> การปรับปรุงกระบวนการอย่างต่อเนื่อง > การบริการลูกค้า > Genesys Cloud CX > เทมเพลตข้อมูล

เทมเพลตข้อมูลการบริการลูกค้าของคุณ

Genesys Cloud CX

แอตทริบิวต์การบริการลูกค้า(19) กิจกรรมการบริการลูกค้า(13) คู่มือการดึงข้อมูล(3)

เทมเพลตข้อมูลการบริการลูกค้าของคุณ

เทมเพลตนี้ช่วยวางแนวทางรวบรวมข้อมูลสำคัญที่จำเป็นต่อการวิเคราะห์และปรับปรุงกระบวนการบริการลูกค้า โดยระบุแอตทริบิวต์ที่แนะนำ กิจกรรมหลักที่ควรติดตาม และวิธีดึงข้อมูลจากระบบต้นทาง นำไปใช้สร้างบันทึกเหตุการณ์สำหรับโครงการ process mining ของคุณได้.

แอตทริบิวต์ที่แนะนำให้รวบรวม
กิจกรรมหลักที่ควรติดตาม
แนวทางการดึงข้อมูล

เพิ่งเริ่มใช้บันทึกเหตุการณ์ใช่ไหม เรียนรู้ วิธีสร้าง event log สำหรับ process mining.

ดาวน์โหลดเทมเพลต

แอตทริบิวต์การบริการลูกค้า

ฟิลด์ข้อมูลเหล่านี้เป็นรายการที่แนะนำให้ใส่ในบันทึกเหตุการณ์ เพื่อใช้วิเคราะห์การบริการลูกค้าได้อย่างละเอียด.

