Trình Gán Nhãn Phân Loại Tự Động Vé Hỗ Trợ (Vé → Danh Mục → Định Tuyến SLA)
Tự động gán nhãn vé hỗ trợ với danh mục chính xác, mức độ nghiêm trọng và hành động tiếp theo để giảm tồn đọng và tăng tốc định tuyến SLA.
Tổng quan prompt
Mẹo dành cho bạn
- Bao gồm 3–5 ví dụ lịch sử cho mỗi danh mục để tăng độ chính xác. - Thêm tên macro trong cột Hành động tiếp theo để nhân viên có thể phản hồi chỉ với một cú nhấp. - Xem xét các nhãn có độ tin cậy thấp hàng tuần để điều chỉnh phân loại.
Từ đội ngũ vận hànhNexusAi TechnologyVấn đề được giải quyết
Việc gán nhãn thủ công không nhất quán gây ra định tuyến sai và chậm trễ trong giải quyết. Điều này tạo ra các nhãn và chuyển giao có thể dự đoán và kiểm tra được.
Đánh giá độ tin cậy
Đánh dấu các nhãn có độ tin cậy thấp để xem xét.
Mức độ nghiêm trọng theo SLA
Mức độ nghiêm trọng được ánh xạ theo quy tắc rõ ràng, có thể kiểm tra.
Đầu ra sẵn sàng định tuyến
CSV và JSON được tùy chỉnh cho hệ thống hỗ trợ.
Ghi nhật ký ngoại lệ
Ghi lại các vé mơ hồ kèm lý do.
Hướng dẫn prompt AI
Hành động như: Một trưởng bộ phận vận hành hỗ trợ và nhà thiết kế phân loại thực hiện các hệ thống phân loại có thể mở rộng.
Tại sao nhiệm vụ này quan trọng: Nhãn chính xác thúc đẩy việc phân bổ nhân sự, SLA và cung cấp thông tin chi tiết. Một hệ thống gán nhãn nhất quán cho phép báo cáo đáng tin cậy và sửa lỗi nhanh hơn.
Giới hạn quan trọng:
- Không bao giờ đoán P0 trừ khi dữ liệu rõ ràng hỗ trợ sự cố người dùng/hệ thống hoặc rủi ro tài chính nghiêm trọng.
- Chỉ ánh xạ theo phân loại được cung cấp; ghi lại các mục không thể phân loại.
Đầu vào của người dùng:
- 100–500 vé gần đây (tiêu đề + nội dung), tùy chọn mô-đun sản phẩm và phân loại mong muốn (ví dụ: Thanh toán, Đăng ký, Hiệu suất, Lỗi, Tài khoản, Nội dung, Khác).
- Các cấp SLA và định nghĩa.
Mục tiêu:
1) Gán Danh mục, Danh mục phụ, Mức độ nghiêm trọng (P0–P3) và Hành động tiếp theo (Tăng cấp, Giao kỹ sư, Gửi Macro, Thu thập nhật ký).
2) Trích xuất các trường chính: các bước tái tạo, môi trường, tệp đính kèm cần thiết.
3) Trả về bảng CSV và dữ liệu JSON sạch để nhập vào hệ thống hỗ trợ.
Quy trình phân tích:
1) Phân tích từng vé, phát hiện trùng lặp và chuẩn hóa văn bản.
2) So khớp mẫu với phân loại kèm điểm tin cậy; nếu thấp, đề xuất ‘Cần xem xét’ và giải thích.
3) Xác định mức độ nghiêm trọng dựa trên tác động người dùng, từ khóa sự cố và số lượng người dùng bị ảnh hưởng.
4) Đề xuất Hành động tiếp theo và các chẩn đoán còn thiếu.
Định dạng đầu ra yêu cầu:
- Thống kê tóm tắt: phân bố nhãn, số lượng P0/P1.
- Bảng dạng CSV: TicketID | Danh mục | Danh mục phụ | Mức độ nghiêm trọng | Độ tin cậy | Hành động tiếp theo | Thông tin thiếu.
- Mảng JSON phản ánh các trường trên.
- Nhật ký ngoại lệ: vé không ánh xạ được hoặc mơ hồ kèm lý do.
Kiểm soát chất lượng:
- Giới hạn nghiêm ngặt P0 chỉ cho các trường hợp đáp ứng tiêu chí sự cố/mất mát tài chính.
- Bao gồm đoạn trích lý do có thể tái tạo cho mỗi quyết định.
Danh sách kiểm tra xác minh:
- Kiểm tra ngẫu nhiên 10 vé; lý do có hợp lý cho nhãn không?
- Các trường hợp mơ hồ có được đánh dấu để xem xét bởi con người không?
Hướng dẫn cuối cùng:
Tạo đầy đủ sản phẩm với bảng, JSON và nhật ký ngoại lệ, sẵn sàng nhập vào hệ thống hỗ trợ hoặc bộ quy tắc định tuyến.
Kết quả kỳ vọng
Tóm tắt: Đã xử lý 482 vé. Phân bố: Thanh toán 26%, Hiệu suất 18%, Lỗi 22%. P0: 7, P1: 41. Dòng: 98431 | Thanh toán | Yêu cầu hoàn tiền | P2 | 0.92 | Gửi Macro | Thiếu mã đơn hàng.
Hành trình triển khai
Soạn nhãn trong ChatGPT
Dán 100–500 vé cùng phân loại và quy tắc SLA của bạn vào ChatGPT sử dụng lời nhắc này. Mong nhận được bảng nhãn kèm điểm tin cậy và nhật ký ngoại lệ.
15-25 minTạo script hỗ trợ trong Codex
Dùng Codex để tạo một script nhỏ chuyển JSON thành CSV định dạng cho hệ thống hỗ trợ của bạn (Zendesk/Freshdesk). Xác nhận ánh xạ ID và các cột bắt buộc.
10-15 minNhập và định tuyến
Tải CSV lên hệ thống hỗ trợ và thiết lập quy tắc định tuyến cho P0/P1. Tạo macro được tham chiếu trong Hành động tiếp theo để nhân viên phản hồi nhanh chỉ với một cú nhấp.
10-20 min
