Beza kadar deflection dan containment, cara mengira dengan jujur serta perangkap yang menggelembungkan angka untuk chat WhatsApp dan Instagram.
Anda membaca laporan dan ternampak "kadar deflection 80%". Rakan sepasukan pula menyebut "containment 65%". Adakah ini angka yang sama dengan nama berlainan, atau dua cerita yang berbeza? Dalam artikel ini kita bezakan kedua-duanya, lihat cara mengira yang jujur untuk perniagaan kecil dan sederhana yang menjawab pelanggan melalui WhatsApp, Instagram dan chat laman web, dan elakkan perangkap yang membuat angka nampak cantik tetapi tidak benar.
Mengapa dua istilah ini sering keliru
Kedua-dua istilah cuba menjawab soalan yang hampir sama: berapa banyak pertanyaan pelanggan yang tidak sampai kepada pekerja anda? Sebab itulah ia sering bertukar ganti dalam mesyuarat, dalam slaid vendor, malah dalam brosur perisian.
Puncanya ada tiga:
- Asal-usul berbeza. "Deflection" datang daripada dunia pusat bantuan dan tiket e-mel. Ia mengukur sama ada pelanggan menyelesaikan masalah sendiri sebelum membuat tiket. "Containment" datang daripada dunia IVR dan bot, dan mengukur sama ada perbualan kekal dalam bot sehingga habis.
- Penyebut berbeza. Satu dikira berdasarkan orang yang cuba layan diri, satu lagi berdasarkan perbualan yang dimulakan dengan AI. Hasilnya, dua angka daripada data yang sama boleh jauh berbeza.
- Insentif vendor. Angka yang tinggi mudah dijual. Jarang ada yang menerangkan bagaimana angka itu dikira.
Bagi PKS di Malaysia, pelanggan jarang melawat pusat bantuan. Mereka terus menghantar mesej "boleh COD tak?" atau "stok saiz M ada lagi?" di WhatsApp atau DM Instagram. Jadi persoalan sebenar anda biasanya berkaitan containment, walaupun anda mungkin menggunakan perkataan deflection.
Definisi dan formula
Kadar deflection
Deflection mengukur berapa ramai pelanggan yang mendapat bantuan melalui saluran layan diri dan tidak menghubungi pasukan manusia selepas itu.
`` Kadar deflection = (sesi layan diri tanpa hubungan manusia susulan) ÷ (jumlah sesi layan diri) × 100 ``
Penekanannya ialah pada hasil: pelanggan tidak perlu mengganggu pekerja anda. Ia tidak mengambil kira sama ada pelanggan itu benar-benar berpuas hati.
Kadar containment
Containment mengukur berapa banyak perbualan yang dimulakan dan ditamatkan oleh AI tanpa diserahkan kepada manusia.
`` Kadar containment = (perbualan AI tanpa penyerahan kepada manusia) ÷ (jumlah perbualan AI) × 100 ``
Penekanannya ialah pada perjalanan perbualan: adakah ia kekal dalam bot dari mula hingga akhir?
Contoh hipotetikal
Katakan sebuah kedai tudung dalam talian menerima 300 perbualan sebulan di WhatsApp dan Instagram. Ini hanya contoh untuk menunjukkan pengiraan, bukan data sebenar mana-mana pelanggan.
- 300 perbualan dikendalikan AI.
- 90 diserahkan kepada pekerja.
- 210 tamat tanpa penyerahan.
Containment kasar ialah 210 ÷ 300 = 70%. Namun, jika 40 daripada 210 itu ialah pelanggan yang diam lalu menghantar mesej semula keesokan harinya kerana soalan mereka belum terjawab, maka perbualan yang benar-benar selesai hanyalah 170. Containment yang jujur ialah 170 ÷ 300, iaitu kira-kira 57%.
Perbezaan antara 70% dan 57% itulah sebab artikel ini wujud.
Apa kegunaan setiap metrik
Kedua-duanya berguna, tetapi untuk tujuan berbeza.
Containment paling sesuai apabila:
- Anda menjalankan chat langsung dan mahu tahu seberapa jauh AI mengurangkan beban pekerja pada waktu puncak, misalnya sebelum jualan 11.11 atau menjelang Hari Raya.
- Anda mahu menganggar keperluan syif pasukan sokongan.
- Anda membandingkan versi persona atau data pengetahuan yang berlainan.
Deflection paling sesuai apabila:
- Anda mempunyai pusat bantuan atau halaman FAQ dan mahu tahu sama ada ia mengurangkan tiket.
- Anda mahu melihat kesan keseluruhan terhadap jumlah permintaan sokongan, termasuk e-mel.
- Anda melaporkan kepada pihak yang berminat dengan beban kerja pasukan, bukan kualiti perbualan.
Jika kebanyakan pelanggan anda berhubung melalui WhatsApp dan DM, mulakan dengan containment, tetapi tambah satu semakan kualiti (kita bincangkan di bawah). Containment tanpa semakan kualiti hanya memberitahu anda bahawa bot tidak memanggil manusia, bukan bahawa pelanggan terbantu.
