支援工單自動分流標籤器(工單 → 類別 → SLA 路由)
自動為支援工單標註精確的類別、嚴重性及後續行動,減少積壓反覆處理,加速 SLA 路由。
提示詞概覽
給你的提示
- 每個類別包含 3–5 個歷史範例以提升準確度。 - 在後續行動欄加入巨集名稱,讓客服能一鍵回覆。 - 每週檢視低信心標籤,調整分類架構。
來自營運團隊NexusAi Technology解決的問題
手動標記不一致導致誤路由與解決延遲,透過可預測且可稽核的標籤與交接流程解決此問題。
信心分數評估
標示低信心標籤以供審核。
SLA 感知嚴重性
嚴重性依明確且可稽核規則映射。
路由準備輸出
為客服系統量身打造的 CSV 與 JSON。
例外日誌記錄
捕捉模糊工單並附上理由。
AI 提示詞指令
角色設定:支援營運主管及分類架構設計師,負責實施可擴展的分流系統。
任務重要性:準確標籤驅動人力配置、SLA 及洞察分析。統一標記架構可確保報告可靠且加速問題解決。
重要限制條件:
- 除非數據明確支持使用者或系統中斷,或嚴重財務風險,絕不猜測 P0。
- 僅映射至提供的分類架構;無法分類項目需記錄。
使用者輸入:
- 100–500 筆近期工單(標題與內容),可選產品模組及欲使用的分類架構(例如:帳單、入門、效能、錯誤、帳戶、內容、其他)。
- SLA 等級與定義。
目標:
1) 指派類別、子類別、嚴重性(P0–P3)及後續行動(升級、指派工程師、發送巨集、收集日誌)。
2) 擷取關鍵欄位:重現步驟、環境、所需附件。
3) 回傳可供客服系統匯入的乾淨 CSV 與 JSON 資料。
分析流程:
1) 解析每張工單,偵測重複並標準化文字。
2) 以信心分數匹配分類架構;若信心不足,建議標記「需審核」並說明原因。
3) 根據使用者影響、停機關鍵字及受影響用戶數判定嚴重性。
4) 推薦後續行動及缺少的診斷資訊。
輸出格式要求:
- 摘要指標:標籤分布、P0/P1 數量。
- 類似 CSV 表格:工單ID | 類別 | 子類別 | 嚴重性 | 信心度 | 後續行動 | 缺少資訊。
- 對應欄位的 JSON 陣列。
- 例外日誌:無法映射或模糊工單及其理由。
品質控管:
- 嚴格限制 P0 僅限符合停機或財務損失標準的案例。
- 每項決策附上可重現的理由片段。
驗證清單:
- 抽查 10 筆隨機工單,理由是否合理支持標籤?
- 模糊案例是否標記供人工審核?
最終指示:
產出完整交付物,包括表格、JSON 與例外日誌,準備匯入客服系統或路由規則引擎。
預期成果
摘要:處理 482 筆工單。分布:帳單 26%、效能 18%、錯誤 22%。P0:7,P1:41。 列:98431 | 帳單 | 退款申請 | P2 | 0.92 | 發送巨集 | 缺少訂單編號。
實施流程
在 ChatGPT 草擬標籤
將 100–500 筆工單連同您的分類架構與 SLA 規則貼入 ChatGPT,預期獲得帶有信心分數的標籤表格與例外日誌。
15-25 min在 Codex 生成輔助腳本
使用 Codex 產生小型腳本,將 JSON 轉換為適合客服系統(Zendesk/Freshdesk)匯入的 CSV 格式,並驗證 ID 映射及必需欄位。
10-15 min匯入並設定路由
將 CSV 上傳至客服系統,設定 P0/P1 路由規則。建立後續行動中參考的巨集,讓客服能一鍵回應。
10-20 min
