고객 여정을 사전에 최적화하세요

Architect 내에서 고객이 흐름을 어떻게 진행하는지 명확하게 확인하세요.

히트맵 표현을 사용하면 고객 참여도가 높은 영역을 빠르게 파악할 수 있습니다. 색상이 어두울수록 상호작용이 더 잦음을 나타냅니다.

강조 표시된 아키텍트 작업이나 흐름 구성 요소 위에 마우스를 올리면 고객이 각 작업이나 구성 요소와 상호 작용한 정확한 횟수가 표시됩니다.

히트맵을 분석하고 가장 어두운 상호작용 색상이 나타나는 위치를 확인하여 흐름 내에서 가장 자주 사용되는 건축가 작업과 기타 흐름 구성 요소를 정확히 나타냅니다. 특정 작업이나 구성요소와 많은 상호작용이 이루어지는 경우, 이러한 구성요소를 단순화하거나 개선하여 보다 원활한 경험을 보장하고, 고객 상호작용의 핵심 지점에서 발생할 수 있는 마찰을 줄이세요. 상호작용 횟수가 많다는 것은 고객에게 추가적인 지침이나 지원이 필요하다는 것을 나타낼 수도 있습니다. 고객의 요구 사항을 사전에 해결하기 위해 더 명확한 지침을 추가합니다.

히트맵을 사용하면 예상치 못하게 상호작용 횟수가 많은 영역을 파악할 수 있습니다. 이는 고객이 어려움을 겪거나 여러 번 시도해야 하는 병목 현상을 나타낼 수 있습니다. 예를 들어, 건축가 작업이나 메뉴의 상호 작용 횟수가 주변 작업보다 훨씬 높은 경우 해당 단계를 완료하는 데 어려움이나 혼란이 있을 수 있습니다. 이 건축가 작업을 단순화하거나 명확하게 하여 흐름 효율성을 개선하는 방법을 조사합니다.

상호작용 횟수가 적은 흐름 구성요소를 파악하여 고객이 이러한 구성요소를 간과하는지, 아니면 구성요소가 고객을 안내하는 데 효과적이지 않은지 평가합니다. 이러한 구성 요소를 더 두드러지게 만들거나 여정을 개선하고 각 단계가 가치를 제공하고 고객 진행을 지원하는 데 필요한지 여부를 평가합니다.

호버 시 정확한 상호작용 횟수를 확인할 수 있으므로 고객 참여도가 가장 높은 특정 흐름 구성 요소를 우선적으로 최적화할 수 있습니다. 예를 들어, 첫 번째 단계에서 상호작용 횟수가 높지만 후속 단계에서는 상호작용 횟수가 줄어드는 경우, 이 첫 번째 단계를 개선하여 고객이 다음 단계에 더 잘 대비할 수 있도록 할 수 있습니다. 또한 고객이 흐름 전반에 걸쳐 참여를 유지하도록 도울 수 있습니다.

히트맵 데이터를 통해 고객 이동 추세를 파악할 수 있습니다. 고객이 특정 Architect 흐름 구성 요소를 특정한 방식으로 반복적으로 사용하는 경우(예: 특정 단계로 반복적으로 돌아가는 경우) 흐름의 이 부분을 재설계하고 더 많은 지침을 추가하여 더 원활한 여정을 지원합니다.

최적화의 영향을 측정하기 위해 상호작용 빈도가 시간에 따라 어떻게 변하는지 추적합니다. 특정 작업의 상호작용 횟수가 개선 이후 크게 감소한 경우, 해당 개선을 통해 장벽이 성공적으로 제거되어 고객이 흐름을 더 효과적으로 안내받을 수 있음을 나타낼 수 있습니다.

