Deskhero
Türkçe
Ücretsiz deneyin

← Back to articles

Destek Masaları Müşteri Eklerini Otomatik Olarak Nasıl Okur?

Destek Masaları Müşteri Eklerini Otomatik Olarak Nasıl Okur?

Bir helpdesk, destek yanıtlarında bağlam olarak müşteri eklerini kullanabilir; ancak “bir eki okumak” birkaç farklı anlama gelebilir. Bazı araçlar metni bilet alanlarına çıkarır ve yönlendirme kurallarını tetikler. Diğerleri ise Kullanıcının incelemesi için eki kullanarak bir yanıt hazırlar.

Bu ayrım önemlidir. Ekran görüntüsü, yerel PDF, taranmış makbuz ve Word belgesi aynı işlem yolunu izlemez; ekleri dikkate alan bir yanıt taslağı da eksiksiz bir belge işleme iş akışıyla aynı şey değildir.

Ekibiniz için iyileşebilecek noktalar:

  • Kullanıcılar, müşterinin ekran görüntüsünü veya belgesini zaten dikkate alan önerilen bir yanıtı inceleyebilir
  • Bir ekteki rutin ayrıntılar, dosyalar ile yanıt düzenleyicisi arasında tekrar tekrar geçiş yapmaya gerek kalmadan ele alınabilir
  • Bir yanıt gönderilmeden önce insan incelemesi sürecin içinde kalır

Deskhero, yapay zekâ tarafından önerilen bir yanıt oluştururken desteklenen müşteri eklerini bağlam olarak kullanır. Kullanıcı bu taslağı kabul edebilir, düzenleyebilir veya kapatabilir. Bu faydalıdır; ancak değerlerin özel alanlara otomatik olarak çıkarılmasıyla ya da belge içeriğine göre biletlerin yönlendirilmesiyle karıştırılmamalıdır.

Önemli Noktalar

Ekleri dikkate alan destek, ihtiyaç duyduğunuz sonucu tanımladığınızda, gerçek dosyaları test ettiğinizde ve nihai yanıttan bir Kullanıcıyı sorumlu tuttuğunuzda en iyi şekilde çalışır.

Nokta Ayrıntılar
“Okumak” ile ne kastedildiğini tanımlayın Yanıt taslağı oluşturma, metin çıkarma, alan eşleme ve otomatik yönlendirme birbirinden ayrı yeteneklerdir.
Yöntemi dosyayla eşleştirin Gömülü metin içeren belgeleri ayrıştırmak; taramalara, fotoğraflara veya el yazısına göre daha kolaydır.
İncelemeyi iş akışının içinde tutun Önerilen bir yanıt gönderilmeden önce özgün ekle karşılaştırılarak kontrol edilmelidir.
Gerçek bir destek sonucunu ölçün Ek ağırlıklı biletlerde işlem süresini, takip sorularını ve düzeltme oranlarını izleyin.
Deskhero’nun kapsamını bilin Deskhero, desteklenen görselleri ve belgeleri yapay zekâ tarafından önerilen yanıtlar için bağlam olarak kullanır.

İçindekiler

Bir Helpdesk Müşteri Eklerini Nasıl Okur?

İki yaygın iş akışı vardır. Ekleri dikkate alan taslak oluşturma iş akışında helpdesk, desteklenen bir görseli veya belgeyi konuşma ve ilgili şirket bilgileriyle birlikte yapay zekâya sunar. Sonuç, Kullanıcının incelemesi için önerilen bir yanıttır.

Belge işleme iş akışında ise ayrı bir OCR veya ayrıştırma aracı, metni ya da yapılandırılmış değerleri çıkarır. Bu değerler daha sonra bilet alanlarına yazılabilir veya otomasyon kuralları tarafından kullanılabilir. Bu amaçla geliştirilen ürünler, Swifteq belge ayrıştırıcı sayfasında açıklandığı üzere alan eşleme ve iş akışı eylemlerini destekleyebilir.

Belge işleme adımları genellikle şöyledir:

  1. Dosya türünü belirleyin ve metin mi yoksa pikseller mi içerdiğine karar verin.
  2. Gömülü metni doğrudan çıkarın veya bir görsel için OCR ya da görüntü analizinden yararlanın.
  3. İş akışının sipariş numarası ya da fatura toplamı gibi alanlara ihtiyacı varsa çıktıyı yapılandırın.
  4. Ürüne ve yapılandırmaya bağlı olarak sonucu bir taslakta, bilet alanında veya kuralda kullanın.

