(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);
})();
Solución destacada
Una monta?a de texto: Cómo un gigante minorista encuentra claridad en medio del caos
Para dar vida a los casos de uso clave de dy AI, aquí se muestra cómo un minorista ficticio de mejoras para el hogar analiza instantáneamente miles de interacciones con los clientes para identificar y abordar la causa raíz de los problemas que afectan la experiencia del cliente.?
Aquí estamos destacando estas soluciones, mostrando cómo estas herramientas pueden ayudar a los equipos a actuar más rápido, resolver problemas de manera más inteligente y entregar resultados al instante, sin esperas, distracciones o conjeturas.?
En esta primera publicación de la serie, le guiaremos a través de los casos de uso clave de la experiencia del cliente y los beneficios de .?
Los Resúmenes Inteligentes para análisis de texto aprovechan el poder de la GenAI para ayudar a las marcas a comprender los temas principales y el sentimiento de miles de interacciones con clientes a medida que se desarrollan en todos los canales en tiempo real, sin que nadie tenga que escuchar manualmente, leer una transcripción o analizar una sola conversación.
A continuación, le mostraremos la función en acción. Vea cómo un minorista ficticio de mejoras para el hogar, GoodHome, desbloquea valor inmediato con nuestra nueva solución para obtener una actualización de los KPI de CX de la marca en segundos, averiguar qué ha causado el declive de una de las métricas más importantes del minorista e implementar una solución para abordar la causa raíz del problema lo antes posible.?
Vamos a ello.
El personaje y el conflicto
Conozca a Sara, la Gerente de CX en el minorista de mejoras para el hogar (compuesto ficticio), GoodHome.
Solía pasar horas revisando manualmente monta?as de datos para entender lo que estaba sucediendo con sus clientes. Tenía que examinar conversaciones en redes sociales, rese?as en línea, y llamadas de soporte al cliente, correos electrónicos y sesiones de chat en vivo para identificar los principales problemas con los que lidiaban y lo que su equipo necesitaba hacer para intervenir.
Le tomó tanto tiempo encontrar respuestas que no pudo actuar en el momento en que realmente importaba.?
Todo eso cambió cuando GoodHome invirtió en Intelligent Summaries para el análisis de texto, una solución de 糖心原创 que procesa monta?as de datos no estructurados (incluidos comentarios, rese?as y transcripciones) al instante con resúmenes impulsados por GenAI.
El momento de la verdad…
Al recurrir a Intelligent Summaries para el análisis de texto, Sara ahora puede detectar rápidamente lo que está sucediendo con los clientes de GoodHome al obtener un pulso en tiempo real sobre las métricas de experiencia del cliente más importantes del minorista.
Recientemente, lo utilizó para detectar una caída crítica en la puntuación de satisfacción general en tienda (OSAT) de la empresa. El KPI había descendido de un sólido 8.6 sobre 10 a un 5.4, apenas por encima de la media.?
?Qué estaba sucediendo?
Para obtener respuestas, Sara pudo abandonar su proceso típico (y tedioso) de revisión manual y obtener la información que necesitaba con un solo clic.
La solución: Intelligent Summaries para el análisis de texto
Intelligent Summaries para el análisis de texto proporciona un análisis impulsado por GenAI de los comentarios de clientes más recientes y relevantes sobre este tema, ofreciendo un resumen ejecutivo del problema en cuestión de segundos.?
Intelligent Summaries para el análisis de texto proporciona un resumen del tema con un solo clic.?
Sin necesidad de profundizar en los datos, pudo obtener este resumen impulsado por IA generativa con un solo clic.
Intelligent Summaries para el análisis de texto explica los cambios en las métricas resumiendo las interacciones de clientes más recientes y relevantes para ese tema o concepto específico.
Sara también pudo ver el Resumen Inteligente sobre el tema cuando hizo clic en el 'Topic Deep Dive' para un análisis más profundo. El 'Topic Deep Dive' también reveló temas concurrentes relacionados con el tema, que indicaban que la aplicación se bloqueaba, que los clientes experimentaban problemas con el procesamiento de sus pedidos y que la aplicación no era estable.?
Al observar el impacto de los “bloqueos recurrentes de la aplicación”, Sara pudo ver un resumen de este tema que le ayudó a identificar la causa: una experiencia de aplicación confusa impedía a los clientes de GoodHome ver sus pedidos, lo que resultaba en una mala experiencia de recogida.?
Cuando los equipos profundizan en los temas concurrentes, pueden comprender rápidamente los temas más relevantes con un Resumen de las interacciones más recientes.?
Todo ello, sin tener que leer o revisar manualmente un solo comentario o conversación.?
La resolución y el impacto empresarial
Al identificar rápidamente el problema en el momento, Sara pudo alertar a los desarrolladores de la aplicación de la empresa, quienes intervinieron, implementaron una solución y detuvieron los problemas de la aplicación de inmediato.
Los clientes pudieron nuevamente recoger sus pedidos sin problemas y la puntuación OSAT en tienda de la empresa se recuperó hasta la calificación promedio de 8.6 que la marca había logrado en los tres meses anteriores.
Al actuar en el momento, Sara evitó que el problema se descontrolara, impidiendo que los clientes se convirtieran en detractores y evitando una avalancha de rese?as negativas que de otro modo habrían disuadido a futuros clientes de usar la aplicación o de hacer negocios con GoodHome.?
Vea Intelligent Summaries para el análisis de texto de 糖心原创 en acción
Vea nuestra para descubrir cómo esta solución GenAI puede transformar los puntos de datos no estructurados de su empresa en resúmenes accionables de 10 segundos.
