滅伉圻幹

(see the * 'adobe' handle in functions.php ! no async, no defer), so a page-load * Target offer has already set `data-hdr` by the time this runs. * * An answer that lands after this point is inert rather than acted on: * `apply()` finds the prune settled and does nothing, so the visitor * keeps the nav they were served instead of watching it change. That is * the deliberate trade-off ! a late activity collects no data, but no * visitor ever sees the wrong nav or waits for the right one. */ (function () { var VARIANTS = ["a","b","c"]; var DEFAULT = "a"; /** * QA-only. When the on-page switcher is drawn we keep every variant in * the DOM so it can toggle between them live and you can see that the * chrome never repaints. Gated by the same constant as the switcher, so * it is false everywhere the switcher is absent ! including production. */ var QA_KEEP_ALL = false; var root = document.documentElement; var settled = false; function valid(v) { return VARIANTS.indexOf(v) !== -1; } /** Publish the decision and let the nav JS bind. */ function finish(active) { root.setAttribute('data-hdr', active); // Read by the Adobe Analytics client to attribute the test. root.setAttribute('data-hdr-active', active); if (typeof window.initHeaderNav === 'function') window.initHeaderNav(); /** * `variant` is set before the event so late listeners can tell * "already done" from "not yet". main.js is enqueued in the footer * and therefore always misses the event itself. */ window.medalliaNav.variant = active; document.dispatchEvent(new CustomEvent('medallia:nav-ready', { detail: { variant: active } })); } function prune(active) { if (settled) return; settled = true; if (QA_KEEP_ALL) { finish(active); return; } /** * Only menu items carry data-nav-variant, so this can never touch * the shared chrome. CSS has already hidden the losers; removing * them keeps document.querySelector-based nav JS unambiguous. */ var list = document.querySelectorAll('#site-header [data-nav-variant]'); for (var i = 0; i < list.length; i++) { if (list[i].getAttribute('data-nav-variant') !== active) { list[i].parentNode.removeChild(list[i]); } } finish(active); } window.medalliaNav = { variant: null, apply: function (v) { if (valid(v)) prune(v); } }; // `?hv=` sets this server-side; a Target offer in the blocking // embed sets it before the body is parsed. var pre = root.getAttribute('data-hdr'); if (valid(pre)) { prune(pre); return; } /** * Carried forward from an earlier pageview. Read client-side, never in * PHP: WP Engine does not vary its page-cache key on arbitrary cookies, * so server-side personalisation here would serve the first anonymous * visitor's variant to everyone. */ var m = document.cookie.match(/(?:^|; )medallia_nav_variant=([^;]*)/); if (m && valid(m[1])) { prune(m[1]); return; } prune(DEFAULT); })();
Destaque da solu??o

Uma montanha de texto: como um gigante do varejo encontra clareza em meio ao caos

Um painel exibe os temas dos coment│rios dos clientes, com links para resumos e ┴ndices de impacto. Um resumo detalhado sobre a disponibilidade da equipe └ exibido em uma janela pop-up. O 滅伉圻幹 aparece no canto inferior esquerdo.

Para ilustrar os principais casos de uso da IA, veja como uma loja fict┴cia de materiais de constru??o analisa instantaneamente milhares de intera??es com clientes para identificar e resolver a causa raiz dos problemas que afetam a experi┷ncia do cliente.?



No ┣ltimo ano, introduzimos um conjunto de novos e poderosos recursos Frontline-Ready AI? que se integram perfeitamente aos fluxos de trabalho existentes de experi┷ncia do cliente e encurtam o caminho entre o insight e a a??o para melhorar as experi┷ncias dos clientes.

Aqui, destacamos essas solu??es, ressaltando como essas ferramentas podem ajudar as equipes a agir mais rapidamente, resolver problemas de maneira mais inteligente e entregar resultados no momento, sem espera, ru┴do ou suposi??es.?

Nesta primeira publica??o da s└rie, apresentaremos os principais casos de uso da experi┷ncia do cliente e os benef┴cios dos .?

Os resumos inteligentes para an│lise de texto aproveitam o poder da GenAI para ajudar as marcas a compreender os principais temas e sentimentos de milhares de intera??es com clientes ┐ medida que estas se desenrolam em tempo real em todos os canais, sem que ningu└m tenha de ouvir manualmente, ler uma transcri??o ou analisar uma ┣nica conversa.

A seguir, mostraremos o recurso em a??o. Veja como a GoodHome, uma loja fict┴cia de materiais de constru??o, obt└m valor imediato com nossa nova solu??o para obter uma atualiza??o dos KPIs de CX da marca em segundos, descobrir o que causou o decl┴nio de uma das 馨└岳姻庄界温壊 mais importantes da loja e implementar uma solu??o para resolver a causa raiz do problema o mais r│pido poss┴vel.?

Vamos ao que interessa.

O personagem e o conflito

Conhe?a Sara, gerente de CX da GoodHome, uma loja fict┴cia de materiais de constru??o.