5 จำเป็น 6 แนะนำ 8 ไม่บังคับ

	ชื่อ	คำอธิบาย
	คำขอรับบริการ ServiceRequest	รหัสหลักของการติดต่อเพื่อรับบริการ ซึ่งใช้เชื่อมโยงกิจกรรมที่เกี่ยวข้องทั้งหมด.
คำอธิบาย คำขอรับบริการ ซึ่งมักเรียกว่า Ticket หรือ Case เป็นรหัสหลักที่ใช้ระบุข้อซักถามหรือปัญหาของลูกค้าแต่ละรายการ โดยรวบรวมเหตุการณ์ที่เกี่ยวข้องทั้งหมดตั้งแต่การติดต่อครั้งแรกจนถึงการแก้ไขไว้ในกระบวนการเดียว การวิเคราะห์ตามคำขอรับบริการช่วยให้เห็นเส้นทางของลูกค้าและขั้นตอนการจัดการภายในตั้งแต่ต้นจนจบ และเป็นพื้นฐานในการคำนวณตัวชี้วัดสำคัญ เช่น เวลาแก้ไขทั้งหมดและอัตราการแก้ปัญหาตั้งแต่การติดต่อครั้งแรก. เหตุผลที่สำคัญ นี่คือ Case ID สำคัญที่เชื่อมโยงทุกขั้นตอนของกระบวนการ ทำให้วิเคราะห์การติดต่อกับลูกค้าแต่ละครั้งได้ตั้งแต่ต้นจนจบ. แหล่งข้อมูล นี่คือรหัสเคสตามแนวคิด ใน Genesys มักตรงกับ Conversation ID แต่อาจใช้รหัสที่กำหนดเอง ขึ้นอยู่กับการติดตั้งระบบ. ตัวอย่าง SR-20240521-00123SR-20240521-00124SR-20240522-00001
	ชื่อกิจกรรม ActivityName	ชื่อเหตุการณ์หรืองานที่เกิดขึ้น ณ เวลาหนึ่งในวงจรของคำขอรับบริการ.
คำอธิบาย แอตทริบิวต์นี้อธิบายขั้นตอนหรือการเปลี่ยนสถานะในกระบวนการบริการลูกค้า กิจกรรมแต่ละรายการแทนเหตุการณ์หนึ่ง เช่น 'เจ้าหน้าที่รับการติดต่อ' หรือ 'กำหนดรหัสสรุปผลการติดต่อ' การวิเคราะห์ลำดับและความถี่ของกิจกรรมเหล่านี้เป็นพื้นฐานสำคัญของ process mining ช่วยให้เห็นภาพขั้นตอน ระบุจุดที่ต่างจากที่กำหนด และค้นหาคอขวดหรือขั้นตอนที่ไม่มีประสิทธิภาพ. เหตุผลที่สำคัญ กิจกรรมเป็นองค์ประกอบหลักของแผนผังกระบวนการ ช่วยให้แสดงภาพและวิเคราะห์ขั้นตอนที่เกิดขึ้นจริงเทียบกับขั้นตอนที่ออกแบบไว้ได้. แหล่งข้อมูล โดยทั่วไป ค่านี้ได้จากการจับคู่เหตุการณ์ในระบบ สถานะของเจ้าหน้าที่ หรือรายการตรวจสอบย้อนหลังใน Genesys Cloud CX กับชื่อกิจกรรมมาตรฐาน. ตัวอย่าง เริ่มการติดต่อเจ้าหน้าที่รับการติดต่อสิ้นสุดงานหลังวางสายเปิดคำขอรับบริการอีกครั้ง
	เวลาเริ่มต้น EventTime	เวลาที่ระบุว่ากิจกรรมหรือเหตุการณ์เริ่มต้นขึ้นเมื่อใด.
คำอธิบาย แอตทริบิวต์นี้ระบุวันที่และเวลาที่เกิดแต่ละกิจกรรมอย่างแม่นยำ จำเป็นต่อการเรียงลำดับเหตุการณ์และการวิเคราะห์ตามเวลา ระบบใช้เวลาเริ่มต้นสร้างลำดับขั้นตอนตามเวลา และคำนวณระยะเวลา เวลารอ และเวลารอบระหว่างกิจกรรมต่างๆ การบันทึกเวลาที่ถูกต้องมีความสำคัญต่อการวิเคราะห์กระบวนการและติดตามผลการดำเนินงานอย่างน่าเชื่อถือ. เหตุผลที่สำคัญ เวลานี้ใช้เรียงกิจกรรมตามลำดับเวลา ทำให้วิเคราะห์ขั้นตอน ระยะเวลา และคอขวดได้อย่างแม่นยำ. แหล่งข้อมูล พบข้อมูลนี้ในบันทึกเหตุการณ์หรือรายละเอียดการติดต่อใน Genesys Cloud CX โดยมักระบุไว้กับทุกเหตุการณ์ที่ระบบหรือผู้ใช้บันทึก. ตัวอย่าง 2024-05-21T10:00:15Z2024-05-21T10:02:30Z2024-05-21T10:15:00Z
	ระบบต้นทาง SourceSystem	ระบบที่ใช้ดึงข้อมูล.
