Qualtrics Platform
Customer Journey Optimizer
XM Discover
Qualtrics Social Connect

Modello di articolo

Informazioni sul filtro in base ai dati strutturati

Utilizzate gli attributi dei dati strutturati per filtrare il feedback in modelli che categorizzano e visualizzano le informazioni più rilevanti del vostro set di dati. Per informazioni sulla creazione e la modifica dei filtri, vedere Filtro dei dati (Designer).

Consiglio Q: La maggior parte dei filtri strutturati viene creata usando gli attributi. Per ulteriori informazioni sulla creazione e la modifica degli attributi in XM Discover, vedere Attributi.

FILTRO in base all’analisi del sentiment

XM DISCOVER utilizza l’analisi del sentiment per determinare l’analisi complessiva del sentiment dei feedback. L’analisi del sentiment è disponibile come attributo di sistema con bande predefinite:

Analisi del sentiment negativo: Feedback con un punteggio di analisi del sentiment da -5.0 a -1.0
Analisi del sentiment neutrale: Feedback con un punteggio di analisi del sentiment da -0.99 a 0.99
Analisi del sentiment positivo: Feedback con un punteggio di analisi del sentiment da 1 a 5.0

Consiglio Q: È possibile creare intervalli di sentiment personalizzati utilizzando l’attributo Sistema di sentiment. Ad esempio, _degreesentimentindex:[2.51 TO 5].

Filtro per lingua

Per filtrare in base al tipo di dati, utilizzare i seguenti attributi del sistema discover:

CB Lingua rilevata automaticamente ( _languagedetected ): Il feedback sulla lingua è stato inviato se il progetto utilizza il rilevamento automatico della lingua.
CB Lingua elaborata ( _language ): La lingua in cui è stato inviato il feedback. Se la lingua non è supportata da XM Discover, sarà contrassegnata come “ALTRO”.

XM Discover è in grado di riconoscere ed etichettare i dati in oltre 150 lingue grazie alla funzione Automatic Language Detection. Senza il rilevamento automatico della lingua, sono disponibili le seguenti lingue:

Arabo
Bengali
Cinese (semplificato e tradizionale)
Olandese
Inglese
Francese
Tedesco
Hindi
Bahasa Indonesia
Italiano
Giapponese
Coreano
Polacco
Portoghese
Rumeno
Russo
Spagnolo
Svedese
Tagalog
Thai
Turca
Vietnamita

Attenzione: I verbi con meno di 10 caratteri sono etichettati come inglesi.

Filtro in base al tipo di dati

Per filtrare i feedback in base al tipo di dati inviati, utilizzare i seguenti attributi del sistema:

ID fonte ( _id_source ): L’origine dati delle frasi.
Tipo verbatim ( _verbatimtype ): Il nome del campo verbatim in base al quale si desidera filtrare. È utile se si hanno più colonne verbali.

Esempio: Supponiamo di avere due colonne verbali: Valutatore e Risposte. Creare una regola per _verbatimtype:review per restituire un modello che visualizzi solo i dati della colonna Verbatim del valutatore.

FILTRO per tipo di contenuto

Per i progetti con il rilevamento del tipo di contenuto abilitato, utilizzare i seguenti attributi di sistema per filtrare i feedback da annunci, spam e altri dati non utilizzabili:

Tipo di contenuto CB ( cb_content_type ): Se i documenti sono marcati come contentful, cioè contenenti contenuto, o non contentful.
Sottotipo di contenuto CB ( cb_content_subtype ): Raggruppa i documenti marcati come non contenutistici in annunci, coupon, link ad articoli o “non definito”.

Esempio: Se si desidera creare un modello che categorizzi solo i dati contentful, creare una regola utilizzando l’attributo di sistema CB Content Type: cb_content_type:contentful.

