Customer Experience
Employee Experience
Brand Experience
Core XM
Design XM

Filtern nach strukturierten Daten (Designer)

Informationen zum Filtern nach strukturierten Daten

Verwenden Sie strukturierte Datenattribute, um Feedback in Modellen zu filtern, die die relevantesten Informationen aus Ihrem Datenset kategorisieren und anzeigen. Informationen zum Anlegen und Bearbeiten von Filtern finden Sie unter Filtern von Daten (Designer).

Tipp: Die meisten strukturierten Filter werden mithilfe von Attributen erstellt. Weitere Informationen zum Anlegen und Bearbeiten von Attributen in XM Discover finden Sie unter Attribute.

Filtern nach Stimmung

XM Discover verwendet Stimmungsanalysen, um die Gesamtstimmung des Feedbacks zu ermitteln. Stimmung ist als Systemattribut mit vordefinierten Bändern verfügbar:

Negative Stimmung: Feedback mit einem Stimmungswert von -5,0 bis -1,0
Neutrale Stimmung: Feedback mit einem Stimmungswert von -0,99 bis 0,99
Positive Stimmung: Feedback mit einem Stimmungswert von 1 bis 5,0

Tipp: Sie können benutzerdefinierte Stimmungsbereiche mithilfe des Stimmungssystemattributs anlegen. Beispiel: _degree esentimentindex:[2.51 TO 5].

Nach Sprache filtern

Verwenden Sie die folgenden Ermittlungssystemattribute, um nach Datentyp zu filtern:

CB Automatisch ermittelte Sprache ( _languagefound ): Das Sprachfeedback wurde übermittelt, wenn Ihr Projekt die automatische Spracherkennung verwendet.
CB Processed Language ( _language ): Das Sprachfeedback wurde in eingereicht. Wenn die Sprache von XM Discover nicht unterstützt wird, wird sie als “OTHER” gekennzeichnet.

XM Discover ist in der Lage, Daten mit über 150 Sprachen mithilfe der Funktion Automatische Spracherkennung zu erkennen und zu kennzeichnen. Ohne automatische Spracherkennung sind die folgenden Sprachen verfügbar:

Arabisch
Bengalisch
Chinesisch (vereinfacht und traditionell)
Niederländisch
Englisch
Französisch
Deutsch
Hindi
Bahasa Indonesia
Italienisch
Japanisch
Koreanisch
Polnisch
Portugiesisch
Rumänisch
Russisch
Spanisch
Schwedisch
Tagalog
Thailändisch
Türkisch
Vietnamesisch

Achtung: Verba, die weniger als 10 Zeichen haben, werden als Englisch gekennzeichnet.

Nach Datentyp filtern

Um Feedback nach der Art der übermittelten Daten zu filtern, verwenden Sie die folgenden Systemattribute:

Quell-ID ( _id_source ): Die Datenquelle der Sätze.
Ausführlicher Typ ( _verbatimtype ): Der Name des ausführlichen Feldes, nach dem Sie filtern möchten. Dies ist nützlich, wenn Sie mehrere ausführliche Spalten haben.

Beispiel: Angenommen, Sie haben zwei ausführliche Spalten: Prüfung und Antwort. Erstellen Sie eine Regel für _verbatimtype:review, um ein Modell zurückzugeben, das nur Daten aus der Spalte Ausführliches Dokument überprüfen anzeigt.

Nach Inhaltstyp filtern

Verwenden Sie für Projekte mit aktivierter Inhaltstyperkennung die folgenden Systemattribute, um Feedback aus Anzeigen, Spam und anderen nicht umsetzbaren Daten zu filtern:

CB Content Type ( cb_content_type ): Ob Dokumente als inhaltlich, d.h. inhaltlich oder nicht inhaltlich gekennzeichnet sind.
CB Content Subtype ( cb_content_subtype ): Gruppiert als nicht-inhaltlich markierte Dokumente in Anzeigen, Coupons, Artikellinks oder „undefiniert“.

Beispiel: Wenn Sie ein Modell erstellen möchten, das nur inhaltliche Daten kategorisiert, legen Sie eine Regel mit dem Systemattribut CB-Inhaltstyp an: cb_content_type:contentful.

Nach Satzart filtern

XM Discover verwendet semantische Analysen, um Absichten zu identifizieren, die für Ihre Analysen relevant sind. Diese Kategorien werden im Systemattribut auf Satzebene verwendet: Satzart CB ( cb_sentence_type ). Die Analyse der Art der Absicht, die in Ihren Daten verwendet wird, kann dabei helfen, zu verstehen, wie das Kundenerlebnis verbessert werden kann.