1. 에서 건축가 홈페이지 , 클릭하거나 마우스를 올려 놓으세요 흐름 메뉴에서 원하는 흐름 유형을 선택하세요.
2. 분석하려는 흐름을 클릭하세요.
3. 사용하세요 흐름 통찰력 흐름에 대한 상호작용 히트맵을 표시하려면 토글합니다.
   메모 : 히트맵이 나타나려면 지난 7일간의 상호작용 데이터가 있어야 합니다.
4.  높은 빈도(상호 작용 횟수) 수준의 흐름 구성 요소를 찾고 후속 단계에서 고객이 이탈하는지 확인합니다. 다음 예에서 고객은 디지털 메뉴 동작 디지털 봇 흐름에 있지만 더 이상 진행하지 못함:
5. 이제 디지털 메뉴 작업을 검토하여 진행이 중단된 이유를 검토하고 확인하고, 마찰점을 제거하기 위해 필요한 작업을 식별합니다.

고객 여정의 다양한 흐름 세그먼트를 사용자가 어떻게 탐색하고 참여하는지에 대한 역동적인 시각적 표현을 얻으세요.

고객이 구매 여정 전반에 걸쳐 취하는 단계를 자세히 살펴보거나, 범위를 좁혀 더 광범위한 패턴을 살펴보는 방식으로 고객 행동에 대한 세부적이고 높은 수준의 통찰력을 얻으세요. 고객 경험의 일부를 나타내는 아키텍트 흐름 내의 주요 경로를 공개합니다.

다양한 흐름 결과에서 선택하여 고객이 각 결과에 도달하기 위해 이동한 경로를 보여주는 별도의 시각화 자료를 생성합니다. 결과에는 경로 포기, 상담원에게 전달, 연결 해제 또는 의도 인식 실패와 같은 시나리오가 포함됩니다. 이러한 경로는 고객 여정 내에서 성공적이거나 행복한 경로와 실패 경로를 모두 보여주며, 다양한 고객 경험에 대한 통찰력을 제공합니다.

고객이 각 여정 경로에서 도달하는 모든 흐름 이정표를 확인하세요. 특정 이정표나 결과 위에 마우스를 올려 놓으면 고객 상호작용의 빈도를 확인할 수 있습니다. 고객이 특정 단계에 얼마나 자주 상호작용하는지에 대한 데이터에 빠르게 액세스하여 여정 전체에 걸쳐 흐름 성과와 고객 참여를 평가하는 데 도움이 됩니다.

고객이 이탈하는 결과로 이어지는 고객 경로의 시각화를 분석하여 높은 비율의 고객이 이탈하는 특정 이정표를 파악합니다. 예를 들어, 특정 이정표 이후에 포기 빈도가 높다면 불분명한 지침, 긴 프로세스, 기술적 문제 등 잠재적인 마찰 지점을 조사하고 이 여정의 세그먼트에서 고객 유지를 개선하기 위한 조정을 할 수 있습니다.

상담원에게 에스컬레이션으로 연결되는 경로를 분석하여 고객이 어떤 단계에서 왜 실시간 지원이 필요하다고 느꼈는지 파악합니다. 이러한 통찰력을 바탕으로 셀프 서비스 옵션을 개선할 수 있는 기회를 파악할 수 있습니다. 예를 들어, 특정 이정표에 더 많은 안내를 추가하거나, 자동 응답을 개선하거나, 지식 문서를 다듬을 수 있습니다. 이러한 조정을 통해 문제 확대를 줄이고 더 많은 고객이 추가 지원 없이도 성공적인 결과를 얻을 수 있습니다.

고객이 아무런 문제 없이 성공적인 결과를 얻을 수 있는 행복한 경로에 집중하여 효율적인 경로를 파악합니다. 이러한 경로에 공통적인 이정표를 이해하고 일부 단계를 제거하거나 통합하여 더 많은 고객이 더 적은 노력으로 성공적인 결과에 도달할 수 있도록 하여 고객 여정을 단순화합니다.

고객 의도를 인식하는 데 한계가 있거나 인터페이스 요소가 혼란스러운 등 근본 원인을 감지하고 해결하기 위해 이러한 결과로 이어지는 각 단계를 포함하여 연결이 끊어지거나 인식에 실패하는 경로를 검토합니다. 이러한 문제를 사전에 해결하여 실패율을 줄이고 고객 만족도와 완료율을 개선하세요.

