşturma seçeneğini seçin. | Kurala "Negatif Hizmeti Ölçeklendir" gibi açık bir ad verin. |
| 2. Tetikleyiciyi Tanımlama | Kuralın kontrolünü başlatacak olayı seçin. | "Mesaj Oluşturuldu" tetikleyicisini seçin ve yalnızca müşteri mesajları tarafından tetiklenecek şekilde yapılandırın. |
| 3. Koşulu Ekleme | Kuralın yürütülmesi için karşılanması gereken ana koşulu belirtin. | Koşulu ekleyin: Mesaj Duyarlılığı > eşittir > Negatif. |
| 4. (İsteğe Bağlı) Kuralı İyileştirme | Kuralı daha spesifik hale getirmek için başka koşullar ekleyin. | Gelen Kutusu > eşittir > Teknik Destek gibi bir koşul ekleyerek kuralın yalnızca bu kanala uygulanmasını sağlayabilirsiniz. |
| 5. Eylemleri Tanımlama | Koşullar doğru olduğunda platformun ne yapması gerektiğini belirleyin. | "Etiket Ekle" eylemini ekleyin ve "Acil - Memnuniyetsiz" etiketini seçin. Ardından, "Ekibe Ata" eylemini ekleyin ve "Destek Seviye 2" ekibini seçin. |
Sıkça Sorulan Sorular
Yapay zeka duyarlılık analizi %100 doğru mu?
Duyarlılık analizi makine öğrenimi modellerine dayanır ve yüksek doğruluk oranına sahiptir, ancak kusursuz değildir. Sarkazm, ironi ve karmaşık kültürel bağlamlar bazen yanlış yorumlanabilir. Güçlü bir yardımcı ve sıralama aracı olarak kullanılmalı, ancak hassas durumlar için insan yargısı değerli olmaya devam etmektedir.
Duyarlılık analizi hangi dillerde çalışır?
Papo platformu birden fazla dili desteklemek üzere geliştirilmiştir. Duyarlılık analizinin kapsadığı dillerin tam ve güncel listesi için resmi belgelere veya Papo web sitesindeki özellikler sayfasına bakın.
Duyarlılık analizi ile yapay zeka etiketlemesi arasındaki fark nedir?
Bunlar birbirini tamamlayan iki işlevdir. Duyarlılık analizi mesajın duygusunu veya tonunu (pozitif, negatif, nötr) belirler. Yapay zeka etiketlemesi sohbetin konusunu veya temasını (örneğin: "Fatura Sorusu", "Erişim Sorunu") belirler. Birlikte, eksiksiz bir bağlam sunarlar: Negatif duyguya ve Erişim Sorunu etiketine sahip bir konuşma açık bir önceliktir.
Duyarlılık analizi müşteri kaybını (churn) önlemeye nasıl yardımcı olur?
Hayal kırıklığını ve memnuniyetsizliği gerçek zamanlı olarak tespit ederek, duyarlılık analizi proaktif eyleme olanak tanır. Müşterinin resmi bir şikayette bulunmasını veya hizmetinizi kullanmayı bırakmasını beklemek yerine, otomasyonlar hizmeti bir uzmana yönlendirebilir veya bir yöneticiyi hemen bilgilendirebilir, böylece durumu tersine çevirme ve müşteriyi elde tutma şansını artırır.
Müşteri duyarlılığına dayalı raporlar oluşturabilir miyim?
Evet. Algılanan duyarlılığa göre "Memnun" veya "Memnuniyetsiz" gibi etiketleri uygulamak için otomasyon kurallarını kullanarak, Etiket Raporu'nu zaman içinde, kanala veya ekibe göre müşteri memnuniyetinin dağılımını ve eğilimlerini görselleştirmek için kullanabilirsiniz.
Ücretsiz kullanmaya başlayın ve müşterilerinizi anlayın →
İlk kullanıcı, kanallarınızı bağlamanız ve yapay zekanın gücünü test etmeniz için ücretsizdir.