Deskhero
Svenska
Prova gratis

← Back to articles

Så läser helpdesk-system kundbilagor automatiskt

Så läser helpdesk-system kundbilagor automatiskt

En helpdesk kan använda kundbilagor som kontext för supportsvar, men ”läsa en bilaga” kan betyda flera olika saker. Vissa verktyg extraherar text till ärendefält och utlöser routningsregler. Andra använder bilagan för att förbereda ett svar som en användare kan granska.

Den skillnaden spelar roll. En skärmbild, en inbyggd PDF, ett skannat kvitto och ett Word-dokument tar inte alla samma väg, och ett svarsutkast som tar hänsyn till bilagor är inte samma sak som ett fullständigt dokumentbehandlingsflöde.

Det här kan förbättras för ditt team:

  • Användare kan granska ett föreslaget svar som redan tar hänsyn till kundens skärmbild eller dokument
  • Återkommande uppgifter i en bilaga kan hanteras utan att man upprepade gånger växlar mellan filer och svarseditor
  • En människa finns fortfarande med i processen innan ett svar skickas

Deskhero använder kundbilagor som stöds som kontext när en AI-genererad svarsmall skapas. Användaren kan acceptera, redigera eller avfärda utkastet. Det här är användbart, men ska inte förväxlas med att automatiskt extrahera värden till anpassade fält eller dirigera ärenden baserat på dokumentinnehåll.

Viktiga slutsatser

Bilagemedveten support fungerar bäst när du definierar vilket resultat du behöver, testar riktiga filer och låter en användare ansvara för det slutliga svaret.

Punkt Detaljer
Definiera vad ”läsa” innebär Att skapa svarsmallar, extrahera text, mappa fält och automatisera routning är separata funktioner.
Anpassa metoden efter filen Dokument med inbäddad text är enklare att tolka än skanningar, foton eller handskrift.
Behåll granskningen i arbetsflödet Ett föreslaget svar bör kontrolleras mot originalbilagan innan det skickas.
Mät ett verkligt supportresultat Följ handläggningstid, följdfrågor och korrigeringsfrekvens för ärenden med många bilagor.
Känn till Deskheroes omfattning Deskhero använder bilder och dokument som stöds som kontext för AI-genererade svarsmallar.

Innehållsförteckning

Hur läser en helpdesk kundbilagor?

Det finns två vanliga arbetsflöden. I ett arbetsflöde för bilagemedvetna svarsmallar skickar helpdesken en bild eller ett dokument som stöds till AI:n, tillsammans med konversationen och relevant företagskunskap. Resultatet blir ett föreslaget svar som en användare kan granska.

I ett dokumentbehandlingsflöde extraherar ett separat OCR- eller tolkningsverktyg text eller strukturerade värden. Dessa värden kan sedan skrivas till ärendefält eller användas av automatiseringsregler. Produkter som är utvecklade för detta kan stödja fältmappning och arbetsflödesåtgärder, som beskrivs på Swifteqs sida om dokumenttolkning.

För dokumentbehandling ser stegen vanligtvis ut så här:

  1. Identifiera filtypen och avgör om den innehåller text eller pixlar.
  2. Extrahera inbäddad text direkt eller använd OCR eller bildtolkning för en bild.
  3. Strukturera resultatet om arbetsflödet behöver fält som ett ordernummer eller ett fakturabelopp.
  4. Använd resultatet i en svarsmall, ett ärendefält eller en regel, beroende på produkt och konfiguration.

En grundläggande OCR-körning kan återskapa orden men förlora relationen mellan rader och kolumner. Layoutmedvetna verktyg försöker bevara den strukturen. AI-bildtolkning kan också tolka visuella sammanhang i en skärmbild eller ett produktfoto, vilket illustreras av Machas bildarbetsflöde för Zendesk.

Proffstips: Skriv ner exakt vilket resultat du behöver innan du väljer ett verktyg. ”Hjälp användaren att besvara det här ärendet” är ett annat krav än ”kopiera fakturabeloppet till ett anpassat fält”.

Vilka fördelar bör du förvänta dig och vad bör du mäta?

Den tydligaste potentiella fördelen är mindre manuellt växlande mellan olika sammanhang. En användare kanske inte längre behöver ladda ner en fil, granska den i ett annat program, återvända till ärendet och börja skriva ett svar från grunden.

Den faktiska vinsten beror på vilken blandning av bilagor du har och vilket resultat du automatiserar. En ren PDF med markerbar text är enklare att använda än ett mörkt foto taget från en vinkel. Ett föreslaget svar kan spara tid vid utformningen, medan strukturerad OCR kan spara tid vid transkribering. Se inte leverantörernas procenttal som en prognos för din egen kö.

