Ver las características que influyeron en las decisiones de enrutamiento predictivo

Prerrequisitos
  • Enrutamiento > Modelo de predicción > Vista
  • Enrutamiento > Modelo de predicción Característica > Vista permisos

Puede ver las principales características que contribuyen a las decisiones de enrutamiento en una cola específica. Para más información sobre la importancia de las características y lo que significan en el proceso de predicción, véase Cómo puntúa el modelo de IA a los agentes para el enrutamiento predictivo.

  1. Vaya a Rendimiento > Espacio de trabajo > Enrutamiento predictivo.
  2. Haga clic en el nombre de la cola y abra la pestaña Predictive Model.
  3. En la lista, elija el tipo de medio para el que debe ver los detalles.

La página clasifica las 10 principales características en estas categorías: características de los agentes, características de los clientes y otras características. Las funciones que quedan fuera de las 10 principales aparecen en la lista de funciones varias. Para ver el desglose de las funciones, seleccione Ver todas las funciones.

A continuación se presenta un ejemplo de una característica que influyó en la decisión de enrutamiento.

La siguiente tabla le ayuda a interpretar la plantilla de características basada en el ejemplo anterior:

Gritar Descripción
1

Especifica si la función es sobre el agente, la persona que llama o la interacción. Los valores posibles son: 

  • usuario - Indica el agente
  • llamante - Indica el cliente y sólo es aplicable al tipo de medio de comunicación de voz
  • userqueue - Indica la interacción del agente en la cola
  • callerqueue - Indica la interacción de la persona que llama en la cola
  • calculado - Indica que la característica se calcula a partir de otros campos como el tiempo de interacción
2

Especifica cómo se miden los datos de las características. Los valores posibles son:

  • n - Indica el recuento 
  • t - Indica el tiempo
3

Especifica la actividad que ocurrió en la cola.

Nota: Si su organización tiene activado el análisis de sentimientos, la función puede contener uno o ambos de los siguientes elementos:
  • Puntuación de sentimiento - La puntuación de sentimiento de una conversación teniendo en cuenta las solicitudes de puntuación global.
  • Tendencia del sentimiento - La tendencia de una conversación dados todos sus sentimientos.

User y userqueue utilizan sólo sentimentScore; mientras que customer y customerQueue utilizan tanto sentimentScore como sentimentTrend.
4

Especifica el tipo de soporte. Los valores posibles son:

  • voz
  • Email
  • mensaje
5 Especifica el periodo sobre el que se ha calculado la métrica.
6

Especifica la función matemática utilizada para obtener el valor agregado.

Por lo tanto, el ejemplo anterior indica que los datos se refieren a un agente que atendió llamadas de voz para las que hubo transferencias de consulta. El número de llamadas de voz se calculó para 30 días. Si el porcentaje de esta característica es de 10 y ocupa el primer lugar, indica que uno de los principales contribuyentes de la decisión de enrutamiento fue el número de llamadas de voz que tenían transferencias de consulta.