Perangkap yang menggelembungkan kedua-dua angka
Inilah kesilapan yang paling kerap berlaku.
1. Pelanggan senyap dikira sebagai selesai
Pelanggan WhatsApp sering berhenti membalas kerana sibuk, bukan kerana puas. Jika sistem anda menganggap setiap perbualan tanpa penyerahan sebagai "selesai", containment akan melambung.
2. Penyerahan yang dihalang
Jika bot sengaja menyukarkan pelanggan meminta manusia, kadar penyerahan turun dan containment naik. Pelanggan yang marah pula meninggalkan ulasan buruk di Google atau tangkapan skrin di Instagram. Angka cantik, perniagaan rugi.
3. Penyebut yang terpilih
Jika anda hanya mengira perbualan yang "ada soalan sebenar" dan membuang ucapan salam, spam atau soalan di luar skop, penyebut mengecil dan peratusan membesar. Tetapkan dahulu apa yang dikira dan jangan ubah tanpa mencatatkannya.
4. Pelanggan beralih saluran
Seorang pelanggan bertanya di widget laman web, tidak berpuas hati, lalu menghantar DM Instagram. Dalam log widget, perbualan itu "terkandung". Dalam realiti, ia menjadi dua kes. Ini menjejaskan deflection dan containment sekali gus.
5. Perbualan ulangan tidak dikesan
Pelanggan yang sama menanyakan soalan yang sama tiga kali dalam seminggu dikira tiga kejayaan, padahal bot gagal tiga kali.
6. Jawapan yang yakin tetapi salah
Bot yang menjawab dengan yakin tetapi tersilap tidak mencetuskan penyerahan. Ia kelihatan seperti kejayaan dalam angka. Hanya semakan manual dan maklum balas pelanggan yang akan menangkapnya.
Pendekatan pengukuran yang boleh dipercayai
Anda tidak memerlukan alat canggih. Anda memerlukan definisi yang jelas dan disiplin yang konsisten.
- 01Kumpul log perbualan
- 02Tandakan status: diserahkan, diselesaikan, atau senyap
- 03Tunggu tempoh tetingkap penyelesaian
- 04Kira kadar dan semak sampel secara manual
Langkah praktikal
- Tulis definisi anda. Contohnya: "Perbualan dianggap terkandung jika tiada penyerahan kepada manusia dan pelanggan tidak menghantar soalan yang sama dalam tempoh 48 jam."
- Tetapkan tetingkap penyelesaian. Jangan kira perbualan sebagai selesai sebaik sahaja mesej terakhir dihantar. Tunggu tempoh yang sesuai dengan jenis perniagaan anda.
- Asingkan kategori. Pisahkan soalan ringkas (waktu operasi, harga, status pesanan) daripada kes rumit (tuntutan, bayaran balik). Containment 90% pada soalan ringkas itu normal, tetapi 90% pada kes rumit patut dicurigai.
- Ambil sampel. Setiap minggu, baca sekitar dua puluh perbualan yang dikira "terkandung". Tanya satu soalan: adakah pelanggan benar-benar mendapat jawapan yang betul?
- Laporkan julat, bukan satu nombor. Contohnya, "containment kasar 70%, containment disahkan 57%". Pihak pengurusan akan lebih menghargai kejujuran ini apabila angka itu diuji.
Mengenai deflection pula, anda tidak boleh mengukurnya daripada log chat sahaja. Anda perlu menggabungkan data lain, seperti sama ada pelanggan yang sama menghantar e-mel, membuat tiket atau menelefon selepas sesi layan diri. Log chat hanya menunjukkan apa yang berlaku di dalam chat itu.
Meningkatkan containment tanpa merosakkan pengalaman
Matlamatnya bukan 100%. Matlamatnya ialah AI menyelesaikan apa yang patut diselesaikannya, dan manusia mengambil alih dengan cepat untuk selebihnya.
- Perbaiki data pengetahuan dahulu. Kebanyakan penyerahan tidak perlu berpunca daripada jawapan yang tiada. Semak soalan yang paling kerap diserahkan, tambah jawapan yang betul, dan ulang setiap minggu.
- Biarkan pelanggan memilih manusia dengan mudah. Penyerahan yang lancar ialah ciri kualiti, bukan kegagalan. Pelanggan yang tahu mereka boleh sampai kepada orang biasanya lebih bersedia mencuba AI dahulu.
- Serahkan kes yang wajar. Aduan, bayaran balik, perkara sensitif dan permintaan khas patut ke pekerja anda. Menurunkan kadar penyerahan pada kes ini bukan kemajuan.
- Gunakan penilaian pelanggan. Jika containment naik tetapi penilaian jempol bawah juga naik, anda sedang menghalang pelanggan, bukan membantu mereka.
- Baiki jawapan, bukan hanya angka. Apabila pekerja mengambil alih dan menulis jawapan yang lebih baik, jadikan jawapan itu contoh latihan supaya AI menjawab lebih baik pada kali berikutnya.
