Os relatórios do Blip Copilot são essenciais para acompanhar e otimizar o uso dessa ferramenta. Com eles, é possível visualizar indicadores detalhados que ajudam a entender como o Copilot está sendo adotado pelos atendentes, a eficiência no tempo de atendimento e a taxa de edição das respostas sugeridas.
Como acessar os relatórios do Blip Copilot
Para acessar a página de métricas do Blip Copilot, siga estes passos:
- Acesse o menu Relatórios Copilot dentro da plataforma.
- Visualize os principais indicadores de desempenho.
- Caso queira, pode baixar os dados dos relatórios para uma análise mais detalhada.
Principais métricas disponíveis
Os relatórios incluem diversos dados que podem ser usados para otimizar a experiência de uso do Copilot.
- Adoção pelos atendentes: quantidade de atendentes que utilizam ada um dos recursos disponíveis.
- Tickets assistidos com o Copilot: percentual de interações que contaram com o apoio do Resumo Inteligente e Sugestão de Resposta.
- Tempo de atendimento com e sem Sugestão de Resposta: comparativo que ajuda a medir o impacto da ferramenta na produtividade.
- Taxa de edição das respostas sugeridas: indica o nível de adequação das respostas automáticas.
- Quantidade de tickets fechados com o Resumo Inteligente: mede a eficiência do recurso na finalização de atendimentos.
- Alteração do sentimento do cliente com o Resumo Inteligente: avalia a diferença no sentimento do cliente antes e depois do atendimento.
- Detalhes do atendimento com resumos gerados: permite um acompanhamento mais detalhado das interações.
- Total de áudios transcritos pelo Copilot: quantifica a quantidade de áudios convertidos em texto.
- Quantidade de áudios transcritos por período: analisa o uso do recurso de transcrição em diferentes intervalos de tempo.
- Tempo médio de áudio: fornece insights sobre a duração das mensagens de áudio transcritas.
- Identifica atendentes que utilizam o recurso de transcrição: ajuda a entender quem está usando ativamente a funcionalidade.
4 dicas para analisar a performance do seu Copilot
A análise de dados do Blip Copilot deve ir além de uma simples leitura de KPIs. Para obter insights práticos e acionáveis, utilize abordagens estruturadas e frameworks avançados.
1. Análise Exploratória de Dados (EDA)
A primeira etapa da análise deve ser explorar os dados para identificar padrões ocultos e anomalias:
- Distribuição das métricas: avalie como os valores variam ao longo do tempo.
- Correlações entre variáveis: identifique relações entre tempo de atendimento, adoção do Copilot e edição de respostas.
- Detecção de outliers: identifique discrepâncias que podem indicar problemas na configuração ou na usabilidade.
2. Modelos preditivos e machine learning leve
O uso de modelos preditivos pode ajudar a prever gargalos no atendimento e otimizar processos de forma proativa.
- Regressão linear: avalie se variáveis como tempo de atendimento e taxa de edição influenciam a satisfação do cliente.
- Classificação supervisionada: permite prever quais atendimentos precisarão de intervenção humana com base em padrões de edição e sentimentos dos clientes.
- Clusterização: separe tickets em grupos com características semelhantes, ajudando na definição de estratégias mais personalizadas.
- Redes neurais leves: modelos simples de aprendizado de máquina podem ajudar a prever a taxa de resolução de tickets com base em históricos anteriores.
3. Análise de séries temporais
A previsão de demanda e a otimização de recursos podem ser significativamente aprimoradas por meio da análise de séries temporais.
- Médias móveis: Suaviza flutuações para identificar tendências de longo prazo.
- Modelo ARIMA (AutoRegressive Integrated Moving Average): utilizado para previsões de curto e médio prazo com base em padrões históricos. Com esse modelo, você poderá antecipar momentos de pico no atendimento, permitindo realocar recursos de forma mais eficiente e reduzir o tempo de espera dos clientes.
- Decomposição de séries temporais: permite identificar componentes sazonais, tendências e ruído. Isso pode ser útil para prever a sazonalidade em certos tipos de chamados e preparar a equipe para essas variações.
- Prophet (Facebook): ferramenta avançada para previsões de demanda considerando sazonalidade e eventos específicos. Pode ser utilizada para prever quando haverá um aumento no volume de chamados devido a eventos planejados ou campanhas promocionais.
4. Integração de dados qualitativos e quantitativos
Combine dados estruturados com feedbacks dos atendentes para contextualizar os números e melhorar a tomada de decisão.
Como agir quando precisar corrigir a rota?
Se os relatórios indicam baixa adoção, alta taxa de edição ou tempos elevados de atendimento, considere:
- Revisão de prompts e respostas sugeridas para ajustar a inteligência do Copilot.
- Treinamento baseado em dados, criando materiais focados nos desafios reais identificados nos relatórios.
- Refinamento contínuo da base de conhecimento para reduzir ajustes manuais dos atendentes.
Reduza custos e eleve a eficiência do seu time com o Blip Copilot
