簡短回答： 多語言的AI數據將列表語言轉化爲工作語言。它提供語言意圖數據、本地術語、語調標準和評價套件,讓助理解決客戶的問題,而不僅僅是用他們的語言回答。 CSA研究發現,絕大多數消費者在信息用自己語言時更喜歡購買,有意義的份額不會從一個不使用的網站購買——這使得語言覆蓋成爲收入限制,而不是服務偏好.
客戶體驗的語言故障幾乎是隱形的,因爲客戶不抱怨他們,他們關閉了標籤。損失表面是市場中的弱轉換,被調查爲定價或產品適配問題,語言原因從未找到——因爲沒有人將任何東西按語言分類。
核心重點
- CSA研究調查了29個國家的8,709名消費者,發現76%的人更喜歡購買使用自己語言的信息,40%的人說他們永遠不會從另一個語言的網站購買信息。
- 語言故障很少會作爲投訴出現。 客戶關閉標籤, 丟失會被視爲一個轉換或定價問題, 而語言原因也永遠不會被追蹤 。
- 語言在五個階段——發現,評價,購買,支持和保留——打破了客戶的旅程,支持只是其中之一.
- 一個能說50種語言的模式仍然需要語言知識、語調標準、意圖數據和評價套件,然後才能流暢地成爲工作支持。
- 多種語言的客戶經驗應當按語言進行衡量,而不是作爲總分,因爲總分隱藏着大多數需要確定的市場.
爲什麼語言是收入問題而不是滿意問題?
遇到語言障礙的客戶通常不會抱怨;他們默默放棄購買,因此,這是可衡量收入損失,而不是服務質量投訴。
多語言AI數據 即使語言內容、術語、語調標準和評價材料 AI 系統以一種語言正確運行,不同於僅僅生成其中的流暢文本。 CSA 研究的論文 讀書不識字,買不出來 兩項調查結論主要涉及29個國家的8,709名消費者。 76%的在線消費者喜歡購買使用自己語言的產品,40%的人說他們永遠不會從其他語言的網站購買產品。
買方猶豫不決往往集中在客戶在承諾之前提出最多問題的類別——金融服務和保健——因爲這正是語言差距對信任造成最大損害的地方。 沒有人填票說"你的助手在錯誤的登記冊中回答我",在內部,損失是一個轉換問題,被作爲一個問題來調查.
語言實際上在哪裏 打破了客戶的旅程?
語言在5點打破了客戶的旅程,其中只有一個是客戶支持;將此作爲僅支持的問題處理,大約解決了接觸的五分之一.
| 階段 | 何謂斷裂 | 爲什麼是隱形的 |
|---|---|---|
| 發現 | 產品和幫助內容在語言中不存在,所以顧客從不到達——AI答題引擎用該語言對您沒有任何引用. | 缺漏在你的分析中沒有留下痕跡 |
| 評價 | 規格、比較、政策和定價細節是猶豫不決的地方 | 此處廢棄量在考慮的採購中最高 |
| 購買 | 離職、付款方法、地址格式、稅務解釋、確認信息 | 本地小細節顯示您是否真的在市場上運營 |
| 支助 | 分辨率質量、語調、升級、處理交換語言的客戶 | 唯一一個可見的 |
| 保留 | 續約通知、服務更新、停電後道歉信息 | 問題發生時弄錯語氣 傷害比賣掉時多 |
實際後果是,多語種CX不是一個服務檯項目,同樣的基本資產——語言產品術語、語氣指南、經覈實的內容——爲所有五個階段服務,這是一次適當而不是五次不當地建立這些系統的理由。
爲什麼"我們支持50種語言"在與客戶接觸時失敗?.
它失敗是因爲一個模型可以產生一種語言,而不知道該語言中的特定業務;列出的支持和工作支持是不同的主張,客戶體驗到第二種.
現代語言模型處理着幾十種外殼語言,這確實已經使進入成本崩潰。 它們沒有的是公司的產品詞彙、政策、規範措辭或品牌語氣。 四個漏洞再次出現。
- 知識庫是單一語言的,助手是多語言的,但從中獲取的內容是英語,因此在蒼蠅上翻譯,並悄悄地發明了產品、計劃和政策的本地術語。當計劃名稱或法律術語錯誤時,客戶會注意到。
- 註冊是無管理的. 形式性在很多語言中都是語法上的,一個正確但不適當的隨意的回答讀作不尊重,特別是在客戶服務規範比英文原假設更爲正式的情況下.
- 升級被打破。 助手會輕而易舉地回答, 並手放在一個排隊的旁邊, 沒有人讀過該語言, 它將一個良好的自動化經驗轉化爲一個比完全不提供該語言更糟糕的結果。
- 代碼切換 ——將兩種語言混入一個談話或句子中——被處理不當,這在許多市場是正常的,而檢測一種語言並鎖定其鎖的系統會誤讀這些顧客,他們往往是最有價值的城市部分. 如何收集語言混合的語音和文本 涵蓋如何收集這些數據。
這些都是模型故障,它們都是數據故障,它們固定在用語言製作的內容和評價上,而不是更好的模型上。
多語種CX在幕後需要什麼?.
它需要5個數據資產支持模型,而不是更好的模型:本地化的知識庫,內語意圖數據,音調標準,演講者構建的評價集,以及調製客戶打電話的語音數據.