Temel bir OCR taraması, kelimeleri geri kazandırabilir; ancak satırlar ve sütunlar arasındaki ilişkiyi kaybedebilir. Düzeni dikkate alan araçlar bu yapıyı korumaya çalışır. Yapay zekâ destekli görüntü analizi, Macha’nın Zendesk görsel iş akışında gösterildiği gibi, ekran görüntüsündeki veya ürün fotoğrafındaki görsel bağlamı da yorumlayabilir.

Uzman İpucu: Bir araç seçmeden önce ihtiyaç duyduğunuz kesin çıktıyı yazılı olarak belirleyin. “Kullanıcının bu bileti yanıtlamasına yardımcı ol” ile “fatura toplamını özel bir alana kopyala” farklı gereksinimlerdir.

Hangi Faydaları Beklemeli ve Neleri Ölçmelisiniz?

En belirgin potansiyel fayda, bağlamı manuel olarak değiştirme ihtiyacının azalmasıdır. Kullanıcının artık bir dosyayı indirmesi, başka bir uygulamada incelemesi, bilete geri dönmesi ve yanıtı sıfırdan yazmaya başlaması gerekmeyebilir.

Gerçek kazanım, ek türlerinize ve otomatikleştirdiğiniz sonuca bağlıdır. Seçilebilir metin içeren temiz bir PDF, karanlık ve açılı çekilmiş bir fotoğrafa göre daha kolay kullanılır. Önerilen bir yanıt taslak hazırlama süresini, yapılandırılmış OCR ise metin aktarma süresini azaltabilir. Tedarikçilerin yüzdelerini kendi destek kuyruğunuz için bir tahmin olarak değerlendirmeyin.

Destek belgeleri iş akışını kolaylaştıran eller

Gerçekte uyguladığınız iş akışını ölçün. Yararlı başlangıç ölçümleri şunlardır:

  • Ek içeren biletlerde ortalama işlem süresi
  • Bu biletlerin takip sorusu gerektiren yüzdesi
  • Kullanıcıların önemli ölçüde düzenlediği veya kapattığı önerilen yanıtların yüzdesi
  • İncelemeden sonra eklerle ilgili yapılan düzeltme sayısı

Uygulamaya geçmeden önce bir başlangıç verisi toplayın; ardından ekip yeni süreci öğrendikten sonra aynı bilet kategorisini ve benzer bir hacmi karşılaştırın.

Bir Geliştirme Ekibi Olmadan Ek Okumayı Nasıl Uygularsınız?

Amacınız ekleri dikkate alan yanıt taslakları oluşturmaksa, bu yeteneği doğrudan sunan bir helpdesk ile başlayın. Amacınız yapılandırılmış veri çıkarmaksa, desteklenen bir ayrıştırıcı entegrasyonu arayın ve ihtiyacınız olan alanları eşleyebildiğini doğrulayın.

  1. Eklerinizi denetleyin. Yakın tarihli biletlerden örnekler seçin ve formatları, boyutları, görsel kalitesini ve yaygın müşteri sorularını sayın.
  2. Tek bir sonuç seçin. Her olası eylemi aynı anda gerçekleştirmek yerine yanıt önerileriyle veya yapılandırılmış tek bir değerle başlayın.
  3. Desteklenen formatları ve sınırları doğrulayın. Yüklenebilen bir dosya, yapay zekânın mutlaka okuyabileceği bir dosya değildir.
  4. Kullanıcı incelemesi adımını koruyun. Önerilen yanıtı veya çıkarılan değeri kaynak ekle karşılaştırın.
  5. Bir geri dönüş planı oluşturun. Desteklenmeyen, fazla büyük, anlaşılması güç veya el yazısıyla hazırlanmış bir dosyayı manuel olarak ele almayı kolaylaştırın.
  6. Tek bir bilet kategorisinde pilot uygulama yapın. Kapsamı genişletmeden önce kaliteyi ve işlem süresini ölçün.

Uzman İpucu: Kendi destek kuyruğunuzdan örnekler kullanın. Özenle hazırlanmış örnek bir fatura, günlük iş yükünüzü temsil eden bulanık bir müşteri fotoğrafı kadar bilgi vermez.

Amaca özel geliştirilen ayrıştırıcı uygulamalar, mevcut bir bilet platformuna yapılandırılmış OCR ekleyebilir. Ekleri dikkate alan helpdesk’ler ise alan eşlemeleri veya yönlendirme kuralları tasarlamanızı gerektirmeden taslak hazırlama işini azaltabilir.

Hangi Dosya Türleri En İyi Çalışır ve Çıkarma İşlemi Nerede Başarısız Olur?

