Customer Experience
Employee Experience
Brand Experience
Core XM
Design XM

Filtragem por dados estruturados (Designer)

Sobre a filtragem por dados estruturados

Use atributos de dados estruturados para filtrar o feedback em modelos que categorizam e exibem as informações mais relevantes do seu conjunto de dados. Para obter informações sobre a criação e a edição de filtros, consulte Filtragem de dados (Designer).

Qdica: a maioria dos filtros estruturados são criados usando atributos. Para obter mais informações sobre como criar e editar atributos no XM Discover, consulte Atributos.

Filtragem por opinião

O XM Discover usa a análise de opinião para determinar a opinião geral do feedback. A opinião está disponível como um atributo de sistema com faixas predefinidas:

Opinião negativa: feedback com uma pontuação de sentimentos de -5,0 a -1,0
Opinião neutra: feedback com uma pontuação de sentimentos de -0,99 a 0,99
Opinião positiva: feedback com uma pontuação de opinião de 1 a 5.0

Qdica: você pode criar intervalos de opiniões personalizados usando o atributo Sentiment system. Por exemplo, _degreesentimentindex:[2.51 TO 5].

Filtrando por idioma

Utilize os seguintes atributos de sistema de descoberta para filtrar por tipo de dados:

Linguagem detectada automaticamente CB (_languagedetectado): o feedback de idioma foi enviado se seu projeto usar a detecção automática de idioma.
Idioma processado CB ( _language ): o feedback de idioma foi enviado em. Se o idioma não for suportado pelo XM Discover, ele será marcado como “OUTROS”.

O XM Discover é capaz de reconhecer e marcar dados com mais de 150 idiomas usando o recurso Detecção automática de idioma. Sem a detecção automática de idioma, estão disponíveis os seguintes idiomas:

Árabe
Bengali
Chinês (simplificado e tradicional)
Holandês
Inglês
Francês
Alemão
Hindu
Bahasa Indonésia
Italiano
Japonês
Coreano
Polonês
Português
Romeno
Russo
Espanhol
Sueco
Tagalog
Tailandês
Turco
Vietnamita

Atenção: Verbatims com menos de 10 caracteres são marcados como Inglês.

Filtrando por tipo de dados

Para filtrar o feedback pelo tipo de dados que foi enviado, utilize os seguintes atributos do sistema:

ID de origem ( _id_source ): a fonte de dados das sentenças.
Verbatim Type ( _verbatimtype ): O nome do campo literal pelo qual você gostaria de filtrar. Isso é útil se você tiver várias colunas textuais.

Exemplo: digamos que você tenha duas colunas textuais: Revisão e Resposta. Crie uma regra para _verbatimtype:review para retornar um modelo que só exibe dados da coluna Revisar na íntegra.

Filtrando por tipo de conteúdo

Para projetos com detecção de tipo de conteúdo ativada, utilize os seguintes atributos do sistema para filtrar feedback de anúncios, spam e outros dados não acionáveis:

Tipo de conteúdo CB (cb_content_type): se os documentos estão marcados como satisfeitos, ou seja, se contêm conteúdo ou não são satisfeitos.
Subtipo de conteúdo CB ( cb_content_subtype ): agrupa documentos marcados como não satisfeitos em anúncios, cupons, links de artigos ou “indefinidos”.

Exemplo: Se você quiser criar um modelo que categorize apenas dados de conteúdo, crie uma regra usando o atributo de sistema CB Content Type: cb_content_type:contentful.

Filtrando por tipo de frase

O XM Discover usa análise semântica para identificar a intenção relevante para sua análise. Estas categorias são usadas no atributo do sistema no nível da sentença: CB Sentence Type (cb_sentence_type ). Analisar o tipo de intenção usado em seus dados pode ajudar a entender como a experiência do cliente pode ser aprimorada.

Clique nos seguintes tipos de sentenças para ver o que é identificado usando o atributo tipo de frase:

Sentenças acionáveis

Sugestões e recomendações sobre como melhorar a experiência do cliente, bem como problemas que requerem atenção imediata.

Desistência: Ameaça de perder clientes.
Chore por ajuda: Solicita ajuda e assistência.
Solicitação: contém uma solicitação implícita ou explícita, como uma chamada para ação ou informação.
Sugestão: Contém uma sugestão implícita ou explícita para mudar algo.
Permanência: há quanto tempo um cliente usa um serviço ou produto.
Cancelamento: Contém uma ameaça ou intenção de cancelar sua associação, serviço ou outra transação. Esse tipo também captura não renovação, desinscrição ou rescisão.

Frases relacionadas ao sentimento

Identifica a opinião de frases que não têm recomendações acionáveis.

Apathetic: Não expressa interesse ou preocupação.
Negativo genérico: sentimento negativo sem um destino específico.
Elogio Genérico: Sentimento positivo que carece de um alvo específico.
Recomendar: recomenda a experiência deste cliente.
Não recomendo: aconselha com relação à experiência desse cliente.

Sentenças de pergunta/resposta

Tipos de feedback para responder a perguntas da pesquisa.

Apologia: Contém um pedido de desculpas explícito.
Referência cruzada: Referencia um comentário anterior ou uma resposta.
Não sei: o feedback não pode fornecer uma resposta. Por exemplo, “Eu gostaria de saber”.
Tudo: respostas que cobrem todas as opções sugeridas.
Lista: contém uma lista de itens.
Sem comentário: o respondente se recusa a comentar ou deixar uma resposta. Por exemplo, “N/A”.
Sim: Contém afirmações genéricas.

