Tiếp Nhận Vé Nhanh & Phân Loại Thông Minh (Email/Chat → Ý Định & Ưu Tiên → Phân Công Hàng Đợi)
Phân loại vé đến theo ý định, mức độ khẩn cấp, khu vực sản phẩm và rủi ro để đội ngũ tuyến đầu có thể tự động chuyển hướng công việc và bảo vệ SLA ngay từ ngày đầu.
Tổng quan prompt
Mẹo dành cho bạn
- Thiết lập phân loại ý định một lần, sau đó huấn luyện macro để ánh xạ kết quả sang các hàng đợi trung tâm trợ giúp. - Theo dõi sự khác biệt giữa nhãn AI và chỉnh sửa của con người để tinh chỉnh quy tắc. - Thêm kiểm tra regex trước cho dấu hiệu tài khoản hoặc khu vực để tăng độ chính xác phân luồng.
Từ đội ngũ vận hànhNexusAi TechnologyVấn đề được giải quyết
Hàng đợi không có cấu trúc làm chậm phản hồi và làm chìm các mục khẩn cấp. Lời nhắc này tạo ra các nhãn nhất quán, có thể kiểm tra được, giúp điều hướng và ưu tiên công việc.
Khóa phân loại ý định
Nhãn nhất quán không bị lệch giữa các đại lý hoặc ca làm việc.
Ưu tiên có bằng chứng
Mỗi quyết định ưu tiên đều có trích dẫn rõ ràng làm cơ sở.
Phát hiện dấu hiệu rủi ro
Nhanh chóng nhận diện các tín hiệu pháp lý, bảo mật, sự cố và mất khách.
Đề xuất hàng đợi
Ánh xạ mỗi vé đến đúng đội với lý do rõ ràng.
Hướng dẫn prompt AI
Hành động như: Một nhà phân tích vận hành hỗ trợ cấp cao đang cấu hình phân loại AI tuyến đầu cho trung tâm trợ giúp đa kênh.
Tại sao nhiệm vụ này quan trọng: Phân loại chính xác ngay từ đầu giúp giảm thời gian xử lý, bảo vệ SLA và ngăn chặn các vấn đề rủi ro cao bị kẹt trong hàng đợi chung.
Các giới hạn quan trọng:
- Không bao giờ bịa đặt dữ liệu tài khoản hoặc các cam kết. Nếu thiếu thông tin, đánh dấu là Thiếu Ngữ Cảnh.
- Tôn trọng chính sách và bảo mật; không đưa thông tin bí mật vào kết quả.
- Giữ nhãn ổn định và có thể đọc được bằng máy.
Dữ liệu đầu vào của người dùng (dán bên dưới):
- Tin nhắn khách hàng (nguyên bản)
- Metadata tùy chọn: kênh, cấp độ khách hàng, sản phẩm, khu vực, ngôn ngữ
- SLA đã biết theo cấp (nếu có)
Mục tiêu:
1) Xác định ý định (thanh toán, kỹ thuật, truy cập tài khoản, báo lỗi, yêu cầu tính năng, khiếu nại, khác).
2) Gán mức ưu tiên (P0 nghiêm trọng, P1 cao, P2 bình thường, P3 thấp) kèm lý do.
3) Phát hiện các dấu hiệu rủi ro (pháp lý, bảo mật, sự cố, mất khách, VIP).
4) Đề xuất hàng đợi phân công (Thanh toán, Kỹ thuật L1, Kỹ thuật L2, CS, Đội An Toàn & Tin Cậy, Thang cấp).
5) Liệt kê các câu hỏi thiếu ngữ cảnh để mở khóa giải pháp.
Quy trình phân tích:
1) Phân tích tin nhắn để tìm yêu cầu rõ ràng, triệu chứng, thời gian và cảm xúc.
2) Ánh xạ thành một ý định chính và tối đa hai ý định phụ.
3) Đánh giá ưu tiên dựa trên SLA/cấp, tác động và tính cấp thiết về thời gian.
4) Kiểm tra các dấu hiệu rủi ro và giải thích nếu có.
5) Đề xuất hàng đợi mục tiêu và lý do.
6) Soạn thảo 3 câu hỏi làm rõ nếu thông tin không đủ.
Định dạng đầu ra yêu cầu (JSON):
{
"intent_primary": "",
"intent_secondary": [""],
"priority": "P0|P1|P2|P3",
"risk_flags": ["security|legal|outage|vip|churn|none"],
"route_queue": "",
"sla_note": "",
"evidence": ["trích dẫn ngắn từ tin nhắn"],
"missing_context_questions": ["?", "?", "?"]
}
Kiểm soát chất lượng:
- Hỗ trợ mỗi nhãn bằng ít nhất một trích dẫn ngắn.
- Nếu bằng chứng yếu, giảm độ tin cậy và thêm câu hỏi thiếu ngữ cảnh.
Danh sách kiểm tra xác minh:
- Mức ưu tiên có phù hợp với tác động và cấp không?
- Các dấu hiệu rủi ro có được trích dẫn chứng minh không?
- Hàng đợi phân công có phù hợp với ý định không?
Hướng dẫn cuối cùng: Chỉ tạo ra khối JSON.
Kết quả kỳ vọng
{ "intent_primary": "billing", "intent_secondary": ["refund"], "priority": "P1", "risk_flags": ["churn"], "route_queue": "Billing", "sla_note": "Tier Gold: 4h first response", "evidence": ["charged twice", "cancel if not fixed"], "missing_context_questions": ["What invoice ID?", "Which charge date?", "Preferred refund method?"] }
Hành trình triển khai
Phân loại vé mới trong ChatGPT
Mở ChatGPT và dán 10–20 tin nhắn khách hàng gần đây cùng với các ghi chú SLA nếu có. Chạy lời nhắc để tạo nhãn JSON cho từng vé với ý định, ưu tiên, dấu hiệu rủi ro và hàng đợi phân công.
10-15 minÁnh xạ nhãn sang hàng đợi
Trong ChatGPT, yêu cầu bảng ánh xạ từ route_queue sang các hàng đợi trung tâm trợ giúp của bạn. Xác nhận bảng ánh xạ và tạo lại JSON với tên hàng đợi đúng cho môi trường của bạn.
5-10 minTriển khai quy tắc phân luồng
Dùng JSON cuối cùng làm đặc tả để tạo quy tắc phân luồng trong trung tâm trợ giúp. Thử nghiệm với 20 vé mới và so sánh phân luồng AI với con người để xác minh độ chính xác trước khi bật tự động phân công.
20-30 min