각 마일스톤의 빈도 지표를 사용하여 흐름 내에서 트래픽이 많은 영역을 식별하고 이러한 지점에 대한 최적화의 우선순위를 지정합니다. 최대한 많은 고객에게 변화가 영향을 미치도록 이러한 주요 이정표에 집중하면, 전반적으로 더 원활하고 빠른 여정과 더 높은 만족도 점수를 얻는 데 도움이 될 것입니다.

확대하여 아키텍트 흐름을 통한 고객 이동의 더 광범위한 패턴을 보고 특정 고객 세그먼트가 달성한 이정표 시퀀스와 같은 일반적인 여정 패턴을 감지합니다. 이러한 패턴을 사용하면 맞춤형 프롬프트, 바로가기 옵션, 다음 단계에 맞춰 제공되는 예측 가이드 등 개인화된 경험을 제공하고, 보다 직관적이고 매력적인 고객 여정을 만들 수 있습니다.

Architect가 이정표나 결과 위에 표시하는 빈도 지표를 통해 최적화 노력을 어디에 투자해야 할지에 대한 정보에 입각한 데이터 기반의 결정을 내릴 수 있습니다. 예를 들어, 특정 이정표에서 이탈 직전에 많은 상호작용이 발생한다면 해당 지점을 개선하기 위해 리소스를 할당하고 고객 여정 최적화를 위한 타겟팅된 접근 방식을 추진할 수 있습니다.

여러분이 봇의 효율성을 평가하고자 하는 콜센터 관리자나 분석가라고 가정해 보겠습니다. 귀하의 목표는 봇을 통해 문제를 해결한 고객 수와 인간 상담원을 통해 문제를 해결한 고객 수를 비교하는 것입니다. ACD ). 이 작업을 완료하려면 Journey Flows 기능을 사용하세요.

1. 에서 건축가 홈페이지 , 클릭하거나 마우스를 올려 놓으세요 흐름 메뉴에서 원하는 흐름 유형을 선택하세요.
2. 분석하려는 흐름을 클릭하세요.
3. 여정 흐름을 클릭하세요 통찰력 및 최적화 메뉴. 그만큼 여정의 흐름 시각화가 열립니다. 시각화는 다양한 흐름 이정표와 결과에 따른 고객 분포와 다양한 흐름 종료 이유를 보여줍니다. 시각화는 또한 각 흐름 단계에서 고객 여정이 어떻게 진행되었는지 보여줍니다.

   보여줘

   
4. 다음으로, 당신은 어떻게 알고 싶어하기 때문에 많은 고객들이 그곳에 갔다 결제가 초기화되었습니다 마일스톤, 마일스톤 위에 마우스를 올려놓으면 빈도 수가 표시됩니다.
   
5. 이제, 11%의 고객이 완료한 이유를 살펴보겠습니다. 결제가 초기화되었습니다 이정표에 따라 인간 상담원과 통화하도록 요청했고 고객의 7%가 통화를 끊었습니다. 흐름 통찰력 초기 설정 메뉴에서 디지털 메뉴 옵션의 히트맵을 생성하거나 다음을 사용합니다. 리플레이 모드 흐름의 실행 인스턴스를 확인하세요.
6. 다음으로, 세션을 조사하세요. 버려진 .
   

 

Flow Insights와 Journey Flows에서 얻은 통찰력을 바탕으로 낮은 참여도와 전환율 문제를 정확히 파악하기 위해 Architect Flow의 과거 실행을 재생합니다.

아키텍트 흐름의 핵심 구성 요소에 대한 참여를 높이고, 핵심 흐름 이정표에 대한 중단을 줄이고, 원하는 흐름 결과에 도달하는 고객 수를 늘리기 위해 테스트 흐름 논리를 조정합니다.

