Tillfredsställelsepoängstrender — Gör tummar upp/ned till handlingsbara data

De flesta AI-agentdashboards visar en tummuppsiffra och en tummned-siffra. Det är en början. Men en rå siffra berättar inte om saker blir bättre eller sämre, vilka svar som orsakar mest missnöje, eller om en uppdatering av kunskapsbasen faktiskt förbättrade något.

Tillfredsställelsepoängstrender omvandlar feedbackdata till något du kan agera på.

Från rå feedback till en trendlinje

Varje meddelande i Companin kan få en tumme upp eller tumme ner från användaren. Tillfredsställelsepoängdashboarden aggregerar denna feedback till en CSAT-procent (positiva betyg / totala betyg) och plottar den som en veckovis trendlinje.

Vad du kan se:

• Övergripande CSAT % för den aktuella perioden
• Vecka-för-vecka förändring — förbättras eller försämras tillfredsställelsen?
• CSAT efter ämne — vilka kategorier av frågor får de bästa och sämsta betygen?
• Lägst betygsatta svar — en rankad lista över AI-svaren som fick flest tummar ner, med den faktiska svarstexten

Använda CSAT för att validera uppdateringar av kunskapsbasen

En av de svåraste sakerna att veta efter att ha uppdaterat din kunskapsbas är om uppdateringen faktiskt hjälpte.

CSAT-trender ger dig en före/efter-jämförelse. Om du uppdaterade din prissättningsdokumentation på en tisdag och tillfredsställelsen för prissättningsrelaterade frågor förbättrades veckan därpå, är det en validering av att uppdateringen fungerade. Om det inte förbättrades, vet du att något orsakade ett problem och du kan undersöka.

Detta stänger en feedbackloop som de flesta team saknar. Utan den gör du ändringar och hoppas. Med den gör du ändringar och mäter.