Comparer les cas d’utilisation des analyses et des automatisations

Vue d'ensemble (Overview)

Chaque cas d'utilisation appartiendra à l'une des catégories suivantes, en fonction des résultats prévus, c'est-à-dire des objectifs définis :

• Analyse des données et surveillance.
• Automatisation
• Parfois, même dans les deux.

Ces résultats prévus déterminent comment vous annotez vos données et structurez vos taxonomies.

La façon dont vous structurez et entraînez votre modèle peut varier considérablement en fonction de votre objectif. Par exemple, l'obtention d'analyses détaillées pour un canal de communication par rapport au routage automatique des requêtes entrantes vers différentes files d'attente de workflow.

Avant de créer une taxonomie pour répondre aux objectifs d'analyse ou d'automatisation, assurez-vous de comprendre les différences entre eux :

Cas d'utilisation d'analyses

• Taxonomie plus étendue avec un nombre plus élevé de libellés, généralement compris entre 50 et 150.
• Moins d'exemples épinglés par libellé enfant, généralement compris entre 25 et 75.
• Son principal objectif consiste à réaliser une couverture détaillée d’un vaste éventail de sujets afin d’identifier les domaines à améliorer.
• Exemples de cas d'utilisation : opportunité, découverte et voix du client.

Cas d'utilisation d'automatisations

• Taxonomie plus petite avec un nombre inférieur de libellés, généralement entre 20 et 60.
• Plus d'exemples épinglés par libellé enfant, généralement compris entre 50 et 100, ou plus.
• L'objectif principal est d'atteindre une précision et de rappel élevé pour tous les libellés d'automatisation afin de maximiser la précision et de minimiser les exceptions.
• Exemples de cas d’utilisation : routage automatique et gestion des requêtes

Ensembles de données axés sur l’analyse et la surveillance

Objectifs

• Concentrez-vous sur une compréhension détaillée des différents processus, problèmes et préoccupations au sein d’un ou plusieurs canaux de communication.
• Fournissez des informations initiales une fois le modèle entraîné, et une capacité continue de suivre les changements et les tendances au sein de l'ensemble de données au fil du temps.
• Aider en permanence à identifier, quantifier et hiérarchiser les opportunités d’amélioration au sein du canal de communication, que ce soit pour améliorer l’efficacité, l’expérience client ou le contrôle.
• Réduisez le risque de ne pas réaliser le retour sur investissement attendu des investissements de modification en quantifiant efficacement les opportunités.

Exemples

• Identifier avec précision les opportunités de changement les plus intéressantes, optimiser le retour sur investissement pour des initiatives spécifiques et réduire le risque de ne pas générer les avantages attendus.
• Améliore la satisfaction client et la qualité du service en identifiant et en provoquant des améliorations percutantes dans les produits et services.
• Réduit les problèmes ayant un impact sur les clients et le coût interne de service.
• Ciblez mieux les clients potentiels et activez la fidélisation active des clients en mesurent les pilotes CLIV.
• Augmentez la visibilité et le contrôle des risques masqués dans les canaux de communication grâce à la surveillance et aux alertes, en veillant à ce que les participants reçoivent les données nécessaires au moment où ils en ont besoin, et permettent une correction active.
• Fournissez une garantie de qualité à vos équipes d'assistance à la clientèle, en surveillant la résolution efficace des agents.
• Permettez aux Managers de résoudre les problèmes de performances de manière active.

Labellisation

• Compte tenu de leur objectif, ils ont détaillé et détaillé une taxonomie.
• Malgré un nombre plus élevé de libellés, ils ont généralement moins d'exemples épinglés par libellé que les ensembles de données axés sur l'automatisation.
• Dans la mesure où ils sont destinés à capturer des libellés plus spécifiques sur un ensemble de données complet, ils perdent un peu de précision dans leurs prédictions afin de bénéficier d’une couverture détaillée sur un large éventail de sujets.

Jeux de données optimisées par l’automatisation

Objectifs

• Réalisez des gains d’efficacité, libérez des capacités ETP pour travailler à valeur ajoutée et améliorez l’expérience client en réduisant les délais de traitement et les taux d’erreur.
• Apportez du contrôle, de la visibilité et de la normalisation aux processus.

Exemples

• Réduisez l'effort des ETP de 5 à 10 % grâce au triage automatique.
• Réduisez de 100 % le temps d'exécution des tâches automatisées.
• Éliminez les problèmes de processus dus à une classification incorrecte, à la hiérarchisation et aux erreurs de routage.
• Éliminez les contraintes de capacité et la sensibilité au volume.
• Permet l'extension à l'automatisation de bout en bout des processus ou des requêtes.
• Réduisez les risques liés aux processus métier grâce à des contrôles accrus.
• Améliorez la satisfaction des clients, tels que CSAT ou NPS, et la qualité du service grâce à une latence réduite des processus.

Labellisation

• Ceux-ci ont de petites taxonomies avec un nombre plus élevé d'exemples épinglés pour chaque libellé.
• Davantage d'exemples sont nécessaires par libellé pour garantir une haute précision et rappel, et pour capturer divers cas limites dans l'ensemble de données.
• Chaque libellé impliqué dans une automatisation doit rechercher à maximiser la précision et le rappel, bien qu'il ne soit généralement pas possible que la précision et le rappel atteignent 100 %. Selon le cas d'utilisation, vous pouvez optimiser l'une légèrement par rapport à l'autre. Il y aura presque toujours des exceptions, alors assurez-vous d'avoir mis en place un processus d'exception approprié pour tout cas d'utilisation d'automatisation.

Remarque :

Les ensembles de données entraînés pour les objectifs d’automatisation peuvent toujours fournir des informations analytiques précieuses, bien qu’ils peuvent manquer de la granularité de celles conçues pour répondre à des questions plus détaillées.

Pour plus de détails sur la façon de transformer vos objectifs en libellés et une taxonomie appropriée, que ce soit à des fins d'analyse ou d'automatisation, consultez Transformer vos objectifs en libellés.