Filtro per tipo di frase

XM Discover utilizza l’analisi semantica per identificare gli intenti rilevanti per le vostre analisi. Queste categorie sono utilizzate nell’attributo di sistema a livello di frase: CB Sentence Type ( cb_sentence_type ). L’analisi del tipo di intento utilizzato nei dati può aiutare a capire come migliorare l’esperienza dei clienti.

Fare clic sui seguenti tipi di frasi per vedere cosa viene identificato con l’attributo “tipo di frase”:

Frasi che possono essere utilizzate

Suggerimenti e raccomandazioni su come migliorare l’esperienza dei clienti, oltre a problemi che richiedono un’attenzione immediata.

Turbativa: Minaccia di perdere clienti.
Grido di aiuto: Richiede aiuto e assistenza.
Richiesta: Contiene una richiesta implicita o esplicita, come una richiesta di azione o di informazioni.
Suggerimento: Contiene un suggerimento implicito o esplicito di cambiare qualcosa.
Durata: Per quanto tempo un cliente ha utilizzato un servizio o un prodotto.
Cancellazione: Contiene la minaccia o l’intenzione di annullare l’iscrizione, il servizio o un’altra transazione. Questo tipo di dati comprende anche il mancato rinnovo, la disiscrizione o la cessazione del rapporto di lavoro.

Analisi del sentiment

Identifica l’analisi del sentiment delle frasi prive di raccomandazioni attuabili.

Apatico: Non esprime alcun interesse o preoccupazione.
Negativo generico: Analisi del sentiment negativo che non ha una destinazione specifica.
Elogio generico: Analisi del sentiment positivo che non ha una destinazione specifica.
Raccomandare: Consiglia l’esperienza di questo cliente.
Sconsigliato: Consiglia l’esperienza di questo cliente.

Frasi di domanda/risposta

Tipi di feedback ottenuti rispondendo alle domande del sondaggio.

Scuse: Contiene scuse esplicite.
Riferimento incrociato: Rimanda a un commento o a una risposta precedente.
Non lo so: Il Feedback non è in grado di fornire una risposta. Ad esempio, “Vorrei saperlo”.
Tutto: risposte che coprono tutte le opzioni suggerite.
Lista: Contiene una lista di elementi.
Nessun commento: L’intervistato si rifiuta di commentare o di lasciare una risposta. Ad esempio, “N/A”.
Sì: contiene affermazioni generiche.

Frasi di commento sociale

Feedback relativi agli aspetti sociali dell’interazione con il cliente, come saluti, risate e gratitudine.

Saluti e arrivederci: saluti e arrivederci.
Risate: Espressioni di risate, verbali o tramite emoji. Ad esempio, “Haha! xD”.
Ringraziamenti: Espressioni di gratitudine.

Frasi di divulgazione legale

Feedback che contengono informazioni legali.

Divulgazione: Contiene dichiarazioni di divulgazione. Ad esempio, “Questa chiamata potrebbe essere monitorata o registrata”
Mini-Miranda: Applicabile negli Stati Uniti, contiene un’avvertenza legale Mini-Miranda. Ad esempio, “Lo scopo della comunicazione è la riscossione di un credito”

Frasi specifiche per la conversazione

Feedback specifico per le conversazioni del contact center. Questi tipi di frasi sono disponibili solo con i dati di conversazione.

Empatia: l’empatia viene espressa, ad esempio scusandosi, dimostrando interesse o riconoscendo le difficoltà.
Attesa: i clienti vengono messi in attesa.
Trasferimento: I clienti chiedono di essere trasferiti o i rappresentanti trasferiscono un cliente.

Consiglio Q: le frasi che non corrispondono a nessuno dei tipi di frase sono etichettate come NON DEFINITE.

Filtro in base al conteggio delle parole

Utilizzare gli attributi Conteggio parole frase o Conteggio parole documento per filtrare i dati in base al numero di parole presenti nella frase o nel record. L’intervallo impostato in questi attributi è comprensivo di valori. Se il conteggio delle parole è pari a zero, la frase/registrazione è priva di testo o è stata caricata prima che la funzione fosse abilitata.

