Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Automatisches Kategorisieren von Kontakten durch das Abgleichen von Konversationen mit Aussagen in natürlicher Sprache oder bestimmten Wörtern und Wortgruppen
Mit Conversational Analytics können Sie Kontakte automatisch kategorisieren, um die wichtigsten Faktoren, das Kundenerlebnis und das Verhalten der Agenten für Ihre Kontakte zu ermitteln. Auf der Seite **Kontaktdaten** für einen Chat werden oberhalb des Transkripts Kategorien eingeblendet, wie in der folgenden Abbildung zu sehen.
Im Folgenden sind einige der wichtigsten Aktionen aufgeführt, die beim Kategorisieren von Kontakten möglich sind:
+ Mit der generativen AI-powered Kontaktkategorisierung können Sie Kriterien angeben, um Kontakte in natürlicher Sprache zu kategorisieren (z. B. hat der Kunde versucht, eine Zahlung auf sein Guthaben vorzunehmen?).
+ Sie können bestimmte Wörter oder Ausdrücke angeben, die von Agenten oder Kunden gesprochen wurden, um sie einer Konversation zuzuordnen. Die Konversationsanalyse kennzeichnet dann automatisch Kontakte, die die Übereinstimmungskriterien erfüllen, und liefert relevante Punkte aus der Konversation.
+ Sie können Aktionen definieren, um Benachrichtigungen zu erhalten und Aufgaben für kategorisierte Kontakte zu generieren.
+ Sie können zusätzliche Kriterien angeben, um Kontakte zu kategorisieren. Dazu gehören etwa die Bewertung der Kundenstimmung, Warteschlangen oder beliebige benutzerdefinierte Attribute, die Sie Kontakten hinzugefügt haben, z. B. Angaben zur Kundenbindung.
## Wann sollten Wörter und Wortgruppen verwendet werden?
Die Verwendung bestimmter Wörter oder Wortgruppen ist nützlich, wenn es eine genau definierte Liste mit Ausdrücken gibt, die Sie erkennen möchten. Damit können Sie etwa prüfen, ob sich Kundendienstmitarbeiter an das Skript gehalten haben, oder einschätzen, wie hoch das Kundeninteresse an einem Produkt ist.
## Wann sollte natürliche Sprache verwendet werden?
Die Verwendung von Aussagen in natürlicher Sprache für den Abgleich mit Kontakten ist nützlich, wenn es zu viele mögliche Wörter oder Wortgruppen gibt oder wenn Sie kontextspezifische Kriterien abgleichen möchten. Beispiele hierfür sind etwa: „Der Kunde wollte eine Änderung an seinem Abonnement vornehmen“ oder „Der Kundendienstmitarbeiter hat alle Probleme des Kunden gelöst“.
## Hinzufügen von Regeln zum Kategorisieren von Kontakten
In diesem Abschnitt:
+ [Schritt 1: Festlegen von Bedingungen](#add-category-rules-define-conditions)
+ [Schritt 2: Festlegen von Aktionen](#add-category-rules-define-actions)
### Schritt 1: Festlegen von Bedingungen
1. Melden Sie sich bei Connect Customer mit einem Benutzerkonto an, dem das ** CallCenterManager ** Sicherheitsprofil zugewiesen wurde oder das für ** Regelberechtigungen aktiviert ist. **
1. Wählen Sie im Navigationsmenü **Analyse und Optimierung**, **Regeln** aus.
1. Wählen Sie **Regel erstellen**, **Konversationsanalysen** aus.
1. Weisen Sie der Regel einen Namen zu.
1. Wählen Sie in der Dropdownliste unter ** Wann ** die Analyse ** nach einem Anruf, eine ** Echtzeitanalyse**, eine Analyse ** nach dem Chat**, eine Chat-Analyse ** ** in Echtzeit oder ** eine E-Mail-Analyse ** aus. **
1. Wählen Sie **Bedingung hinzufügen** und dann den Typ der Übereinstimmung aus:
+ **Wörter oder Phrasen – Genaue Übereinstimmung**: Damit werden Kontakte gesucht, die genau mit den Wörtern oder Wortgruppen übereinstimmen. Geben Sie die Wörter oder Wortgruppen durch ein Komma getrennt ein.
+ **Wörter oder Phrasen – Musterübereinstimmung**: Hierbei wird nach einem Muster von Wörtern oder Wortgruppen gesucht, um Kontakte zu finden. Sie können auch den Abstand zwischen Wörtern angeben. Wenn Sie beispielsweise nach Kontakten suchen, bei denen das Wort „Kredit“ erwähnt wurde, Sie aber keine Erwähnungen der Wortgruppe „neuer Kredit“ wünschen, können Sie eine Musterübereinstimmungskategorie definieren, um nach dem Wort „Kredit“ zu suchen, das nicht in einem Abstand von einem Wort zu „neuer“ steht.
+ **Natürliche Sprache – Semantische Übereinstimmung**: Mithilfe generativer KI können Sie Kontakte suchen, die der angegebenen Aussage in natürlicher Sprache entsprechen. Die Aussage sollte mit Ja oder Nein beantwortet werden können. Die Option „Natürliche Sprache – Semantische Übereinstimmung“ wird verwendet, wenn Sie Kontakte mit kontextspezifischen Kriterien abgleichen möchten oder wenn es zu viele mögliche Wörter oder Ausdrücke für einen Abgleich gibt. Im Folgenden sind einige Beispiele aufgeführt:
+ „Der Kunde wollte eine Änderung an seinem Abonnement vornehmen.“
+ „Der Kunde hat den Wunsch geäußert, seine aktuellen Dienste zu kündigen.“
+ „Der Kundendienstmitarbeiter hat mehrere Zahlungsmöglichkeiten angeboten.“
+ „Der Kundendienstmitarbeiter versicherte dem Kunden, dass sein Anruf wichtig war, und bat um zusätzliche Wartezeit.“
+ „Der Kundendienstmitarbeiter hat alle Probleme des Kunden gelöst.“
**Anmerkung**
Die Bedingungen für „Natürliche Sprache – Semantische Übereinstimmung“ können nicht für die Echtzeitanalyse verwendet werden.