Kullanılabilir bir metin katmanına sahip belgeler genellikle taramalara göre daha temiz bir girdi sağlar. Yerel PDF’ler ve Word belgeleri çoğu zaman metni doğrudan sunabilir. Fotoğraflar, ekran görüntüleri ve yalnızca görsel içeren PDF’ler, sistemin pikselleri yorumlamasını gerektirir.

Yaygın başarısızlık noktaları şunlardır:

  • Düşük çözünürlüklü veya aşırı sıkıştırılmış görseller
  • Açılı olarak fotoğraflanmış belgeler
  • El yazısı veya alışılmadık yazı tipleri
  • Solmuş makbuzlar ve düşük kontrastlı etiketler
  • Ürünün boyut, sayfa veya içerik sınırlarını aşan dosyalar

Yükleme desteği ile yapay zekâ okuma desteği de birbirinden farklıdır. Deskhero, bir bilette 120 MB’a kadar ek yüklemeye izin verir; ancak yapay zekânın ek bağlamı için daha dar sınırlar geçerlidir. Önerilen yanıt, en fazla üç desteklenen görseli ve iki desteklenen belgeyi dikkate alabilir. Görseller PNG, JPG, GIF veya WebP formatında olmalı ve en az 300’e 300 piksel boyutunda olmalıdır. Kaynak görseller 15 MB ile sınırlıdır. Belgeler PDF, DOC veya DOCX formatında olabilir; belge başına en fazla 8.000 karakter çıkarılır ve en fazla 10 PDF sayfası satır içi olarak işlenir.

Çıkarma İşlemini Nasıl Doğru ve Denetlenebilir Tutarsınız?

Özgün eki sonuçla yan yana tutarak başlayın. Önerilen bir yanıtta Kullanıcı, göndermeden önce adları, numaraları, tarihleri, ürün ayrıntılarını ve istenen eylemi doğrulamalıdır.

Ekleri dikkate alan biletlerden düzenli olarak örnekler seçin ve iş akışının nerede başarısız olduğunu kaydedin. Yararlı kategoriler arasında desteklenmeyen dosya, okunamayan görsel, eksik bağlam, hatalı yorum ve doğru yorumlanmasına rağmen uygun olmayan yanıt yer alır.

Şunları izleyin:

  • Kabul edilen, düzenlenen ve kapatılan önerilen yanıtlar
  • Numaralar veya tanımlayıcılarla ilgili düzeltmeler
  • Desteklenen ve desteklenmeyen dosyalar için işlem süresi
  • Ekleri dikkate alan yanıtların ardından müşterilerin takip sorusu sorma oranı

Eki, inceleme olmadan işlem yapma izni olarak değil, taslak için kanıt olarak değerlendirin. Geri ödemeler, hesap değişiklikleri veya güvenlik sorunları gibi daha yüksek riskli taleplerde, bir Kullanıcı dosyayı manuel olarak okumuş olsaydı uygulayacağınız kontrolleri koruyun.

Deskhero Bunu Uygulamada Nasıl Gerçekleştiriyor?

Deskhero, gelen biletler için yapay zekâ tarafından önerilen yanıtlar oluşturur. Desteklenen eklerde taslak, ekran görüntülerini görsel bağlamı, PDF veya Word belgelerini ise metin bağlamı olarak kullanabilir. Taslak ayrıca yanıtlanmış biletleri, onaylanmış herkese açık SSS içeriklerini, dahili bilgi tabanı içeriğini, taranmış web sitesi sayfalarını ve yapılandırılmış diğer kaynakları içerebilen ilgili çalışma alanı bilgisini kullanır.

Öneri, yanıt düzenleyicide görünür. Kullanıcı bunu kabul edebilir, düzenleyebilir veya kapatabilir. Değiştirilmemiş bir yapay zekâ önerisini göndermek için ek bir onay gerekir. Deskhero, bu özelliğin ek içeriklerini özel alanlara yazdığını, bir güven skoru atadığını veya çıkarılan değerlere göre bileti yönlendirdiğini iddia etmez.

Deskhero, Google ve Microsoft posta kutularına çift yönlü senkronizasyon kullanarak bağlanır; böylece gelen iletiler bilete dönüşür ve yanıtlar şirketin adresinden gönderilebilir. İstatistikler’deki Konu kümeleri, biletler genelindeki temaları anlamaya yönelik ayrı bir analiz özelliğidir. Bu özellik, ek işleme günlüğü değildir.

