(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";
var root = document.documentElement;
var settled = false;
function valid(v) { return VARIANTS.indexOf(v) !== -1; }
function prune(active) {
if (settled) return;
settled = true;
var list = document.querySelectorAll('#site-header > .header-variant');
for (var i = 0; i < list.length; i++) {
if (list[i].getAttribute('data-header-variant') !== active) {
list[i].parentNode.removeChild(list[i]);
}
}
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 }
}));
}
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);
})();
Solution Spotlight
Eine Flut von Texten: Wie ein Einzelhandelsriese Klarheit inmitten des Chaos findet
So werden wichtige Anwendungsf?lle der KI in die Praxis umgesetzt: Hier erfahren Sie, wie ein fiktiver Baumarktbetreiber Tausende von Kundeninteraktionen sofort analysiert, um die Ursachen von Problemen zu ermitteln und zu beheben, customer experience beeintr?chtigen.?
Hier stellen wir diese L?sungen vor und zeigen, wie diese Tools Teams dabei helfen k?nnen, schneller zu handeln, Probleme intelligenter zu l?sen und Ergebnisse sofort zu liefern, ohne Wartezeiten, St?rungen oder Spekulationen.?
In diesem ersten Beitrag der Reihe führen wir Sie durch die wichtigsten customer experience sowie die Vorteile von .?
Intelligente Zusammenfassungen für die Textanalyse nutzen die Leistungsf?higkeit von GenAI, um Marken dabei zu helfen, die wichtigsten Themen und Stimmungen aus Tausenden von Kundeninteraktionen zu verstehen, w?hrend diese sich in Echtzeit über verschiedene Kan?le hinweg abspielen – ohne dass jemand manuell zuh?ren, Transkripte lesen oder einzelne Gespr?che analysieren muss.
Im Folgenden zeigen wir Ihnen die Funktion in Aktion. Sehen Sie, wie der fiktive Baumarkt GoodHome mit unserer neuen L?sung sofortigen Mehrwert erzielt, indem er innerhalb von Sekunden eine Aktualisierung der CX-KPIs der Marke erh?lt, herausfindet, was zu einem Rückgang einer der wichtigsten Kennzahlen des Einzelh?ndlers geführt hat, und eine L?sung implementiert, um die Ursache des Problems so schnell wie m?glich zu beheben.?
Kommen wir zur Sache.
Der Charakter und der Konflikt
Lernen Sie Sara kennen, die CX-Managerin beim (fiktiven) Baumarkt GoodHome.
Früher verbrachte sie Stunden damit, Berge von Daten manuell zu überprüfen, um zu verstehen, was bei ihren Kunden vor sich ging. Sie musste Social-Media-Konversationen, Online-Bewertungen und Kundensupport-Anrufe, E-Mails und Live-Chat-Sitzungen durchforsten, um herauszufinden, mit welchen Problemen ihre Kunden am meisten zu k?mpfen hatten und was ihr Team tun musste, um einzugreifen.
Es dauerte so lange, Antworten zu finden, dass sie in dem Moment, als es tats?chlich darauf ankam, nicht handeln konnte.?
Das ?nderte sich, als GoodHome in Intelligent Summaries für Textanalysen investierte, eine L?sung von 糖心原创 mit GenAI-gestützten Zusammenfassungen sofort Unmengen unstrukturierter Daten (einschlie?lich Kommentaren, Bewertungen und Transkripten) durchforstet.
Der Moment der Wahrheit…
Durch den Einsatz von ?Intelligent Summaries“ für die Textanalyse kann Sara nun schnell erkennen, was bei den Kunden von GoodHome vor sich geht, indem sie sich in Echtzeit einen ?berblick über die wichtigsten customer experience des Einzelh?ndlers verschafft.
Kürzlich nutzte sie es, um einen kritischen Rückgang des OSAT-Wertes (Overall Satisfaction Score) des Unternehmens zu erkennen. Der KPI war von starken 8,6 von 10 Punkten auf knapp überdurchschnittliche 5,4 Punkte gefallen.?
Was war los?
Um Antworten zu erhalten, konnte Sara ihren üblichen (mühsamen) Prozess der manuellen ?berprüfung hinter sich lassen und die ben?tigten Informationen mit nur einem Klick abrufen.
Die L?sung: Intelligente Zusammenfassungen für die Textanalyse
Intelligente Zusammenfassungen für die Textanalyse bieten eine GenAI-gestützte Analyse der neuesten, relevanten Kundenkommentare zu diesem Thema und liefern innerhalb von Sekunden eine Zusammenfassung der Problematik auf Führungsebene.?
Intelligente Zusammenfassungen für die Textanalyse bieten mit nur einem Klick eine Zusammenfassung des Themas.?
Ohne sich mit den Daten auseinandersetzen zu müssen, konnte sie diese generative, KI-gestützte Zusammenfassung mit einem Klick erhalten.
Intelligente Zusammenfassungen für die Textanalyse erkl?ren Ver?nderungen in den Kennzahlen, indem sie die jüngsten und relevantesten Kundeninteraktionen zu einem bestimmten Thema oder einer bestimmten Thematik zusammenfassen.
Sara konnte auch die intelligente Zusammenfassung zum Thema anzeigen, als sie auf ?Thema vertiefen“ klickte, um eine etwas detailliertere Analyse zu erhalten. Die Funktion ?Thema vertiefen“ zeigte auch gleichzeitig auftretende Themen im Zusammenhang mit dem Thema an, die darauf hindeuteten, dass die App abstürzte, Kunden Probleme mit der Bearbeitung ihrer Bestellungen hatten und die App nicht stabil war.?
Als Sara die Auswirkungen des Problems ?wiederkehrende App-Abstürze“ erkannte, konnte sie sich eine Zusammenfassung dieses Themas anzeigen lassen, die ihr half, die Ursache zu identifizieren: Eine verwirrende App-Erfahrung hinderte GoodHome-Kunden daran, ihre Bestellungen anzuzeigen, was zu einer schlechten Abholerfahrung führte.?
Wenn Teams sich mit gleichzeitig auftretenden Themen befassen, k?nnen sie anhand einer Zusammenfassung der jüngsten Interaktionen schnell die Themen mit der gr??ten Wirkung erkennen.?
All das, ohne jemals einen einzigen Kommentar oder eine einzige Unterhaltung manuell lesen oder überprüfen zu müssen.?
Die Resolution und die Auswirkungen auf die Gesch?ftst?tigkeit
Durch die schnelle Identifizierung des Problems konnte Sara die App-Entwickler des Unternehmens alarmieren, die eingriffen, eine L?sung implementierten und die App-Probleme umgehend behoben.
Die Kunden konnten ihre Bestellungen wieder reibungslos und ohne Probleme abholen, und die OSAT-Bewertung des Unternehmens im Laden stieg wieder auf den Durchschnittswert von 8,6, den die Marke in den letzten drei Monaten erreicht hatte.
Durch ihr sofortiges Handeln verhinderte Sara, dass sich das Problem weiter zuspitzte – sie bewahrte Kunden davor, zu Kritikern zu werden, und vermied eine Flut negativer Bewertungen, die potenzielle Neukunden davon abgehalten h?tten, die App zu nutzen oder mit GoodHome Gesch?fte zu machen.?
Sehen Sie sich 糖心原创intelligente Zusammenfassungen für Textanalysen in Aktion an.
Sehen Sie sich unsere an und erfahren Sie, wie diese GenAI-L?sung die unstrukturierten Datenpunkte Ihres Unternehmens in umsetzbare 10-Sekunden-Zusammenfassungen übersetzen kann.