Klicken Sie auf die folgenden Satztypen, um zu sehen, was mit dem Satztypattribut identifiziert wird:

Handlungsfähige Sätze

Vorschläge und Empfehlungen zur Verbesserung des Kundenerlebnisses sowie zu Problemen, die sofortige Aufmerksamkeit erfordern.

Abwanderung: Gefahr, Kunden zu verlieren.
Bitte um Hilfe: Fordert Hilfe und Unterstützung an.
Anforderung: Enthält entweder eine implizite oder explizite Anforderung, z.B. einen Aktionsaufruf oder Informationen.
Vorschlag: Enthält entweder einen impliziten oder expliziten Vorschlag, etwas zu ändern.
Beschäftigungsdauer: Wie lange ein Kunde einen Service oder ein Produkt in Anspruch genommen hat.
Stornierung: Enthält eine Bedrohung oder Absicht, ihre Mitgliedschaft, ihren Service oder andere Transaktionen zu kündigen. Dieser Typ erfasst auch Nichtverlängerungen, Kündigungen oder Kündigungen.

Stimmungsbezogene Sätze

Identifiziert die Stimmung von Sätzen, für die keine umsetzbaren Empfehlungen vorliegen.

Apathisch: Bekundet kein Interesse und keine Sorge.
Generisch negativ: Negative Stimmung, die kein bestimmtes Ziel hat.
Generisches Lob: Positive Stimmung, die kein bestimmtes Ziel hat.
Empfehlen: Empfehlt die Erfahrung dieses Kunden.
Nicht empfehlen: Berät im Hinblick auf die Erfahrung dieses Kunden.

Fragen-/Antwortsätze

Arten von Feedback aus der Beantwortung von Umfragefragen.

Entschuldigung: Enthält eine explizite Entschuldigung.
Querverweis: Verweist auf einen vorherigen Kommentar oder eine Antwort.
Weiß nicht: Feedback kann keine Antwort geben. Zum Beispiel: „Ich wünschte, ich wüsste es“.
Alles: Antworten, die alle vorgeschlagenen Optionen abdecken.
Liste: Enthält eine Liste von Positionen.
Kein Kommentar: Der Teilnehmer lehnt das Kommentieren oder Hinterlassen einer Antwort ab. Beispiel: „N/A“.
Ja: Enthält generische Bestätigungen.

Social-Media-Anmerkungssätze

Feedback zu den sozialen Aspekten der Kundeninteraktion, z.B. Grüße, Gelächter und Dankbarkeit.

Hallo/Tschüss: Grüße und Abschiede.
Lachen: Ausdruck des Lachen, entweder mündlich oder durch Verwendung von Emojis. Zum Beispiel „Haha! xD“.
Danke: Ausdruck der Dankbarkeit.

Rechtliche Offenlegungssätze

Feedback, das gesetzliche Offenlegungen enthält.

Offenlegung: Enthält Offenlegungsanweisungen. Beispiel: „Dieser Anruf kann überwacht oder aufgezeichnet werden.“
Mini-Miranda: Gilt in den USA, enthält eine Mini-Miranda-Rechtswarnung. Zum Beispiel: „Zweck der Mitteilung ist es, eine Schuld einzuziehen.“

Conversation-spezifische Sätze

Feedback speziell für Contact-Center-Gespräche. Diese Satztypen sind nur mit dialogorientierten Daten verfügbar.

Empathie: Empathie wird zum Ausdruck gebracht, wie sich zu entschuldigen, Interesse zu zeigen oder Härte anzuerkennen.
Halten: Kunden werden zurückgestellt.
Transfer: Kunden bitten um Übertragung oder Bevollmächtigte übertragen einen Mandanten.

Tipp: Sätze, die mit keinem der Satztypen übereinstimmen, werden als UNDEFINED gekennzeichnet.

Filtern nach Wortanzahl

Verwenden Sie die Satzwortanzahl oder die Attribute für die Dokumentwortanzahl, um Ihre Daten nach der Anzahl der Wörter in Ihrem Satz oder Datensatz zu filtern. Der in diesen Attributen festgelegte Bereich umfasst Werte. Wenn die Wortanzahl null ist, enthält der Satz/Datensatz entweder keinen Text oder wurde geladen, bevor die Funktion aktiviert wurde.