CB Sentence Word Count ( cb_sentence_word_count ): Attributo a livello di frase che consente di filtrare i dati in base al numero di parole presenti in una frase.
Consiglio Q: per visualizzare le frasi con 10 parole o meno, utilizzare l’intervallo cb_sentence_word_count: [DA 1 A 10].
CB Document Word Count ( cb_document_word_count ): Attributo a livello di record che consente di filtrare i dati in base al numero di parole presenti in un record. È anche la somma di tutti i conteggi delle parole delle frasi.
Consiglio Q: Per visualizzare i record con 50 o più parole, utilizzare cb_document_word_count: [DA 50 A 200].

Filtro in base al quartile della frase

L’attributo CB Sentence Quartile ( cb_sentence_quartile ) identifica la parte del testo che segue una frase. I valori sono da 1 a 4, con ogni sezione che rappresenta il 25% della lunghezza del verbatim. Se un record ha più verbali, ci saranno quartili per ogni verbale del record.

Consiglio Q: Questo attributo può essere utile se si desidera concentrarsi sul motivo per cui i clienti chiamano, che di solito viene discusso nel primo quartile ( 1 ) del verbatim. In alternativa, se siete interessati al modo in cui i rappresentanti terminano le loro chiamate, potete limitare i rapporti all’ultimo quartile ( 4 ).

Applicare il quartile delle sentenze

Se nei dati storici mancano i dati del quartile della frase, è possibile aggiungerli ai dati.

Passare alla scheda Categorizzazione del progetto.
Fare clic con il pulsante destro del mouse su un modello di categoria.
Passare il mouse su Esegui e selezionare Flussi di dati personalizzati.
Scegliere Rielaborazione degli attributi derivati dal linguaggio.
Selezionare se si desidera elaborare tutti i dati del progetto o quelli di una sessione specifica.
Fare clic su Esegui.

Filtro in base all’impegno

CB Effort misura il livello di impegno espresso dai clienti durante la loro esperienza. Questo attributo è disponibile a livello di frase su una scala da -5 a 5, dove -5 indica l’esperienza più difficile e 5 quella più facile. L’intervallo è comprensivo dei valori.

Consiglio Q: per visualizzare le frasi in cui il livello di sforzo espresso è molto alto, è possibile utilizzare l’intervallo: cb_sentence_ease_score:[-5 a -3].

Consiglio Q: CB Effort è compatibile solo con i numeri interi.

Filtro in base alla durata della fidelizzazione

CB Loyalty Tenure consente di filtrare i dati in base al periodo di tempo in anni in cui un cliente ha utilizzato un servizio o posseduto un prodotto. Questo attributo è disponibile a livello di frase nelle frasi con il tipo di frase Tenure. L’intervallo è comprensivo dei valori.

Esempio: La frase “Sono un cliente da 10 anni” restituirà un valore di Fedeltà pari a 10. Per visualizzare le sentenze con durata fino a 10 anni, utilizzare il seguente intervallo: cb_loyalty_tenure:[1 TO 10].

FILTRO per tipo di interazione

CB Interaction Type ( cb_interaction_type ) definisce i dati in base al tipo di interazione XM, che consente di distinguere i feedback regolari dai dati di conversazione. Questo attributo è disponibile a livello di documento, di testo e di frase.

Il tipo di interazione può avere i seguenti valori:

Chat: Dati di conversazione dai canali digitali.
Feedback: Dati di feedback regolari (come sondaggi, recensioni e così via).
Voce: Dati conversazionali da conversazioni trascritte su audio.

Molte delle pagine di questo sito sono state tradotte dall'originale in inglese mediante traduzione automatica. Sebbene in Qualtrics abbiamo profuso il massimo impegno per avere le migliori traduzioni automatiche possibili, queste non sono mai perfette. Il testo originale inglese è considerato la versione ufficiale, e qualsiasi discrepanza tra questo e le traduzioni automatiche non è legalmente vincolante.