Flow Insights에서 고객 참여도가 낮은 특정 흐름 구성 요소를 식별한 후 재생 모드를 사용하여 고객이 해당 흐름 구성 요소와 어떻게 상호 작용하는지 조사합니다. 고객이 이탈할 수 있는 잠재적 문제(예: 혼란스러운 문구, 느린 응답 시간, 누락된 정보 등)를 파악하기 위해 고객이 취하는 단계를 다시 살펴보세요. 흐름 구성 요소를 통해 참여율을 높이기 위한 목표 조정을 실시합니다.

여정 흐름이 특정 흐름 마일스톤에서 높은 이탈률을 보이는 경우 해당 흐름 마일스톤으로 이어지는 상호작용을 재생하여 고객이 어디에서 이탈하는지, 그 이유는 무엇인지 파악합니다. 예를 들어, 고객이 특정 메뉴를 선택하거나 단계를 거친 후 나가는 경우, 재생 모드에서는 불분명한 옵션이나 충족되지 않은 기대치와 같은 문제가 드러날 수 있습니다. 이탈률을 최소화하고 여정에서 고객을 유지하려면 이정표를 조정하세요.

예를 들어, 아키텍트 흐름의 논리를 변경한 후 단계를 단순화하거나 메시지를 명확하게 한 다음, 재생 모드를 사용하여 이러한 변경 사항이 고객 행동에 긍정적인 영향을 미치는지 관찰합니다. 새로운 실행 인스턴스를 이전 실행 인스턴스와 비교한 다음 Flow Insights에서 참여율도 개선되었는지 확인하고 Journey Flows에서 이탈이 줄고 주요 성과에 도달하는 고객이 늘어났는지 확인합니다.

성공적인 결과로 이어지는 흐름 구성 요소의 경우, 이러한 흐름 구성 요소가 왜 잘 작동하는지 더 잘 이해하기 위해 고객 상호 작용을 다시 재생합니다. 이러한 통찰력은 흐름의 다른 부분을 최적화하는 데 도움이 되고, 고객이 원하는 결과를 보다 안정적으로 달성할 수 있도록 하는 더 많은 성공 경로를 만들어냅니다.

중단을 줄이거나 이정표 완료율을 높이기 위해 Architect 흐름의 논리를 개선한 후에는 조정 전후의 상호작용을 모두 다시 재생합니다. 이러한 비교를 통해 조정이 더 직관적인 흐름으로 이어졌는지 확인할 수 있습니다. Flow Insights에서 참여도가 높아지고 Journey Flows에서 마일스톤 진행이 개선된 것을 확인하세요.

여러 경로(예: 다양한 메뉴 옵션이나 셀프 서비스 경로)가 있는 흐름의 경우, 재생 모드를 사용하여 고객이 이러한 선택 사항을 어떻게 탐색하는지 추적합니다. 특정 경로에서 참여도가 현저히 낮거나 이탈률이 높은 경우 고객이 문제를 겪는 부분을 정확히 파악하고 경로 흐름 전반에 걸쳐 경로 효과의 균형을 맞추도록 수정합니다.

아키텍트 흐름의 특정 지점에서 실행 인스턴스가 에이전트에게 자주 에스컬레이션을 요청하는 경우, 이러한 순간을 분석하여 고객 좌절을 유발할 수 있는 셀프 서비스 흐름의 격차를 파악합니다. 프롬프트를 추가하고, 옵션을 명확히 하고, 흐름 응답을 개선하여 상담원의 개입 필요성을 줄이고 여정 상태를 개선하는 보다 원활한 셀프 서비스 환경을 조성하세요.