CB Sentence Word Count ( cb_sentence_word_count ): Mit dem Attribut Satzebene können Sie Daten nach der Anzahl der Wörter in einem Satz filtern.
Tipp: Um Sätze mit 10 Wörtern oder weniger anzuzeigen, verwenden Sie den Bereich cb_sentence_word_count: [1 TO 10].
CB Document Word Count ( cb_document_word_count ): Mit dem Attribut auf Datensatzebene können Sie Daten nach der Anzahl der Wörter in einem Datensatz filtern. Das ist auch die Summe aller Satzwortanzahlen.
Tipp: Um Datensätze mit 50 Wörtern oder mehr anzuzeigen, verwenden Sie cb_document_word_count: [50 TO 200].

Filtern nach Satzquartil

Das Attribut CB Sentence Quartile ( cb_sentence_quartile ) identifiziert den Teil des Wortlauts, dem ein Satz folgt. Die Werte sind 1 bis 4, wobei jeder Abschnitt 25 % der ausführlichen Länge ausmacht. Wenn ein Datensatz mehrere Verben hat, gibt es Quartile für jeden ausführlichen Satz im Datensatz.

Tipp: Dieses Attribut kann hilfreich sein, wenn Sie sich darauf konzentrieren möchten, warum Kunden anrufen. Dies wird in der Regel im ersten Quartil ( 1) des ausführlichen Beitrags besprochen. Wenn Sie stattdessen daran interessiert sind, wie Vertreter ihre Anrufe beenden, können Sie Ihre Berichte auf das letzte Quartil ( 4) beschränken.

Satzquartil anwenden

Wenn in Ihren historischen Daten Satzquartildaten fehlen, können Sie sie Ihren Daten hinzufügen.

Navigieren Sie zur Registerkarte Kategorisieren Ihres Projekts.
Klicken Sie mit der rechten Maustaste auf ein Kategoriemodell.
Bewegen Sie den Mauszeiger über Ausführen, und wählen Sie Benutzerdefinierte Datenflüsse aus.
Wählen Sie Abgeleitete Sprachattribute nachbearbeiten.
Wählen Sie diese Option, wenn Sie alle Daten im Projekt oder Daten aus einer bestimmten Sitzung verarbeiten möchten.
Wählen Sie Ausführen.

Filtern nach Aufwand

CB Effort misst den Aufwand, den Kunden während ihrer Erfahrung ausgedrückt haben. Dieses Attribut ist auf Satzebene auf einer Skala von -5 bis 5 verfügbar, wobei -5 die schwierigste Erfahrung und 5 die einfachste Erfahrung angibt. Der Bereich umfasst Werte.

Tipp: Um Sätze anzuzeigen, bei denen der ausgedrückte Aufwand sehr hoch ist, können Sie den Bereich verwenden: cb_sentence_ease_score:[-5 bis -3].

Tipp: CB-Aufwand ist nur mit ganzen Zahlen kompatibel.

Filtern nach Loyalty-Beschäftigungsdauer

Mit
CB Loyalty Tenure können Sie Daten nach dem Zeitraum in Jahren filtern, in dem ein Kunde einen Service in Anspruch genommen oder ein Produkt gehört hat. Dieses Attribut ist auf Satzebene in Sätzen mit dem Satztyp „Beschäftigungsdauer“ verfügbar. Der Bereich umfasst Werte.

Beispiel: Der Satz „Ich bin seit 10 Jahren Kunde“ gibt einen Wert von 10 für die Loyalty-Beschäftigungsdauer zurück. Um Sätze mit einer Beschäftigungsdauer von bis zu 10 Jahren anzuzeigen, verwenden Sie den folgenden Bereich: cb_loyalty_tenure:[1 TO 10].

Filtern nach Interaktionsart

CB Interaction Type ( cb_interaction_type ) definiert Daten nach der Art der XM-Interaktion, wodurch Sie regelmäßiges Feedback von dialogorientierten Daten unterscheiden können. Dieses Attribut ist auf Dokument-, Ausführlichkeits- und Satzebene verfügbar.

Die Interaktionsart kann folgende Werte haben:

Chat: Konversationsdaten aus digitalen Kanälen.
Feedback: Regelmäßige Feedbackdaten (z. B. Umfragen, Reviews usw.).
Sprache: Konversationsdaten aus transkribierten Konversationen auf Audio.

Viele Seiten dieses Portals wurden mithilfe maschineller Übersetzung aus dem Englischen übersetzt. Obwohl wir bei Qualtrics die bestmögliche maschinelle Übersetzung ausgewählt haben, um ein möglichst gutes Ergebnis zu bieten, ist maschinelle Übersetzung nie perfekt. Der englische Originaltext gilt als offizielle Version. Abweichungen zwischen dem englischen Originaltext und den maschinellen Übersetzungen sind nicht rechtlich bindend.