Comparação de casos de uso de análise e automação

Visão geral

Cada caso de uso passará a uma das seguintes categorias, com base nos resultados pretendidos, ou seja, nos objetivos:

• Análise e monitoramento.
• Automação.
• Às vezes, até os dois.

Esses resultados pretendidos determinam como você anota seus dados e estrutura suas taxonomias.

A maneira como você estrutura e treina seu modelo pode variar significativamente, dependendo do seu objetivo. Por exemplo, a obtenção de análises detalhadas para um canal de comunicação comparada ao roteamento automático de solicitações de entrada para diferentes filas de fluxos de trabalho.

Antes de criar uma taxonomia para atender aos objetivos focados em análise ou automação, certifique-se de entender as diferenças entre eles:

Casos de uso de análise

• Taxonomias mais extensas com números maiores de rótulos, geralmente entre 50 e 150.
• Menos exemplos fixados por rótulo filho, geralmente entre 25 e 75.
• O objetivo principal é obter uma cobertura detalhada de uma ampla gama de tópicos para identificar áreas de melhoria.
• Exemplos de casos de uso: oportunidade, descoberta e a voz do cliente.

Casos de uso de automação

• Taxonomias menores com números menores de rótulos, geralmente entre 20 e 60.
• Exemplos fixados mais altos por rótulo filho, geralmente, entre 50 e 100, ou mais.
• O objetivo principal é alcançar alta precisão e recall para todos os rótulos de automação para maximizar a precisão e minimizar as exceções.
• Exemplos de casos de uso: roteamento automático e gerenciamento de consultas

Conjuntos de dados focados em análise e monitoramento

Objetivos

• Concentre-se em obter uma compreensão detalhada dos vários processos, problemas e opiniões dentro de um ou mais canais de comunicação.
• Forneça insights iniciais após o modelo ser treinado e uma capacidade contínua de monitorar alterações e tendências dentro do conjunto de dados ao longo do tempo.
• Ajude continuamente a identificar, quantificar e priorizar oportunidades de fazer melhorias dentro do canal de comunicação, seja para melhorar a eficiência, a experiência do cliente ou o controle.
• Reduza o risco de não entregar o ROI esperado do investimento em mudanças ao quantificar as oportunidades com eficiência.

Exemplos

• Identifique com precisão as oportunidades de mudança mais valiosas, aumentando o ROI para iniciativas específicas e reduzindo o risco de não entregar os benefícios esperados.
• Aumenta a satisfação do cliente e a qualidade do serviço ao identificar e conduzir melhorias impactantes em produtos e serviços.
• Reduz os problemas que afetam o cliente e o custo interno para servir.
• Segmente melhor os clientes em potencial e habilite a retenção proativa de clientes, medindo os drivers de STJ.
• Aumente a visibilidade e o controle dos riscos ocultos em canais de comunicação por meio de monitoramento e alertas, garantindo que os participantes recebam os dados de que precisam, quando precisam, e possibilitam uma ação de correção proativa.
• Forneça garantia de qualidade para as equipes de suporte ao cliente, monitorando a resolução efetiva dos agentes.
• Capacite os gerentes a resolver problemas de desempenho proativamente.

Rotulagem

• Dado seu propósito, eles têm taxonomias detalhadas e extensas.
• Apesar do maior número de rótulos, eles geralmente têm menos exemplos fixados por rótulo do que os conjuntos de dados focados na automação.
• Como elas são destinadas a capturar rótulos mais específicos em todo um conjunto de dados, eles herdam um pouco da precisão em suas previsões para alcançar uma cobertura detalhada em uma ampla gama de tópicos.

Conjuntos de dados focados em automação

Objetivos

• Obtenha ganhos de eficiência, libere a capacidade de FTE para um trabalho que agrega valor e aprimore o CX reduzindo os tempos de processamento e as taxas de erro.
• Traga controle, visibilidade e padronização para os processos.

Exemplos

• Reduza o esforço de FTE em 5 a 10% por meio da triagem automática.
• Reduza o tempo de resposta de tarefas automatizadas em 100%.
• Elimine problemas de processo devido a classificação, priorização e erro de roteamento.
• Elimine restrições de capacidade e sensibilidade a volume.
• Habilitar a expansão para automação de ponta a ponta de processos ou consultas.
• Reduza o risco em processos de negócios usando controles aprimorados.
• Melhore a satisfação do cliente, como CSAT ou NPS, e a qualidade do serviço reduzindo a latência do processo.

Rotulagem

• Elas têm taxonomias pequenas com números maiores de exemplos fixados para cada rótulo.
• More examples are needed per label to ensure high precision and recall, and to catch various edge cases in the dataset.
• Cada rótulo envolvido em uma automação deve buscar maximizar a precisão e o recall, embora geralmente não seja possível que a precisão e o recall atinjam 100%. Dependendo do caso de uso, você pode otimizar um pouco em relação ao outro. Quase sempre haverá algumas exceções; portanto, certifique-se de ter um processo de exceção adequado para qualquer caso de uso de automação.

Observação:

Os conjuntos de dados treinados para objetivos de automação ainda podem fornecer insights analíticos valiosos, embora possam não ter a granularidade daqueles projetados para responder a perguntas mais detalhadas.

For more details on how to turn your objectives into labels and an appropriate taxonomy, whether for analytical or automation purposes, check Turning your objectives into labels.