Händer som effektiviserar arbetsflödet för supportdokument

Mät det arbetsflöde du faktiskt inför. Användbara baslinjemätvärden omfattar:

  • Genomsnittlig handläggningstid för ärenden med bilagor
  • Andelen av dessa ärenden som kräver en följdfråga
  • Andelen föreslagna svar som användare redigerar väsentligt eller avfärdar
  • Antalet bilagerelaterade korrigeringar som görs efter granskning

Samla in en baslinje före lanseringen och jämför sedan samma ärendekategori och en liknande volym efter att teamet har lärt sig den nya processen.

Hur implementerar du bilageläsning utan ett utvecklingsteam?

Om ditt mål är att skapa bilagemedvetna svarsmallar bör du börja med en helpdesk som erbjuder funktionen direkt. Om ditt mål är strukturerad extrahering bör du leta efter en parserintegration som stöds och bekräfta att den kan mappa de fält du behöver.

  1. Granska dina bilagor. Ta ett urval av aktuella ärenden och räkna formaten, storlekarna, bildkvaliteten och de vanligaste kundfrågorna.
  2. Välj ett resultat. Börja med svarsförslag eller ett strukturerat värde, inte alla möjliga åtgärder på en gång.
  3. Bekräfta format och begränsningar som stöds. En fil som kan laddas upp är inte nödvändigtvis en fil som AI:n kan läsa.
  4. Behåll ett granskningssteg för användaren. Jämför det föreslagna svaret eller det extraherade värdet med källbilagan.
  5. Skapa en reservlösning. Gör det enkelt att manuellt hantera en fil som inte stöds, är för stor, otydlig eller handskriven.
  6. Testa en ärendekategori. Mät kvalitet och handläggningstid innan du utökar.

Proffstips: Använd exempel från din egen kö. En välgjord exempel-faktura säger mindre än ett suddigt kundfoto som representerar din dagliga arbetsbelastning.

Specialbyggda parserappar kan lägga till strukturerad OCR i en befintlig ärendeplattform. Bilagemedvetna helpdeskar kan i stället minska arbetet med att skriva svar utan att du behöver utforma fältmappningar eller routningsregler.

Vilka filtyper fungerar bäst och var misslyckas extraheringen?

Dokument med ett användbart textlager ger i allmänhet bättre indata än skanningar. Inbyggda PDF-filer och Word-dokument kan ofta tillhandahålla text direkt. Foton, skärmbilder och bildbaserade PDF-filer kräver att systemet tolkar pixlar.

Vanliga problemområden är:

  • Bilder med låg upplösning eller kraftig komprimering
  • Dokument som fotograferats från en vinkel
  • Handskrift eller ovanliga teckensnitt
  • Blekta kvitton och etiketter med låg kontrast
  • Filer som överskrider produktens gränser för storlek, antal sidor eller innehåll

Stöd för uppladdning och stöd för AI-läsning är också två olika saker. Deskhero tillåter bilagor på upp till 120 MB i ett ärende, men AI-kontexten för bilagor har snävare gränser. Det föreslagna svaret kan ta hänsyn till upp till tre bilder och två dokument som stöds. Bilderna kan vara PNG, JPG, GIF eller WebP och måste vara minst 300 gånger 300 pixlar. Källbilder får vara högst 15 MB. Dokument kan vara PDF, DOC eller DOCX, med upp till 8 000 extraherade tecken per dokument och upp till 10 PDF-sidor som behandlas direkt.

Hur håller du extraheringen korrekt och granskningsbar?

Börja med att behålla originalbilagan bredvid resultatet. När det gäller ett föreslaget svar bör användaren kontrollera namn, nummer, datum, produktuppgifter och den begärda åtgärden innan svaret skickas.

Granska bilagemedvetna ärenden regelbundet och dokumentera var arbetsflödet misslyckas. Användbara kategorier omfattar fil som inte stöds, oläslig bild, saknad kontext, felaktig tolkning samt korrekt tolkning med ett olämpligt svar.

Följ:

  • Föreslagna svar som accepteras, redigeras och avfärdas
  • Korrigeringar som gäller nummer eller identifierare
  • Handläggningstid för filer som stöds respektive inte stöds
  • Kundernas följdfrågefrekvens efter bilagemedvetna svar

Betrakta bilagan som underlag för ett utkast, inte som tillåtelse att agera utan granskning. För förfrågningar med högre risk, som återbetalningar, kontoändringar eller säkerhetsfrågor, bör du behålla samma kontroller som om en användare hade läst filen manuellt.

