Aprimorando seus dados para análise (Discover)
Sobre o aprimoramento de seus dados para análise
A plataforma Discover não se limita a importar e exibir seus dados exatamente como você os salvou. Nos Connectors, no Designer e no Studio, você pode transformar seus dados, seja estruturando-os de uma maneira diferente ou criando cálculos de KPI para gerar relatórios. Antes de criar painéis para as partes interessadas, vamos falar sobre as várias maneiras de aprimorar seus dados para análise.
Criar transformações personalizadas em conectores
Ao extrair dados de um lugar para outro, você precisa definir seus campos e o que eles significam. As transformações personalizadas não apenas permitem mapear seus dados, mas também aprimorá-los. Por exemplo, você pode:
- Substituir valores.
- Determine um formato para data e hora.
- Números redondos.
- Estimar o número exato de dias a partir de um intervalo de datas.
- Junte as cordas. (Também chamado de concatenação)
- Gerar IDs.
- Definir datas personalizadas.
- E muito mais!
Para obter mais detalhes, consulte Transformações personalizadas.
Derivar atributos no Designer
Atributos derivados são campos de dados adicionais criados a partir de atributos existentes.
Depois que um atributo derivado é criado, ele pode ser usado como qualquer outro atributo em relatórios, filtragem e regras de categoria.
Os atributos derivados podem ser criados de várias maneiras.
- Use uma pesquisa dimensional, exatamente como no Microsoft Excel!
- Dividir dados numéricos ou de datas em intervalos.
- Derive atributos de seus modelos de categoria, transformando dados não estruturados em dados estruturados.
Para saber mais sobre as diferentes maneiras de criar atributos derivados e como usar cada uma delas, consulte Atributos derivados
Avalie o desempenho com Pontuação inteligente
pontuação inteligente é um característica do Designer e do Studio em que você pode pontuar comportamentos em feedback e interações. Ao criar uma rubrica, você pode estruturar dados que, de outra forma, não estariam estruturados.
Essas pontuações flexíveis baseadas em regras são usadas para avaliar todos os tipos de interação, inclusive a conformidade do contato center e as habilidades sociais dos agentes, como a empatia. Você também pode rastrear várias experiências do cliente, como a probabilidade de rotatividade, a probabilidade de compra, possíveis fraudes e assim por diante.
A pontuação automática das interações pode ajudá-lo a priorizar suas iniciativas gerenciamento de experiência e a determinar como e quando treinar melhor sua equipe. É possível visualizar o desempenho em nível individual ou criar painéis detalhados que mostram as tendências de equipes inteiras.
Para obter mais detalhes, consulte Introdução ao Pontuação Inteligente .
Criar métricas no Studio
Você pode criar seus próprios KPIs no Studio usando métricas. Essas métricas podem então ser usadas em relatórios, filtros, widgets e pesquisas, fornecendo informações sobre o desempenho da sua organização. Para saber mais, consulte Criação de métricas.
Aqui estão alguns exemplos de como tirar o máximo proveito das métricas:
Ao usar suas novas métricas nos relatórios, você pode separar os dados por satisfação e ver a porcentagem de clientes satisfeitos em cada grupo de duração de chamada.
Em seguida, ao usar essas métricas em widgets, você pode agrupar os dados por outros insights. Por exemplo, você pode agrupar por produto e ver o sentimento de cada região em relação a cada produto.
As métricas matemáticas personalizadas, em particular, podem ser usadas para transformar os dados de várias maneiras.
- Converta unidades, como segundos em minutos, centavos em dólares ou até mesmo tempo gasto em dinheiro.
- Gerar uma pontuação média.
- Calcular métricas complexas e compostas.
- Transforme uma escala, por exemplo, de 5 pontos para 100.
- Estruturar dados não estruturados.
Exemplo: Se você tiver dados estruturados que chegam como rótulos de texto (“muito satisfeito”, “satisfeito” etc.) e quiser transformá-los em uma classificação quantitativa, poderá usar uma métrica matemática personalizada para atribuir um peso a cada um dos valores atributo. Por exemplo:
(metric[volume muito insatisfeito]*1 + metric[volume insatisfeito]*2 + metric[neutro]*3 + metric[volume satisfeito]*4 + metric[volume muito satisfeito]*5) / [volume]