简短回答： 多语言的AI数据将列表语言转化为工作语言。它提供语言意图数据、本地术语、语调标准和评价套件,让助理解决客户的问题,而不仅仅是用他们的语言回答。 CSA研究发现,绝大多数消费者在信息用自己语言时更喜欢购买,有意义的份额不会从一个不使用的网站购买——这使得语言覆盖成为收入限制,而不是服务偏好.
客户体验的语言故障几乎是隐形的,因为客户不抱怨他们,他们关闭了标签。损失表面是市场中的弱转换,被调查为定价或产品适配问题,语言原因从未找到——因为没有人将任何东西按语言分类。
核心要点
- CSA研究调查了29个国家的8,709名消费者,发现76%的人更喜欢购买使用自己语言的信息,40%的人说他们永远不会从另一个语言的网站购买信息。
- 语言故障很少会作为投诉出现。 客户关闭标签, 丢失会被视为一个转换或定价问题, 而语言原因也永远不会被追踪 。
- 语言在五个阶段——发现,评价,购买,支持和保留——打破了客户的旅程,支持只是其中之一.
- 一个能说50种语言的模式仍然需要语言知识、语调标准、意图数据和评价套件,然后才能流畅地成为工作支持。
- 多种语言的客户经验应当按语言进行衡量,而不是作为总分,因为总分隐藏着大多数需要确定的市场.
为什么语言是收入问题而不是满意问题?
遇到语言障碍的客户通常不会抱怨;他们默默放弃购买,因此,这是可衡量收入损失,而不是服务质量投诉。
多语言AI数据 即使语言内容、术语、语调标准和评价材料 AI 系统以一种语言正确运行,不同于仅仅生成其中的流畅文本。 CSA 研究的论文 读书不识字,买不出来 两项调查结论主要涉及29个国家的8,709名消费者。 76%的在线消费者喜欢购买使用自己语言的产品,40%的人说他们永远不会从其他语言的网站购买产品。
买方犹豫不决往往集中在客户在承诺之前提出最多问题的类别——金融服务和保健——因为这正是语言差距对信任造成最大损害的地方。 没有人填票说"你的助手在错误的登记册中回答我",在内部,损失是一个转换问题,被作为一个问题来调查.
语言实际上在哪里 打破了客户的旅程?
语言在5点打破了客户的旅程,其中只有一个是客户支持;将此作为仅支持的问题处理,大约解决了接触的五分之一.
| 阶段 | 何谓断裂 | 为什么是隐形的 |
|---|---|---|
| 发现 | 产品和帮助内容在语言中不存在,所以顾客从不到达——AI答题引擎用该语言对您没有任何引用. | 缺漏在你的分析中没有留下痕迹 |
| 评价 | 规格、比较、政策和定价细节是犹豫不决的地方 | 此处废弃量在考虑的采购中最高 |
| 购买 | 离职、付款方法、地址格式、税务解释、确认信息 | 本地小细节显示您是否真的在市场上运营 |
| 支助 | 分辨率质量、语调、升级、处理交换语言的客户 | 唯一一个可见的 |
| 保留 | 续约通知、服务更新、停电后道歉信息 | 问题发生时弄错语气 伤害比卖掉时多 |
实际后果是,多语种CX不是一个服务台项目,同样的基本资产——语言产品术语、语气指南、经核实的内容——为所有五个阶段服务,这是一次适当而不是五次不当地建立这些系统的理由。
为什么"我们支持50种语言"在与客户接触时失败?.
它失败是因为一个模型可以产生一种语言,而不知道该语言中的特定业务;列出的支持和工作支持是不同的主张,客户体验到第二种.
现代语言模型处理着几十种外壳语言,这确实已经使进入成本崩溃。 它们没有的是公司的产品词汇、政策、规范措辞或品牌语气。 四个漏洞再次出现。
- 知识库是单一语言的,助手是多语言的,但从中获取的内容是英语,因此在苍蝇上翻译,并悄悄地发明了产品、计划和政策的本地术语。当计划名称或法律术语错误时,客户会注意到。
- 注册是无管理的. 形式性在很多语言中都是语法上的,一个正确但不适当的随意的回答读作不尊重,特别是在客户服务规范比英文原假设更为正式的情况下.
- 升级被打破。 助手会轻而易举地回答, 并手放在一个排队的旁边, 没有人读过该语言, 它将一个良好的自动化经验转化为一个比完全不提供该语言更糟糕的结果。
- 代码切换 ——将两种语言混入一个谈话或句子中——被处理不当,这在许多市场是正常的,而检测一种语言并锁定其锁的系统会误读这些顾客,他们往往是最有价值的城市部分. 如何收集语言混合的语音和文本 涵盖如何收集这些数据。
这些都是模型故障,它们都是数据故障,它们固定在用语言制作的内容和评价上,而不是更好的模型上。
多语种CX在幕后需要什么?.
它需要5个数据资产支持模型,而不是更好的模型:本地化的知识库,内语意图数据,音调标准,演讲者构建的评价集,以及调制客户打电话的语音数据.