1. 건축가 홈페이지에서 클릭하거나 마우스를 올려 놓으세요. 흐름 메뉴를 선택하고 과거 실행 데이터를 사용할 수 있는 흐름 유형을 선택합니다.
2. 이전에 실행한 흐름을 열어 디버깅과 문제 해결을 수행합니다.
3. 딸깍 하는 소리 실행 내역. 흐름 실행 기록 대화 상자가 열립니다.
4. 아래에 결과 , Architect는 사용자가 연 흐름의 이전 실행 인스턴스를 나열하고 이름, 버전, 흐름 유형은 물론 흐름 인스턴스의 시작 및 종료 날짜 시간을 제공합니다.
5. 흐름 인스턴스를 클릭하여 재생 모드에서 인스턴스를 엽니다. 자세한 내용은 다음을 참조하세요. 재생 모드를 사용하여 Architect 흐름 문제 해결 .

6. 재생 컨트롤을 사용하여 흐름을 단계별로 실행하고 분석하려는 특정 흐름 구성 요소로 이어지는 작업 순서를 재생합니다. 
7. 필요한 수준의 실행 데이터를 사용할 수 있는 경우 통신 교환을 검토하고 변수 값도 검사하여 흐름 구성 요소의 문제를 정확히 파악합니다.

다음의 디지털 봇 흐름 예에서 고객은 주문 상태를 확인하기 위해 주문 번호를 입력하지만, 봇은 해당 번호를 인식하지 못합니다.

1. 흐름 설계자는 다음을 사용했습니다. 슬롯 액션을 요청하세요 주문 번호를 확인하고 다음 유형의 슬롯을 사용했습니다.builtin:any 고객의 입력을 저장합니다.
2. 봇이 입력을 받은 후 흐름은 다음으로 이동합니다. 결정 조치 라는 표현을 사용합니다If(FindFirst(Flow.OrderNumbersDatabase, ToJSON(Task.CheckNumber))==-1, false, true) 기존 주문 번호 배열이 저장된지 여부를 확인하려면Flow.OrderNumbersDatabase 변수에는 고객이 입력한 주문 번호가 포함됩니다.Task.CheckThisNumber ).

Flow Insight의 히트맵 분석은 다음을 보여줍니다. 결정 조치 항상 불행한 길을 택한다.

건축가의 재생 모드는 이런 일이 발생하는 이유를 이해하는 데 도움이 되는 열쇠를 제공합니다. 봇은 포맷에서 패턴을 사용합니다###-### 각 고객의 주문 번호를 표시하려면# 숫자(0~9)를 나타냅니다.- 는 대시 구분 기호입니다. 그룹화된 형식은 고객에게 익숙한 패턴으로, 긴 숫자열에 비해 오류 발생 가능성이 적고 숫자를 읽고 기억하기가 더 쉽습니다.

인식 문제는 봇이 주문 번호를 제공하기 때문에 발생합니다.###-### 형식이지만 봇은 사용자 입력으로 대시가 없는 숫자 문자열을 기대합니다(주문 번호 참조)Flow.OrderNumbersDatabase 변하기 쉬운). 흐름 설계의 불일치로 인해 인식 실패가 발생합니다.

                                         

재생 모드에서는 봇이 고객 입력에서 대시를 처리해야 한다는 사실이 드러났습니다. 인식 문제를 해결하려면 패턴을 포함하는 정규식 슬롯 유형을 사용하세요.^\d{6}$|^\d{3}-\d{3}$ 주문 번호를 주문 데이터베이스에서 확인하기 전에 입력 형식의 유효성을 검사하고 대시를 제거하세요.

Genesys Cloud의 모든 채널에 걸쳐 엔드투엔드 고객 여정 전체를 맞춤형으로 살펴보고, 초기 연락부터 해결까지 고객 상호작용을 파악하는 데 도움을 받으세요.

최대 365일 분량의 데이터를 활용하여 여러 채널에서 고객 상호작용을 추적하고 장기적 참여 패턴을 시각화하여 단일 채널 아키텍트 흐름을 넘어 고객 여정 분석을 확장하세요.

고객과의 상호작용에서 에이전트 지원으로의 전환 등 다양한 채널에 걸친 특정 여정을 보고 평가하여 고객 요구 사항을 파악하고 여정 결과를 개선합니다.

