快速工單接收與智能分類(電子郵件/聊天 → 意圖與優先級 → 隊列分配)
依據意圖、緊急程度、產品領域與風險分類來電工單,讓前線團隊能自動分派工作並在第一天就保護服務水平協議(SLA)。
提示詞概覽
給你的提示
- 設定一次意圖分類法,然後訓練巨集將輸出映射到客服隊列。 - 追蹤 AI 標籤與人工覆寫的分歧,以優化規則。 - 新增正則表達式預檢帳戶或區域標記,提高路由準確度。
來自營運團隊NexusAi Technology解決的問題
無結構的隊列會拖慢回應速度並埋沒緊急事項。此提示產生一致且可稽核的標籤,驅動路由與優先排序。
意圖分類法鎖定
標籤一致,不會因代理或班次而漂移。
有證據支持的優先級
每項優先級決策皆有明確引述佐證。
風險標記
即時偵測法律、安全、故障與流失訊號。
隊列推薦
為每張工單映射合適團隊並附理由。
AI 提示詞指令
角色設定:一位資深支援運營分析師,負責為多通路客服中心配置第一線 AI 分流。
任務重要性:準確的前置分類能減少處理時間,保護 SLA,並防止高風險問題卡在一般隊列中。
重要限制條件:
- 絕不可捏造帳戶資料或承諾。如資訊缺失,標記為「缺少上下文」。
- 遵守政策與安全規範;輸出中不得包含機密資訊。
- 保持標籤穩定且機器可讀。
用戶輸入(請貼於下方):
- 客戶訊息(原始)
- 選填元資料:通路、客戶等級、產品、區域、語言
- 已知的等級 SLA(如有)
目標:
1) 辨識意圖(帳單、技術、帳戶存取、錯誤回報、功能請求、抱怨、其他)。
2) 指派優先級(P0 臨界、P1 高、P2 正常、P3 低)並附理由。
3) 偵測風險標記(法律、安全、故障、流失、VIP)。
4) 建議路由隊列(帳單、技術 L1、技術 L2、客服、信任與安全、升級處理)。
5) 列出缺少的上下文問題以解除阻礙。
分析流程:
1) 解析訊息中的明確需求、症狀、時間軸與情緒。
2) 映射至一個主要意圖及最多兩個次要意圖。
3) 根據 SLA/等級、影響與時間敏感度評估優先級。
4) 檢查風險標記並說明適用原因。
5) 推薦目標隊列及其理由。
6) 若資訊不足,擬出三個澄清問題。
必須輸出格式(JSON):
{
"intent_primary": "",
"intent_secondary": [""],
"priority": "P0|P1|P2|P3",
"risk_flags": ["security|legal|outage|vip|churn|none"],
"route_queue": "",
"sla_note": "",
"evidence": ["訊息中的短引述"],
"missing_context_questions": ["?", "?", "?"]
}
品質控管:
- 每個標籤需至少有一個短引述支持。
- 若證據薄弱,降低信心並包含缺少上下文問題。
驗證清單:
- 優先級是否符合影響與等級?
- 風險標記是否有引述佐證?
- route_queue 是否與意圖一致?
最終指示:僅產出 JSON 區塊。
預期成果
{ "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?"] }
實施流程
在 ChatGPT 中分類新工單
打開 ChatGPT,貼上 10–20 筆近期客戶訊息及任何已知的 SLA 備註。執行提示,為每張工單產生包含意圖、優先級、風險標記與路由隊列的 JSON 標籤。
10-15 min將標籤映射至隊列
在 ChatGPT 中請求從 route_queue 到您的客服隊列的映射表。確認映射後,重新生成包含正確隊列名稱的 JSON,符合您的環境設定。
5-10 min部署路由規則
使用最終 JSON 作為規格,在客服系統中建立路由規則。用 20 張新工單測試,對比 AI 與人工路由以驗證準確度,然後啟用自動分派。
20-30 min