Ela costumava passar horas revisando manualmente montanhas de dados para entender o que estava acontecendo com seus clientes. Ela precisava analisar conversas nas redes sociais, avalia??es online e chamadas de suporte ao cliente, e-mails e sess?es de chat ao vivo para descobrir os principais problemas com os quais eles estavam enfrentando e o que sua equipe precisava fazer para intervir.

Demorou tanto tempo para encontrar respostas que ela n?o conseguiu agir no momento, quando realmente importava.?

Tudo isso mudou quando a GoodHome investiu no Intelligent Summaries para an│lise de texto, uma solu??o da 滅伉圻幹 analisa instantaneamente montanhas de dados n?o estruturados (incluindo coment│rios, avalia??es e transcri??es) com resumos alimentados por GenAI.

O momento da verdade...

Ao recorrer ao Intelligent Summaries para an│lise de texto, Sara agora consegue identificar rapidamente o que est│ acontecendo com os clientes da GoodHome, obtendo informa??es em tempo real sobre as 馨└岳姻庄界温壊 mais importantes da experi┷ncia do cliente do varejista.

Recentemente, ela o utilizou para detectar uma queda cr┴tica na pontua??o de satisfa??o geral na loja (OSAT) da empresa. O KPI havia ca┴do de um s┏lido 8,6 em 10 para um pouco acima da m└dia, 5,4.?

O que estava acontecendo?

Para obter respostas, Sara conseguiu abandonar seu processo t┴pico (tedioso) de revis?o manual e obter as informa??es de que precisava com apenas um clique.

A solu??o: resumos inteligentes para an│lise de texto

Os resumos inteligentes para an│lise de texto fornecem uma an│lise baseada em GenAI dos coment│rios mais recentes e relevantes dos clientes sobre este tema, apresentando um resumo executivo da quest?o em apenas alguns segundos.?

Um painel mostra os principais t┏picos que afetam as lojas. Os t┏picos principais, como a utilidade dos funcion│rios, t┷m pontua??es de impacto positivas (+3,23 a +1,84), enquanto os t┏picos secund│rios, como pedidos online - retirada na loja, apresentam pontua??es negativas (-3,08 a -0,11).

Os resumos inteligentes para an│lise de texto fornecem um resumo do t┏pico com apenas um clique.?

Sem precisar pesquisar os dados, ela conseguiu obter esse resumo gerado por IA com um ┣nico clique.

Uma caixa de texto pop-up explica as dificuldades dos clientes com pedidos para retirada na loja, mencionando problemas para confirmar a disponibilidade, fazer altera??es, entrar em contato com o suporte e confus?o devido a atualiza??es pouco claras, o que leva ┐ frustra??o.

Os resumos inteligentes para an│lise de texto explicam as mudan?as nas 馨└岳姻庄界温壊, resumindo as intera??es recentes e mais relevantes dos clientes para esse t┏pico ou tema espec┴fico.

Sara tamb└m p?de visualizar o Resumo Inteligente sobre o t┏pico quando clicou em An│lise Aprofundada do T┏pico para obter um pouco mais de an│lise. A An│lise Aprofundada do T┏pico tamb└m revelou temas coocorrentes relacionados ao t┏pico, que indicavam que o aplicativo estava travando, os clientes estavam enfrentando problemas com o processamento de seus pedidos e o aplicativo n?o estava est│vel.?

Ao ver o impacto da ^falha recorrente do aplicativo ̄, Sara p?de visualizar um resumo desse tema que a ajudou a identificar o motivo: uma experi┷ncia confusa no aplicativo estava impedindo os clientes da GoodHome de visualizar seus pedidos, levando a uma experi┷ncia ruim de retirada.?

Uma tela de resumo mostra 22,2% de registros positivos e 71,2% negativos para o aplicativo GoodHome, com coment│rios dos usu│rios destacando problemas de falta de resposta na retirada e confirma??o de pedidos, causando confus?o e solicita??es de suporte.

Quando as equipes se aprofundam em temas coocorrentes, elas podem compreender rapidamente os temas mais impactantes com um resumo das intera??es mais recentes.?

Tudo isso sem nunca precisar ler ou revisar manualmente um ┣nico coment│rio ou conversa.?

A resolu??o e o impacto nos neg┏cios

Ao identificar rapidamente o problema no momento, Sara conseguiu alertar os desenvolvedores de aplicativos da empresa, que intervieram, implementaram uma corre??o e resolveram os problemas do aplicativo imediatamente.

Os clientes puderam mais uma vez retirar seus pedidos sem problemas, e a pontua??o OSAT da empresa nas lojas voltou ┐ m└dia de 8,6 que a marca havia alcan?ado nos tr┷s meses anteriores.

Ao agir no momento, Sara impediu que a situa??o sa┴sse do controle, evitando que os clientes se tornassem detratores e evitando uma montanha de avalia??es negativas que poderiam ter dissuadido futuros clientes de usar o aplicativo ou fazer neg┏cios com a GoodHome.?

Veja os resumos inteligentes 滅伉圻幹para an│lise de texto em a??o

Assista nossa e descubra como esta solu??o GenAI pode transformar os dados n?o estruturados da sua empresa em resumos pr│ticos de 10 segundos.