지난 24시간 이내에 이루어진 반복적인 통화와 같은 주요 이벤트를 필터링하거나, SMS와 같은 채널을 여정 캔버스에 추가하여 고객 경험에 대한 맞춤형 보기를 제공하고 더 나은 참여를 촉진합니다.

차트를 사용하여 시간에 따른 여정 성과 추세를 시각화하고, 시간대별로 빠르게 비교하여 셀프 서비스 요율이나 에스컬레이션과 같은 지표의 변화를 파악하여 사전에 문제를 해결합니다.

고객 여정의 여러 단계를 분석하여 이탈률이 높은 지점을 정확히 찾아내고, 채널 간 마찰을 줄여 보다 원활하고 효과적인 고객 경험을 제공합니다.

다양한 채널에 걸친 여정을 시각화하여 다양한 터치포인트에 걸친 고객 상호작용을 추적합니다. 예를 들어, 웹 메시징으로 시작해서 전화 통화로 이어지는 상호작용이 있습니다. 고객이 여정 중간에 채널을 자주 바꾼다면, 특정 채널이 고객의 요구를 충족하지 못하고 있다는 신호일 수 있습니다. 그런 다음 불필요한 채널 전환을 줄이기 위해 초기 채널의 기능을 강화하는 데 집중할 수 있으며, 이를 통해 고객의 노력을 줄이고 만족도를 높일 수 있습니다.

웹 메시징 창의 봇으로 시작하여 상담원으로 전환되는 고객 여정을 조사하여 고객이 서비스에서 격차나 지연을 경험하는 지점을 파악합니다. 예를 들어, 고객이 봇을 사용하는 데 어려움을 겪은 후 자주 상담원에게 연락하는 경우, 봇의 기능을 개선하거나 전환 프로세스를 조정하여 보다 원활한 전환을 보장할 수 있습니다.

고객이 웹 메시징 상호작용에서 음성 통화로 전환하는 등 다양한 채널을 거쳐 셀프 서비스 상호작용에서 상담원에게로 전환하는 빈도를 살펴보세요. 이러한 전환을 시각화하여 특정 상호작용이 일반적으로 에스컬레이션으로 이어지는지 확인하고, 더 효과적인 셀프 서비스를 제공하기 위해 고객 경험을 개선해야 할 영역을 제안합니다. 또한 이러한 분석을 사용하면 고객을 보다 원활하게 전환하고 관련 컨텍스트를 이미 파악하여 고객이 정보를 반복해서 문의하거나 상담원이 고객과 통화를 반복할 필요성을 줄일 수 있습니다.

다양한 메시징 채널에서 디지털 봇을 활용하는 등 다양한 채널에서 셀프 서비스 상호작용의 성공률을 평가할 수 있습니다. 셀프 서비스를 성공적으로 이용한 고객과 상담원의 개입이 필요했던 고객의 여정 경로를 비교하면 각 채널에서 어떤 셀프 서비스 흐름이 가장 효과적인지 파악할 수 있습니다. 예를 들어, SMS의 셀프서비스 완료율이 웹 메시징보다 낮다면 SMS 흐름을 개선할 것을 제안하거나, 더 명확한 메시지를 제공하거나, 일반적인 문제에 대한 더 많은 리소스를 제공할 수 있습니다.

고객이 구매 과정의 다양한 지점에서 사용하는 채널을 조사하여 고객 선호도를 나타내는 추세를 파악합니다. 예를 들어, 고객이 처음에는 IVR로 시작하지만 후속 조치를 위해 메시지로 전환하는 경향이 있는 경우, IVR 상호 작용 이후에 적극적인 메시지 전송 옵션을 고려하여 고객 행동과 선호도에 맞게 조정하고 여정 경험을 개선하세요.

막대형, 선형 또는 열형 차트를 사용하여 시간 경과에 따른 여행 성과의 추세를 시각화합니다. 시간대별 지표를 비교하여 셀프 서비스 요금 하락이나 상담원 에스컬레이션 증가 등 여정 효율성의 변화를 파악합니다. 이러한 추세를 모니터링하여 새로운 문제를 사전에 감지하고 해결하고, 여정이 효율적이고 효과적으로 유지되도록 보장합니다.