- 知識庫 本地化,而不是翻譯——產品名稱,計劃結構,退款政策和監管語言都由既瞭解市場又瞭解規則的人審查. 這是收益最高的投資,因爲助手只能像它回收的東西一樣正確.
- 語言意圖和言論數據:市場短語問題中客戶的真實例子,包括語言、區域詞彙和一些文化用來抱怨的禮貌間接。 接受過英語翻譯語言培訓的意向模型將重要的詞句準確分類。
- 每種語言的音調和術語標準——關於形式級別,品牌語音和被批准的術語的書面決定,因此產出在渠道上保持一致,不會在發行間漂移.
- 發言者建立的評價組,包括分辨率準確性、語氣、拒絕行爲和邊緣情況,因此可以衡量而不是假定質量——包括下列方法: 如何爲地方政府管理課程建立多語種評價集.
- 用戶打電話、調製當地口音和條件的語音數據,因爲在許多市場,語音仍然是主要支持渠道,而通用識別在區域口音方面表現不佳。
如何衡量多語種CX?
它應該按每個衡量標準按語言進行衡量,因爲一個總的滿意數字是最佳市場和最差市場的平均值,它隱藏着需要確定的市場。
- 解析率:對話中哪些部分結束而不升級,客戶也不會帶着同樣的問題返回。 單憑解析率是誤導性的,因爲一個放棄的未解決客戶也會算作被轉移。
- 升遷率 語言的“語言”是指語言的“助理”與人類的對話。 一種語言的“突飛猛進”通常意味着知識基礎薄弱,而不是說市場上的客戶更難幫助。
- 語言的滿意和情緒,與記錄稿本身的情緒一併閱讀,因爲評級慣例在文化上不同,而分數在任何地方都意味着相同的事情。
- 在每個旅程階段,語言都棄置——這就是沉默失敗變得明顯的地方.
- 人對每種語言的抽樣進行審查,因爲自動質量評分往往在數據最少的語文中最弱,因此,由母語者定期閱讀是調子和適當性的唯一可靠檢查。
一種學科是所有這些學科的基礎:先確定每個市場如何看好答案,然後才能衡量。 直接性、長度和形式預期各不相同,而根據英語規範對每種語言進行評分則得出了自信但錯誤的結論。
生意有變嗎?
是的——服務於某一語言的費用下降的速度遠快於服務於語言的價值,這就是如何將它變成一個戰略問題而不是一個預算問題。
從歷史上看,增加一種語言意味着僱用講本地語言的代理商,而且覆蓋範圍被分配給最大的市場。 AI-與一隊講母語的人相比,由人主導的覆蓋現在成本大大降低,儘管確切數字因供應商和市場而異,應該作爲方向性而不是精確性對待。 接下來有兩個影響:覆蓋不再是不同的人 — — 如果競爭者能夠以類似成本列出相同的語言,那麼它們就一無所獲,這些語言的質量成爲競爭的變量。 規模較小的市場變得可行:如果存在基本內容和評價,那麼,支持小組永遠不能證明有正當理由的語言現在可以證明一個助理是正當的。 使用多種語文的經濟、社會、文化權利 AI 數據收集據報道,在英語熟練程度較低的市場,土著語言的偏好也一直比較強烈,而英語熟練程度正是新可行的語言所在。
公司怎麼才能推出這個?
它應首先找出語言已經失去收入的地方,在轉換語言之前將知識庫本地化,並固定升級和計量在同一通道中,而不是作爲事後思考。
- 查找語言已經耗資多少。 選擇投資投資前, 分塊轉換、 放棄和按語言劃分。 答案往往不是最大的市場,而是交通和轉換之間差距最大的市場。
- 在切換語言之前將知識本地化。 僅獲取英文內容而講某種語言的助手將產生自信錯誤。 內容先覆蓋 。
- 同時修補升級路徑,所提供的每一種語言都需要一條通往讀它的人的路線,否則自動化體驗就變成死路.
- 試驗一種語言結束——發現內容、知識基礎、意圖數據、語調標準、評價和升級,以整個週期衡量,從第一個市場得到的經驗教訓將延續到下一個五個週期。
- 發佈後,讓本地語使用者進入審查圈。產品改變、政策改變和語言質量會悄悄地下降。 定期的語種審查會在顧客開始之前捕獲漂移物。
怎麼樣 Lifewood 採用多種語文的客戶經驗數據?
Lifewood 將助手下的數據層作爲不同者,提供一個模型無法爲自己生成的本地化知識,意向數據,語氣標準和評價集.
Lifewood作品涵蓋語音、文字、圖像和視頻收集以及橫跨的註釋 100+ 語言,包括代表性不足的方言,通過 40+ 跨省服務中心 30+ 國家 56,000+ 登記繳款人,在 " 即時 " 審查模式下——相同 管理多語種數據收集 方法與 AI爲什麼需要文化相關數據,而不僅僅是翻譯用於 CX 具體來說,這意味着一個模型不能自行提供的四項資產:地方知識內容、語文意圖和語音數據、語氣和詞彙標準、由語言使用者編寫的評價集而不是譯成該詞組,與大家分享重點 人文在線審查如何提高多語文數據質量質量根據客戶覈准的黃金進行覈查,黃金在 95%+ 準確度 SLA 公司可以在此基礎上比較供應商。 互聯網絡中最頂尖的多語言AI數據收集公司 以擴大範圍。
這部作品的制約因素是人而不是工具化:在特定語言中升級的路徑需要讀取的人,而音調標準需要商業上使用該語言的人.