Zum Erstellen von Regeln, die generative KI verwenden, ist eine zusätzliche Berechtigung erforderlich: **Regeln – Generative KI**.
**Profi-Tipp: Verwenden Sie die Option „Natürliche ** AI-powered ** Sprache — Semantische Übereinstimmung“, wenn ** Sie zuvor „Wörter ** oder Sätze — Semantische Übereinstimmung“ verwendet haben. **
+ **Wörter oder Sätze — Semantic Match**: Findet Wörter, die Synonyme sein könnten. Wenn Sie beispielsweise „verärgert“ eingeben, kann dies mit „nicht zufrieden“ übereinstimmen. Weitere Beispiele sind „kaum akzeptabel“ und „inakzeptabel“ oder „Abmelden“ und „Abo kündigen“. Auf ähnliche Weise können Übereinstimmungen mit Wortgruppen gefunden werden. Beispiele hierfür wären „vielen Dank, dass Sie mir helfen“, „vielen Dank, das ist sehr hilfreich“ und „ich freue mich sehr, dass Sie mir helfen können“.
Dadurch entfällt die Notwendigkeit, bei der Erstellung von Kategorien eine vollständige Liste von Schlüsselwörtern zu definieren. Außerdem haben Sie so die Möglichkeit, umfassender nach ähnlichen Wortgruppen zu suchen, die relevant für Sie sind. Die besten Ergebnisse bei der Suche nach semantischen Übereinstimmungen erzielen Sie, wenn Sie Schlüsselwörter oder Wortgruppen mit ähnlicher Bedeutung auf einer Karte für die Suche nach semantischen Übereinstimmungen angeben. Derzeit können Sie höchstens vier Schlüsselwörter und Wortgruppen pro Karte für die Suche nach semantischen Übereinstimmungen angeben.
1. Geben Sie am Beispiel **Wörter oder Phrasen – Genaue Übereinstimmung** die Wörter oder Wortgruppen ein, die Sie hervorheben möchten, getrennt durch ein Komma. Klicken Sie dann auf **Hinzufügen**. Alle Wörter und Wortgruppen, die durch ein Komma getrennt sind, erhalten eine eigene Zeile auf der Karte.
Die Logik, die die Konversationsanalyse verwendet, um diese Ausdrücke zu lesen, lautet: (Hallo UND danke UND du UND du UND rufst UND Beispiel UND Korp) ODER (wir schätzen UND dein UND Geschäft) ODER (wie UND ICH UND dir helfen könnte).
Verwenden Sie alternativ eine Bedingung für **Natürliche Sprache – Semantische Übereinstimmung** und geben Sie eine Aussage in natürlicher Sprache in das Textfeld ein, die von generativer KI entweder als wahr oder falsch bewertet werden kann.
1. Wählen Sie zum Hinzufügen weiterer Wörter oder Wortgruppen **Eine Gruppe von Wörtern oder Phrasen hinzufügen** aus. Auf der folgenden Abbildung ist die erste Gruppe von Wörtern oder Wortgruppen das, was Kundendienstmitarbeiter sagen könnten. Die zweite Gruppe ist das, was Kunden sagen könnten.
1. Die Logik, die Conversational Analytics verwendet, um diese Sätze zu lesen, lautet: (Hallo UND danke UND du UND dafür, dass DU UND Beispiel UND Corp angerufen hast) ODER (wir UND schätzen UND dein UND Geschäft) ODER (wie UND ICH UND dir helfen darf).
1. Die beiden Karten sind mit einem UND verbunden. Das bedeutet, dass eine der Zeilen auf der ersten Karte gesagt werden muss UND dann eine der Wortgruppen auf der zweiten Karte gesagt werden muss.
Die Logik, die Conversational Analytics verwendet, um die beiden Karten mit Wörtern oder Ausdrücken zu lesen, lautet (Karte 1) UND (Karte 2).
1. Wählen Sie **Bedingung hinzufügen** aus, um die Regeln anzuwenden:
+ Auf spezifische Warteschlangen
+ Wenn Kontaktattribute bestimmten Werten entsprechen
+ Wenn Stimmungswerte bestimmten Werten entsprechen
Die folgende Abbildung zeigt beispielsweise eine Regel, die gilt, wenn ein Agent in den BasicQueue Warteschlangen für Abrechnung und Zahlungen arbeitet, der Kunde eine Autoversicherung abgeschlossen hat und sich der Vertreter in Seattle befindet.
### Schritt 2: Festlegen von Aktionen
Zusätzlich zur Kategorisierung eines Kontakts können Sie definieren, welche Maßnahmen Connect Customer ergreifen soll:
1. [Generieren Sie ein Ereignis EventBridge ](contact-lens-rules-eventbridge-event.md)
1. [Aufgabe erstellen](contact-lens-rules-create-task.md)
1. [Fall erstellen](contact-lens-rules-create-case.md)
1. [E-Mail-Benachrichtigungen senden](contact-lens-rules-email.md)
1. [Regel erstellen, die eine automatisierte Bewertung sendet](contact-lens-rules-submit-automated-evaluation.md)
### Schritt 5: Überprüfen und Speichern
1. Klicken Sie anschließend auf **Speichern**.
1. Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Connect Customer Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.