퍼널 분석을 사용하여 여러 채널에서 고객 여정의 다양한 단계를 평가하고 이탈률이 높은 지점을 파악합니다. 예를 들어, 많은 고객이 IVR 시스템을 사용하지만 셀프 서비스를 위한 메시징 채널로 전환하지 못하는 경우 전환 과정에서 발생할 수 있는 마찰 지점을 조사하세요. 참여를 유지하고 성공적인 여정 진행을 지원하기 위해 채널 간 전환을 개선합니다.

SMS나 이메일 등 여러 채널을 여정 캔버스에 추가하여 이러한 채널이 더 큰 규모의 고객 여정에 어떻게 들어맞는지 평가합니다. 특정 채널의 사용률이나 효과가 낮은 경우, 이러한 옵션을 더 잘 통합하거나 홍보하여 고객에게 더욱 포괄적이고 반응성이 뛰어난 멀티채널 경험을 제공하는 방법을 고려하세요.

소셜 미디어 애플리케이션에 맞게 설계된 봇의 효율성을 평가하는 컨택센터 분석가라고 가정해 보겠습니다. 귀하의 목표는 봇을 통해 문제를 해결한 고객 수와 인간 상담원을 통해 문제를 해결한 고객 수를 비교하는 것입니다. 아디다스 ). 이 작업을 완료하려면 Journey Analyzer 기능을 사용하세요.

1. Genesys Cloud 계정에 로그인하고 클릭하세요. 여행 관리 메뉴. 그만큼 여행 관리 화면 열립니다.
2. 새로운 여정 만들기 .
3. 들어가려면 편집하다 모드를 선택하고 여행을 수정하려면 편집하다 .
4. 여행에서 첫 번째 이벤트를 만들려면 다음을 확장하세요. 소셜 및 앱 메시징 이벤트 그룹을 선택한 다음 선택하여 드래그합니다. 웹 메시지 시작 캔버스에.
5. 다음으로, 당신은 어떻게 알고 싶어하기 때문에 많은 고객들이 갔어요 봇 시작 ~ 후에 웹 메시지 , 드래그 앤 드롭 봇 시작 캔버스에 연결한 다음 웹 메시지 시작.
   1. 이벤트를 봇 이름으로 좁히려면 봇 이름을 다음과 같이 포함합니다. 이벤트 속성 필터 .
      
      팁 : 봇 이름은 다음에서 찾을 수 있습니다. 건축가 . 여정 관리에서는 기본 봇이나 타사 봇 이벤트를 지원하지만, 기본 봇은 여정에 대한 더 자세한 데이터를 제공합니다.
6. 이제 완료된 봇 세션을 검토하려면 드래그하세요. 봇 엔드 캔버스에 연결한 다음 봇 시작 .
   1. 5단계에서 조사한 것과 동일한 봇에 관심이 있으므로 봇 식별자를 다음과 같이 포함합니다. 이벤트 속성 필터 이 행사에서.
      
      팁 : 기본 Genesys 봇을 사용하는 경우 분석을 의도 및 관련성이 있을 수 있는 기타 상호 작용 속성으로 좁히려면 다음을 추가합니다. 봇 턴 시작과 끝 사이.
   2. 완료된 봇 세션을 보려면 다음을 포함하세요. 봇세션결과 필터를 선택한 다음 선택하세요 완벽한 기인하다.
      
   3. 딸깍 하는 소리 필터 적용 .
   4. 이 이벤트에서와 같이 완료된 봇 세션을 조사하고 ACD(자동 통화 분배)로 이동한 세션은 조사하지 않습니다. 추가하다 봇 결과 필터에 넣다 들어오지 못하게 하다 섹션과 함께 ACD로 전송 값으로서.
      
