การเพิ่มประสิทธิภาพตัวแทนไม่ได้จบลงที่การเปิดตัว Copilot Studio มีการวิเคราะห์ที่หลากหลายซึ่งช่วยให้คุณเข้าใจว่าผู้ใช้โต้ตอบกับตัวแทนของคุณอย่างไร ที่การสนทนาประสบความสําเร็จหรือพังทลาย และตัวแทนใช้เครื่องมือและความรู้ได้ดีเพียงใด บทความนี้มีรายการตรวจสอบที่มีโครงสร้างและแนวทางปฏิบัติที่ดีที่สุดเพื่อช่วยคุณประเมินและปรับปรุงตัวแทนของคุณอย่างต่อเนื่อง
ตรวจสอบความพร้อมในการปรับปรุงและการวิเคราะห์ของคุณ
ใช้คําถามเหล่านี้ในระหว่างการทบทวนเป็นประจํา เช่น พิธีการวิ่ง การเพิ่มประสิทธิภาพรายเดือน หรือการเตรียมความพร้อมก่อนการเปิดตัว
ธีมและรูปแบบความตั้งใจของผู้ใช้
| เสร็จแล้ว? |
งาน |
| ✓ |
คุณกําลังตรวจสอบธีมเพื่อระบุกลุ่มคําถามของผู้ใช้และความตั้งใจที่เกิดขึ้นใหม่หรือไม่? |
| ✓ |
คุณกําลังเพิ่มธีมที่เกิดขึ้นบ่อยในงานค้างของคุณเพื่อการปรับปรุงในอนาคตหรือไม่? |
ผลลัพธ์ของการสนทนา
| เสร็จแล้ว? |
งาน |
| ✓ |
คุณกําลังวิเคราะห์การสนทนาที่ได้รับการแก้ไข ยกระดับ ถูกละทิ้ง และไม่มีส่วนร่วมเพื่อค้นหาจุดปรับปรุงหรือไม่? |
| ✓ |
คุณแน่ใจว่าการสนทนาจบลงด้วยหัวข้อสิ้นสุดการสนทนาเพื่อให้บันทึกผลลัพธ์ได้อย่างถูกต้องหรือไม่? |
| ✓ |
คุณกําลังตรวจสอบการเพิ่มขึ้นอย่างรวดเร็วในเซสชันที่ถูกละทิ้งเพื่อระบุการตอบสนองที่ไม่ชัดเจนหรือตรรกะที่ขาดหายไปหรือไม่? |
| ✓ |
คุณกําลังตรวจสอบว่าเส้นทางการยกระดับจะทริกเกอร์เฉพาะเมื่อเหมาะสมหรือไม่? |
อัตราการตอบและคุณภาพที่สร้างขึ้น
| เสร็จแล้ว? |
งาน |
| ✓ |
คุณตรวจสอบอัตราคําตอบที่สร้างขึ้นเพื่อระบุช่องว่างในความรู้หรือความครอบคลุมที่ขาดหายไปหรือไม่? |
| ✓ |
คุณตรวจสอบเมตริกคุณภาพของคําตอบ เช่น ความสมบูรณ์ ความมีเหตุผล และความเกี่ยวข้องหรือไม่ |
| ✓ |
คุณตรวจสอบคําตอบที่มีคุณภาพต่ําและระบุสาเหตุที่แจ้งไว้ใน Analytics หรือไม่ |
| เสร็จแล้ว? |
งาน |
| ✓ |
คุณตรวจสอบความถี่ในการเรียกใช้เครื่องมือและการดําเนินการหรือไม่ และไม่ว่าจะประสบความสําเร็จหรือล้มเหลว |
| ✓ |
คุณระบุเครื่องมือที่ไม่ได้ใช้งานหรือเกิดข้อผิดพลาดได้ง่าย และกําหนดว่าจะเพิ่มประสิทธิภาพหรือลบออกหรือไม่ |
| ✓ |
คุณตรวจสอบความถูกต้องหรือไม่ว่าเครื่องมือที่ใช้ในการประสานงานเชิงกําเนิดทํางานได้อย่างน่าเชื่อถือ |
| เสร็จแล้ว? |
งาน |
| ✓ |
คุณทบทวนการใช้งานและอัตราความผิดพลาดของแหล่งข้อมูลความรู้ทั้งหมดหรือไม่ |
| ✓ |