Så omsätter Deskhero detta i praktiken

Deskhero genererar AI-genererade svarsmallar för inkommande ärenden. För bilagor som stöds kan utkastet använda skärmbilder som bildkontext och PDF- eller Word-dokument som textkontext. Utkastet använder också relevant arbetsytekunskap, vilket kan omfatta besvarade ärenden, godkända offentliga FAQ-poster, innehåll från interna kunskapsbaser, genomsökta webbplatssidor och andra konfigurerade källor.

Förslaget visas i svarseditor. En användare kan acceptera, redigera eller avfärda det. Det krävs en extra bekräftelse för att skicka ett oförändrat AI-förslag. Deskhero hävdar inte att den här funktionen skriver bilageinnehåll till anpassade fält, tilldelar ett konfidensvärde eller dirigerar ärendet baserat på extraherade värden.

Deskhero ansluter till Google- och Microsoft-brevlådor med tvåvägssynkronisering, så att inkommande meddelanden blir ärenden och svar kan skickas från företagets adress. Ämneskluster i Statistik är en separat analysfunktion för att förstå teman i flera ärenden. Det är inte en logg över bilagebehandling.

Ett praktiskt pilotprojekt:

  • Välj en brevlåda eller ärendekategori med många bilagor som stöds
  • Be användarna jämföra varje förslag med källfilen
  • Anteckna vilka format som ger användbara utkast och vilka som kräver manuell hantering
  • Utöka först när kvaliteten är tillräckligt jämn för ditt team

Proffstips: Börja med en vanlig förfrågan med låg risk. Då får du tillräckligt med exempel för att bedöma kvaliteten utan att börja med ett känsligt arbetsflöde.

De första 90 dagarna, realistiskt sett

Under de första två veckorna inventerar du bilageformat och fastställer baslinjemätvärden. Under de följande veckorna testar du en kategori och dokumenterar återkommande problem. Använd den återstående tiden till att utbilda användarna i granskning, förbättra reservprocessen och avgöra om bilagemedvetna svarsmallar räcker eller om ett separat verktyg för strukturerad OCR också behövs.

Ett vanligt misstag är att anta att varje fil som bifogas ett ärende kommer att läsas fullständigt. Produktbegränsningar, bildkvalitet, dokumentlängd och filtyp påverkar alla vilken kontext som är tillgänglig. Gör dessa gränser till en del av teamets arbetsflöde.

Starta ett pilotprojekt som läser bilagor åt dig

Deskhero kan använda kundbilder och kunddokument som stöds när ett AI-genererat svar förbereds. Användaren behåller kontrollen över vad som skickas, och funktionen använder den bredare kunskap som finns tillgänglig i arbetsytan.

Deskhero

För e-handelsteam lägger Shopify-integrationen till en kund- och orderpanel i ärendet. Den panelen är separat från bilageläsningen. Sidan om AI-genererade svarsmallar förklarar hur Deskhero förbereder ett svar för granskning.

Deskhero erbjuder en kostnadsfri 30-dagars provperiod utan krav på kreditkort. Starta den kostnadsfria provperioden, testa ett representativt urval av ärenden och bedöm utkasten mot de bilagor som dina kunder faktiskt skickar.

Källor

Vanliga frågor

Kan en helpdesk faktiskt läsa en skärmbild som en kund skickar?

Ja, vissa helpdeskar och integrationer kan använda AI-bildtolkning för att tolka skärmbilder som stöds. Det exakta resultatet kan vara ett svarsförslag, extraherad text eller strukturerade fält, beroende på produkten.

Vad är skillnaden mellan OCR och AI-bildtolkning för bilagor?

OCR omvandlar synliga tecken till text. AI-bildtolkning kan även tolka visuella sammanhang, till exempel vad som syns på ett produktfoto eller i en gränssnittsskärmbild.

Läser Deskhero PDF- och DOCX-bilagor?

Deskhero kan använda PDF-, DOC- och DOCX-bilagor som stöds som textkontext för AI-genererade svarsmallar. Begränsningar gäller antalet, storleken, längden och sidantalet för de dokument som behandlas.

Hur korrekt är automatiserad bilageextrahering?

Korrektheten varierar beroende på verktyg, filtyp, layout och bildkvalitet. Testa dina egna filer och behåll ett granskningssteg för användaren i stället för att förlita dig på ett universellt noggrannhetsanspråk.

Vilka filtyper orsakar flest problem vid extrahering?

Foton med låg upplösning, vinklade bilder, handskrift, skanningar med låg kontrast, format som inte stöds och filer som överskrider produktens behandlingsgränser kräver ofta manuell granskning.

Bör varje automatiserad extrahering utlösa ett omedelbart svar?

Nej. Börja med ett utkast som en användare granskar. Lägg endast till automatisering mot kunder när produkten stöder det, kunskapskällan är lämplig och risken är förstådd.