Frases de observação para mídias sociais

Feedback relacionado aos aspectos sociais da interação com o cliente, como saudações, risos e gratidão.

Olá/Tchau: Saudações e despedidas.
Risos: Expressões de risos, verbalmente ou por uso de emojis. Por exemplo, “Haha! xD”.
Obrigado: Expressões de gratidão.

Sentenças de divulgação legal

Feedback que contém divulgações legais.

Divulgação: contém declarações de divulgação. Por exemplo, “Essa chamada pode ser monitorada ou gravada.”
Mini-Miranda: Aplicável nos Estados Unidos, contém um aviso legal Mini-Miranda. Por exemplo, “O objetivo da comunicação é cobrar uma dívida”.

Frases específicas da conversa

Feedback específico para conversas na central de contato. Esses tipos de frase só estão disponíveis com dados conversacionais.

Empatia: A empatia é expressa, como pedir desculpas, demonstrar interesse ou reconhecer dificuldades.
Em espera: os clientes são colocados em espera.
Transferência: Clientes pedem para ser transferidos ou representantes transferem um cliente.

Qdica: As frases que não correspondem a nenhum dos tipos de frase são marcadas como NÃO DEFINIDAS.

Filtrando por contagem de palavras

Use a contagem de palavras da frase ou os atributos de contagem de palavras do documento para filtrar seus dados pelo número de palavras em sua frase ou registro. O conjunto de intervalos nesses atributos inclui valores. Se a contagem de palavras for zero, a frase/registro não tem texto ou foi carregada antes de o recurso ser ativado.

CB Sentence Word Count ( cb_sentence_word_count ): o atributo Sentence-level permite filtrar os dados pelo número de palavras em uma frase.
Qdica: para visualizar frases com 10 palavras ou menos, use o intervalo cb_sentence_word_count: [1 TO 10].
Contagem de palavras do documento CB ( cb_document_word_count ): o atributo Nível de registro permite filtrar os dados pelo número de palavras em um registro. Esta é também a soma de todas as contagens de palavras de sentença.
Qdica: para ver registros com 50 palavras ou mais, use cb_document_word_count: [50 TO 200].

Filtrando por quartil de frases

O atributo CB Sentence Quartile (cb_sentence_quartile) identifica a parte da literalidade que uma sentença segue. Os valores são de 1 a 4, com cada seção representando 25% do comprimento da verbatim. Se um registro tiver vários textuais, haverá quartis para cada verbatim no registro.

Qdica: esse atributo pode ser útil se você quiser se concentrar no motivo pelo qual os clientes estão ligando, que é normalmente discutido no primeiro quartil ( 1 ) da íntegra. Como alternativa, se você estiver interessado em como os representantes estão encerrando suas chamadas, você pode limitar seus relatórios ao último quartil ( 4 ).

Aplicando quartil de frases

Se seus dados históricos não tiverem dados do quartil da frase, você poderá adicioná-los aos seus dados.

Navegue para a ficha Categorizar de seu projeto.
Clique com o botão direito do mouse em um modelo de categoria.
Posicione o cursor sobre Executar e selecione Fluxos de dados personalizados.
Selecione Reprocessar atributos derivados de idioma.
Selecione se você deseja processar todos os dados no projeto ou dados de uma sessão específica.
Clique em Executar.

Filtrando por esforço

O esforço de CB mede o nível de esforço expresso pelos clientes durante sua experiência. Esse atributo está disponível no nível da sentença em uma escala de -5 a 5, com -5 indicando a experiência mais difícil e 5 indicando a experiência mais fácil. O intervalo inclui valores.

Qdica: Para visualizar frases em que o nível de esforço expresso é muito alto, você pode usar o intervalo: cb_sentence_ease_score:[-5 to -3].

Qdica: CB Effort é compatível apenas com números inteiros.

Filtrando por prazo do contrato de fidelização

CB Loyalty Tenure permite que você filtre dados pelo período de tempo em anos que um cliente usou um serviço ou é proprietário de um produto. Esse atributo está disponível no nível da sentença em frases do tipo tempo de execução. O intervalo inclui valores.

Exemplo: a frase “Sou cliente há 10 anos” retornará um valor de 10 para o prazo do contrato de fidelidade. Para visualizar frases com prazo de até 10 anos, use a seguinte faixa: cb_loyalty_tenure:[1 TO 10].

Filtrando por tipo de interação

O tipo de interação CB (cb_interaction_type ) define dados pelo tipo de interação XM, o que permite a você distinguir feedback regular de dados conversacionais. Este atributo está disponível nos níveis de documento, verbatim e frase.

O tipo de interação pode ter os seguintes valores:

Chat: dados conversacionais de canais digitais.
Feedback: dados de feedback regulares (como pesquisas, revisões etc.).
Voz: Dados de conversação de conversas transcritas em áudio.

Muitas das páginas neste site foram traduzidas do inglês original usando tradução automática. Embora na Qualtrics tenhamos feito nossa diligência prévia para obter as melhores traduções automáticas possíveis, a tradução automática nunca é perfeita. O texto original em inglês é considerado a versão oficial, e quaisquer discrepâncias entre o inglês original e as traduções automáticas não são juridicamente vinculativas.