คุณจัดลําดับความสําคัญของการอัปเดตสําหรับแหล่งข้อมูลองค์ความรู้ที่มีอัตราข้อผิดพลาดสูงหรือผลลัพธ์ที่ไม่สอดคล้องกันหรือไม่ |
| ✓ |
คุณตรวจสอบว่าแหล่งข้อมูลความรู้ที่ถูกต้องสนับสนุนสถานการณ์ที่ตั้งใจไว้หรือไม่ |
ความพึงพอใจและความคิดเห็นของผู้ใช้
| เสร็จแล้ว? |
งาน |
| ✓ |
คุณกําลังรวบรวมความคิดเห็นของผู้ใช้ผ่านแบบสํารวจแบบยกนิ้วโป้งขึ้น/ลงและ CSAT หรือไม่? |
| ✓ |
คุณกําลังวิเคราะห์แนวโน้มคําติชมเพื่อตรวจหาการตอบกลับที่ไม่ชัดเจนหรือโฟลว์การสนทนาที่อ่อนแอหรือไม่ |
| ✓ |
คุณกําลังเพิ่มรูปแบบการโต้ตอบที่มีความพึงพอใจต่ําให้กับงานค้างของคุณสําหรับการออกแบบใหม่หรือไม่? |
ไฮไลต์แนวทางปฏิบัติแนะนํา
-
ถือว่าการวิเคราะห์เป็นลูปการปรับปรุงซ้ํา: ใช้การวิเคราะห์เพื่อขับเคลื่อนการเปลี่ยนแปลงที่เพิ่มขึ้น ใช้ธีม คําตอบที่ไม่สมบูรณ์ และรูปแบบความล้มเหลวเพื่อแจ้งการวางแผนการวิ่งและจัดลําดับความสําคัญของรายการงานค้าง
-
มุ่งเน้นไปที่คุณภาพของผลลัพธ์ ไม่ใช่แค่ปริมาณ: ระบบที่ดีจะเพิ่มการสนทนาที่ได้รับการแก้ไขให้สูงสุด และลดการยกระดับและการละทิ้งให้เหลือน้อยที่สุด ใช้อัตราส่วนผลลัพธ์เป็นตัวบ่งชี้ชั้นนําของความชัดเจนและประสิทธิผล
-
เสริมสร้างแหล่งความรู้ในเชิงรุก: อัตราข้อผิดพลาดสูงหรือคําตอบที่มีคุณภาพต่ํามักชี้ให้เห็นถึงแหล่งข้อมูลความรู้ที่ไม่ชัดเจน ล้าสมัย หรือไม่ตรงกัน อัปเดตและปรับโครงสร้างแหล่งข้อมูลเหล่านี้บ่อยๆ เพื่อการต่อสายดินที่ดีขึ้น
-
เพิ่มประสิทธิภาพเครื่องมือเพื่อความเสถียรและความสําเร็จ: การเรียกใช้เครื่องมือที่ไม่น่าเชื่อถือทําให้ความน่าเชื่อถือลดลง ติดตามอัตราความสําเร็จและปรับโครงสร้างการดําเนินการที่มักล้มเหลวหรือส่งคืนข้อมูลที่ไม่สอดคล้องกัน
-
ใช้ธีมเพื่อระบุโอกาสใหม่: ธีมเน้นความตั้งใจที่เกิดขึ้นใหม่ ใช้เพื่อแจ้งหัวข้อ แหล่งข้อมูลความรู้ หรือความต้องการในการผสานรวมใหม่
-
ตรวจสอบให้แน่ใจว่าการสนทนาจบลงอย่างหมดจด: ใช้หัวข้อ สิ้นสุดการสนทนา เพื่อบันทึกการแก้ปัญหาและ CSAT เสมอ หากไม่มีหัวข้อนี้ การวิเคราะห์จะไม่สมบูรณ์และทําให้เข้าใจผิด
-
การประเมินแยกเอเจนต์อิสระและเอเจนต์ที่เริ่มต้นโดยผู้ใช้: เอเจนต์อิสระพึ่งพาทริกเกอร์และห่วงโซ่เครื่องมือเป็นอย่างมาก ตรวจสอบผลลัพธ์การเรียกใช้และทริกเกอร์แยกต่างหากจากโฟลว์ที่เริ่มต้นโดยผู้ใช้
-
ติดตามความเชื่อมั่นเมื่อเวลาผ่านไป: ข้อเสนอแนะที่แยกจากกันมีประโยชน์ แต่แนวโน้มความเชื่อมั่นหลายสัปดาห์เผยให้เห็นปัญหาเชิงระบบ ตรวจสอบการลดลงอย่างต่อเนื่องตั้งแต่เนิ่นๆ