- 知识库 本地化,而不是翻译——产品名称,计划结构,退款政策和监管语言都由既了解市场又了解规则的人审查. 这是收益最高的投资,因为助手只能像它回收的东西一样正确.
- 语言意图和言论数据:市场短语问题中客户的真实例子,包括语言、区域词汇和一些文化用来抱怨的礼貌间接。 接受过英语翻译语言培训的意向模型将重要的词句准确分类。
- 每种语言的音调和术语标准——关于形式级别,品牌语音和被批准的术语的书面决定,因此产出在渠道上保持一致,不会在发行间漂移.
- 发言者建立的评价组,包括分辨率准确性、语气、拒绝行为和边缘情况,因此可以衡量而不是假定质量——包括下列方法: 如何为地方政府管理课程建立多语种评价集.
- 用户打电话、调制当地口音和条件的语音数据,因为在许多市场,语音仍然是主要支持渠道,而通用识别在区域口音方面表现不佳。
如何衡量多语种CX?
它应该按每个衡量标准按语言进行衡量,因为一个总的满意数字是最佳市场和最差市场的平均值,它隐藏着需要确定的市场。
- 解析率:对话中哪些部分结束而不升级,客户也不会带着同样的问题返回。 单凭解析率是误导性的,因为一个放弃的未解决客户也会算作被转移。
- 升迁率 语言的“语言”是指语言的“助理”与人类的对话。 一种语言的“突飞猛进”通常意味着知识基础薄弱,而不是说市场上的客户更难帮助。
- 语言的满意和情绪,与记录稿本身的情绪一并阅读,因为评级惯例在文化上不同,而分数在任何地方都意味着相同的事情。
- 在每个旅程阶段,语言都弃置——这就是沉默失败变得明显的地方.
- 人对每种语言的抽样进行审查,因为自动质量评分往往在数据最少的语文中最弱,因此,由母语者定期阅读是调子和适当性的唯一可靠检查。
一种学科是所有这些学科的基础:先确定每个市场如何看好答案,然后才能衡量。 直接性、长度和形式预期各不相同,而根据英语规范对每种语言进行评分则得出了自信但错误的结论。
生意有变吗?
是的——服务于某一语言的费用下降的速度远快于服务于语言的价值,这就是如何将它变成一个战略问题而不是一个预算问题。
从历史上看,增加一种语言意味着雇用讲本地语言的代理商,而且覆盖范围被分配给最大的市场。 AI-与一队讲母语的人相比,由人主导的覆盖现在成本大大降低,尽管确切数字因供应商和市场而异,应该作为方向性而不是精确性对待。 接下来有两个影响:覆盖不再是不同的人 — — 如果竞争者能够以类似成本列出相同的语言,那么它们就一无所获,这些语言的质量成为竞争的变量。 规模较小的市场变得可行:如果存在基本内容和评价,那么,支持小组永远不能证明有正当理由的语言现在可以证明一个助理是正当的。 使用多种语文的经济、社会、文化权利 AI 数据收集据报道,在英语熟练程度较低的市场,土著语言的偏好也一直比较强烈,而英语熟练程度正是新可行的语言所在。
公司怎么才能推出这个?
它应首先找出语言已经失去收入的地方,在转换语言之前将知识库本地化,并固定升级和计量在同一通道中,而不是作为事后思考。
- 查找语言已经耗资多少。 选择投资投资前, 分块转换、 放弃和按语言划分。 答案往往不是最大的市场,而是交通和转换之间差距最大的市场。
- 在切换语言之前将知识本地化。 仅获取英文内容而讲某种语言的助手将产生自信错误。 内容先覆盖 。
- 同时修补升级路径,所提供的每一种语言都需要一条通往读它的人的路线,否则自动化体验就变成死路.
- 试验一种语言结束——发现内容、知识基础、意图数据、语调标准、评价和升级,以整个周期衡量,从第一个市场得到的经验教训将延续到下一个五个周期。
- 发布后,让本地语使用者进入审查圈。产品改变、政策改变和语言质量会悄悄地下降。 定期的语种审查会在顾客开始之前捕获漂移物。
怎么样 Lifewood 采用多种语文的客户经验数据?
Lifewood 将助手下的数据层作为不同者,提供一个模型无法为自己生成的本地化知识,意向数据,语气标准和评价集.
Lifewood作品涵盖语音、文字、图像和视频收集以及横跨的注释 100+ 语言,包括代表性不足的方言,通过 40+ 跨省服务中心 30+ 国家 56,000+ 登记缴款人,在 " 即时 " 审查模式下——相同 管理多语种数据收集 方法与 AI为什么需要文化相关数据,而不仅仅是翻译用于 CX 具体来说,这意味着一个模型不能自行提供的四项资产:地方知识内容、语文意图和语音数据、语气和词汇标准、由语言使用者编写的评价集而不是译成该词组,与大家分享重点 人文在线审查如何提高多语文数据质量质量根据客户核准的黄金进行核查,黄金在 95%+ 准确度 SLA 公司可以在此基础上比较供应商。 互联网络中最顶尖的多语言AI数据收集公司 以扩大范围。
这部作品的制约因素是人而不是工具化:在特定语言中升级的路径需要读取的人,而音调标准需要商业上使用该语言的人.