- Jangan lupa luar waktu pejabat. Pelanggan Malaysia sering menghantar mesej pada waktu malam. Pastikan pelanggan diberitahu apa yang akan berlaku seterusnya jika perlu bantuan manusia, tanpa janji masa yang tidak pasti.
Melakukannya dalam AI SNS CHAT
AI SNS CHAT tidak memaparkan satu kad khas bernama "kadar containment" yang boleh anda salin terus ke laporan. Anda mengira kadar itu sendiri menggunakan data yang ada, dan alatan di bawah memudahkan kerja tersebut.
1. Kumpul dan tapis log. Semua perbualan selain e-mel berada di Activity → Chat logs, termasuk WhatsApp, Instagram, Messenger dan widget chat. Anda boleh menapis, memilih secara pukal, menandakan (flag), menaikkan (escalate) atau menyelesaikan (resolve) perbualan, dan mengeksport log. Perbualan e-mel pula berada dalam Inbox. Eksport ke hamparan, kemudian kira kadar mengikut definisi yang anda tulis.
2. Gunakan status sebagai asas. Tanda "escalate" dan "resolve" membantu anda memisahkan perbualan yang diserahkan daripada yang ditutup. Disiplin pasukan dalam menanda status menentukan seberapa boleh dipercayai angka anda.
3. Semak kualiti dengan penilaian. Log menyokong penilaian jempol atas/bawah. Bandingkan perbualan "terkandung" yang mendapat jempol bawah, kerana itulah kes yang paling bernilai untuk dibaiki.
4. Lihat topik dan sentimen. Di Analytics, anda boleh melihat Chats, Topics, Question history dan Sentiment. Topik yang kerap diserahkan ialah petunjuk jelas tentang jurang dalam pengetahuan. Analitik lanjutan memerlukan pelan Pro.
5. Baiki sumber pengetahuan. Di Data sources, tambah jawapan melalui Q&A, fail, teks atau laman web. Untuk memperbaiki jawapan tertentu, ambil alih perbualan, edit balasan menjadi jawapan ideal dan latih ejen dengannya.
6. Atur penyerahan yang lancar. Di Helpdesk → Scheduling (Standard atau lebih tinggi), anda menetapkan syif mengikut orang dan zon waktu, dan penyerahan diberikan secara automatik kepada yang bertugas. Amaran penyerahan boleh dihantar ke Slack, Teams, LINE WORKS, WhatsApp, e-mel atau webhook. Mesej kepada pelanggan menyatakan apa yang berlaku seterusnya berdasarkan jadual, tanpa mereka-reka masa menunggu.
7. Uji sebelum dilancarkan. Gunakan Playground untuk mencuba soalan lazim pelanggan sebelum mengubah persona atau data. Sepanjang masa, Synthia boleh membantu anda menavigasi dashboard jika tidak pasti di mana sesuatu tetapan berada.
Setiap balasan AI menggunakan 1 kredit, jadi kadar containment yang lebih tinggi bermakna lebih banyak kredit digunakan oleh AI untuk kerja yang pekerja anda tidak perlu buat. Lihat butiran pelan di /pricing, senarai ciri di /features dan saluran yang disokong di /connections.
Soalan lazim
Adakah kadar containment yang lebih tinggi sentiasa lebih baik?
Tidak. Containment yang tinggi boleh bermakna AI menyelesaikan banyak perkara dengan baik, tetapi juga boleh bermakna pelanggan tersekat atau berputus asa. Sentiasa pasangkan dengan penilaian pelanggan dan semakan sampel perbualan. Sasaran yang munasabah bergantung pada jenis soalan, dan kes sensitif patut sampai kepada manusia.
Mana satu patut saya laporkan kepada pihak pengurusan?
Laporkan containment yang telah disahkan, bersama definisi dan tetingkap penyelesaian yang anda gunakan. Jika anda juga mempunyai pusat bantuan atau tiket e-mel, tambah deflection sebagai angka berasingan. Lebih baik tunjukkan dua angka yang jelas daripada satu angka yang kabur.
Bolehkah saya mengukur deflection daripada log chat sahaja?
Tidak sepenuhnya. Log chat menunjukkan apa yang berlaku dalam perbualan, tetapi deflection bergantung pada sama ada pelanggan menghubungi anda melalui saluran lain selepas itu. Anda perlu menggabungkan data seperti tiket, e-mel atau mesej baharu daripada pelanggan yang sama. Daripada log sahaja, anggaran terbaik ialah containment.
Berapa lama saya patut menunggu sebelum menganggap chat WhatsApp atau Messenger sudah selesai?
Tiada angka universal, jadi pilih tetingkap yang sesuai dengan perniagaan anda dan kekalkannya. Sebagai titik mula, 24 hingga 72 jam sering munasabah: lebih pendek untuk soalan ringkas seperti stok dan harga, lebih panjang untuk tempahan atau urusan yang melibatkan beberapa langkah. Untuk WhatsApp, ingat juga bahawa penghantaran mesej kempen terhad kepada tetingkap 24 jam.