Uygulanabilir bir pilot çalışma:

  • Sık sık desteklenen ekler alan bir posta kutusu veya bilet kategorisi seçin
  • Kullanıcılardan her öneriyi kaynak dosyayla karşılaştırmalarını isteyin
  • Hangi formatların yararlı taslaklar oluşturduğunu ve hangilerinin manuel işlem gerektirdiğini kaydedin
  • Yalnızca kalite ekibiniz için yeterince tutarlı hale geldikten sonra kapsamı genişletin

Uzman İpucu: Yaygın ve düşük riskli bir talep türüyle başlayın. Böylece hassas bir iş akışını ilk sıraya koymadan kaliteyi değerlendirmek için yeterli örnek elde edersiniz.

İlk 90 Gün: Gerçekçi Bir Bakış

İlk iki hafta içinde ek formatlarını envanterleyin ve başlangıç ölçümlerini belirleyin. Sonraki birkaç hafta boyunca tek bir kategoriyi test edin ve başarısızlık örüntülerini belgeleyin. Kalan zamanı Kullanıcıları inceleme konusunda eğitmek, geri dönüş sürecini iyileştirmek ve ekleri dikkate alan taslak oluşturmanın yeterli olup olmadığına ya da ayrıca yapılandırılmış bir OCR aracına ihtiyaç duyulup duyulmadığına karar vermek için kullanın.

Yaygın bir hata, bilete eklenen her dosyanın tamamen okunacağını varsaymaktır. Ürün sınırları, görsel kalitesi, belge uzunluğu ve dosya türü, kullanılabilir bağlamı etkiler. Bu sınırları ekip iş akışının bir parçası haline getirin.

Ekleri Sizin İçin Okuyan Bir Pilot Çalışma Başlatın

Deskhero, yapay zekâ tarafından önerilen bir yanıt hazırlarken desteklenen müşteri görsellerini ve belgelerini kullanabilir. Gönderilecek içerik üzerindeki kontrolü Kullanıcıda tutar ve çalışma alanında bulunan daha geniş bilgiyle birlikte çalışır.

Deskhero

E-ticaret ekipleri için Shopify entegrasyonu, bilete müşteri ve sipariş paneli ekler. Bu panel, ek okuma özelliğinden ayrıdır. Yapay zekâ tarafından önerilen yanıtlar sayfası, Deskhero’nun inceleme için nasıl yanıt hazırladığını açıklar.

Deskhero, kredi kartı gerektirmeyen 30 günlük ücretsiz deneme sunar. Ücretsiz denemeyi başlatın, temsili bir bilet grubunu test edin ve taslakları müşterilerinizin gerçekten gönderdiği eklerle karşılaştırarak değerlendirin.

Kaynaklar

SSS

Bir helpdesk, müşterinin gönderdiği ekran görüntüsünü gerçekten okuyabilir mi?

Evet, bazı helpdesk’ler ve entegrasyonlar desteklenen ekran görüntülerini yorumlamak için yapay zekâ destekli görüntü analizinden yararlanabilir. Kesin sonuç, ürüne bağlı olarak bir yanıt önerisi, çıkarılmış metin veya yapılandırılmış alanlar olabilir.

Ekler için OCR ile yapay zekâ destekli görüntü analizi arasındaki fark nedir?

OCR, görünen karakterleri metne dönüştürür. Yapay zekâ destekli görüntü analizi, ürün fotoğrafında veya arayüz ekran görüntüsünde görünenler gibi görsel bağlamı da yorumlayabilir.

Deskhero, PDF ve DOCX eklerini okuyabilir mi?

Deskhero, desteklenen PDF, DOC ve DOCX eklerini yapay zekâ tarafından önerilen yanıtlar için metin bağlamı olarak kullanabilir. İşlenen belgelerin sayısı, boyutu, uzunluğu ve sayfa sayısı için sınırlar geçerlidir.

Otomatik ek çıkarma işlemi ne kadar doğrudur?

Doğruluk; araca, dosya türüne, düzene ve görsel kalitesine göre değişir. Kendi dosyalarınızı test edin ve evrensel bir doğruluk iddiasına güvenmek yerine Kullanıcı incelemesi adımını koruyun.

Hangi dosya türleri en fazla çıkarma sorununa yol açar?

Düşük çözünürlüklü fotoğraflar, açılı görseller, el yazısı, düşük kontrastlı taramalar, desteklenmeyen formatlar ve ürünün işleme sınırlarını aşan dosyalar genellikle manuel inceleme gerektirir.

Her otomatik çıkarma işlemi anında bir yanıtı tetiklemeli mi?

Hayır. Kullanıcının inceleyeceği bir taslakla başlayın. Müşteriye yönelik otomasyonu yalnızca ürün bunu desteklediğinde, bilgi kaynağı uygun olduğunda ve risk anlaşıldığında ekleyin.