      
   5. 딸깍 하는 소리 필터 적용 .
7. 다음으로, ACD에 제출된 세션을 살펴보세요. 열기 목소리 이벤트 그룹 및 드래그 t 그 ACD 시작 이벤트를 캔버스에 담았습니다. 연결해 보자 봇 시작 , 그래서 그것은 평행합니다 봇 엔드 .
   
   
8. 이 이벤트에서는 다음을 선택하세요. 큐ID ~처럼 기인하다 그런 다음 필터를 추가합니다. 결제 대기열 . 
    
   
9. 딸깍 하는 소리 구하다.

샘플 여정을 계산하고 편집하세요

1. 딸깍 하는 소리 믿다 여행을 생성하다 . 계산 횟수에 대한 알림이 나타납니다.
2. 계속하려면 클릭하세요 진행하다 . 계산을 실행하는 데 몇 분이 걸립니다. 로딩 시간은 처리해야 할 데이터 양에 따라 달라지므로, 더 큰 데이터 세트일수록 계산하는 데 더 많은 시간이 걸립니다. 결과를 보려면 페이지를 새로 고치세요.
3. 계산이 완료된 후에는 상담원이 해결한 통화 수를 알고 싶을 것입니다. 여행을 편집하려면 클릭하세요 편집하다 .
4. 드래그하다 에이전트 시작 이벤트를 생성하고 연결해 보세요. ACD 시작 이벤트.
   1. 필터를 추가합니다 결제 대기열 . 결제 대기열에는 두 개의 마무리 코드가 있습니다. 성공 그리고 실패 .
      • 성공 랩업 코드를 사용하여 에이전트 해결 과정을 추적합니다. 에서 목소리 이벤트 그룹, 드래그 마무리하기 이벤트를 캔버스에 연결해 보세요. 에이전트 시작 이벤트. 선택하세요 랩업코드 속성과 식별자를 포함합니다 성공 필터로 랩업 코드를 사용합니다.
        
        메모 : 와이 Wrap-up API 엔드포인트를 통해 환경에서 사용되는 Wrap-up 코드 ID 목록을 얻을 수 있습니다. API 탐색기 Genesys Cloud Developer 사이트에서 이용할 수 있습니다.
      • 그것이 다음을 의미한다는 것을 나타내기 위해 성공 랩업 코드, r 이름을 지정하다 마무리하기 이벤트.
5. 딸깍 하는 소리 구하다.
6. 여행을 업데이트하려면 클릭하세요. 믿다 . 업데이트된 숫자를 보려면 페이지를 새로 고치세요.

샘플 여정에서 퍼널 분석을 확인하세요

의 도움으로 퍼널 분석 , 당신은 할 수 있습니다 고객이 목표를 달성하기 위해 여정을 어떻게 진행하는지 이해하고 개별 여정 경로의 성공률을 파악하세요.

여행에는 꼭 있어야 할 것이 있습니다 계산 깔때기 분석을 위해서.

1. 분석하려는 기존 여정을 엽니다. 
2. ~ 안에 편집 모드 , 클릭 변환 표시 . Journey Analyzer는 전환 지표를 계산합니다.
3. 귀속된 지표를 검토하려면 이벤트의 오른쪽 상단에 있는 + 아이콘을 다시 클릭하세요. 이벤트의 전환 지표를 숨기려면 오른쪽 상단 모서리에 있는 - 아이콘을 클릭하세요.
4. 고객이 따른 여정을 확인하려면 다음을 조사하세요. 고객 , 전환율 , 떨어뜨렸다 밖으로 그리고 앞으로 나아갔다 각 이벤트의 측정항목.
   
   예 : 깔때기 분석 봇 시작 이벤트에 따르면 이 시점에서 650명의 고객이 여정에서 이탈했으며 1052명의 고객이 앞으로 나아갔다 에게 봇 끝 , 그래서 봇 끝 전환율은 61.7%입니다. 이는 고객의 61.7%가 다음 단계에 도달했다는 의미입니다. 봇 끝 세션.