คำอธิบาย แอตทริบิวต์นี้ระบุระบบต้นทางของข้อมูลเหตุการณ์ ซึ่งในกรณีนี้คือ Genesys Cloud CX หากมีหลายระบบเชื่อมต่อกัน ฟิลด์นี้มีความสำคัญต่อการติดตามที่มาของข้อมูล การแก้ปัญหา และการทำความเข้าใจบริบทของข้อมูล ช่วยให้มั่นใจว่าการวิเคราะห์ใช้แหล่งข้อมูลที่ถูกต้อง และกรองหรือแบ่งกลุ่มข้อมูลได้เมื่อมีหลายระบบร่วมกันให้ภาพกระบวนการเดียว. เหตุผลที่สำคัญ ระบุที่มาของข้อมูล ซึ่งสำคัญต่อการกำกับดูแลและตรวจสอบข้อมูล รวมถึงการรวมข้อมูลจากหลายระบบ. แหล่งข้อมูล โดยทั่วไป ค่านี้เป็นค่าคงที่ที่เพิ่มระหว่างการดึงและแปลงข้อมูล เพื่อระบุที่มาของระเบียน. ตัวอย่าง Genesys Cloud CXGenesysCloudCX_US1Genesys
	อัปเดตข้อมูลล่าสุด LastDataUpdate	เวลาที่อัปเดตข้อมูลครั้งล่าสุด.
คำอธิบาย แอตทริบิวต์นี้ระบุเวลาล่าสุดที่ชุดข้อมูลได้รับการอัปเดตจากระบบต้นทาง ช่วยให้ทราบว่าข้อมูลที่นำมาวิเคราะห์เป็นข้อมูลล่าสุดเพียงใด ซึ่งสำคัญต่อการตัดสินใจทางธุรกิจได้อย่างทันท่วงทีและเหมาะสม ควรแสดงข้อมูลนี้ให้เห็นชัดเจนบนแดชบอร์ดและรายงาน เพื่อให้ผู้ใช้ตรวจสอบความใหม่ของข้อมูลและประเมินความน่าเชื่อถือของผลการวิเคราะห์ได้. เหตุผลที่สำคัญ ระบุความใหม่ของข้อมูล เพื่อให้การวิเคราะห์และการตัดสินใจอ้างอิงข้อมูลล่าสุด. แหล่งข้อมูล ระบบจะสร้างค่านี้และบันทึกลงในชุดข้อมูลขณะแยกหรือโหลดข้อมูลเข้าสู่เครื่องมือ process mining. ตัวอย่าง 2024-05-23T04:00:00Z2024-05-24T04:00:00Z
	ช่องทางการติดต่อสื่อสาร MediaType	ช่องทางที่ใช้ติดต่อ เช่น เสียง แชต หรืออีเมล.
คำอธิบาย แอตทริบิวต์นี้ระบุช่องทางที่ลูกค้าและเจ้าหน้าที่ใช้สื่อสารกัน ช่องทางที่พบบ่อย ได้แก่ เสียง แชต อีเมล และโซเชียลมีเดีย การวิเคราะห์ประสิทธิภาพแยกตามช่องทางผ่านแดชบอร์ด «ประสิทธิภาพของช่องทางการติดต่อสื่อสาร» ช่วยให้ธุรกิจเข้าใจปริมาณการติดต่อ ระยะเวลาแก้ไข และความพึงพอใจของลูกค้าในแต่ละช่องทาง ข้อมูลนี้สำคัญต่อการวางแผนช่องทางและจัดสรรทรัพยากร. เหตุผลที่สำคัญ การแยกวิเคราะห์กระบวนการตามช่องทางการติดต่อสื่อสารเป็นสิ่งสำคัญ เพื่อทำความเข้าใจประสิทธิภาพ พฤติกรรมลูกค้า และความต้องการทรัพยากรของแต่ละช่องทาง. แหล่งข้อมูล เป็นฟิลด์มาตรฐานในระเบียนรายละเอียดการสนทนาของ Genesys Cloud CX. ตัวอย่าง เสียงแชตอีเมลข้อความ
	ชื่อคิว QueueName	ชื่อคิวที่ระบบส่งการติดต่อไปยังคิวนั้น.
คำอธิบาย แอตทริบิวต์นี้ระบุคิวที่การติดต่อรออยู่ก่อนจะได้รับการมอบหมายให้เจ้าหน้าที่ การวิเคราะห์ข้อมูลตามชื่อคิวจำเป็นต่อแดชบอร์ด «ตรวจหาคอขวดในคิวบริการ» ช่วยให้ผู้จัดการเข้าใจการกระจายภาระงานระหว่างกลุ่มทักษะหรือสายบริการ วัดเวลารอในแต่ละคิว และค้นหาคิวที่มีเจ้าหน้าที่ไม่เพียงพอหรือมีงานล้นอย่างต่อเนื่อง ข้อมูลนี้ช่วยจัดสรรทรัพยากรและลดเวลารอของลูกค้า. เหตุผลที่สำคัญ ช่วยระบุคอขวดและวิเคราะห์การกระจายภาระงาน โดยแสดงให้เห็นว่าคำขอรับบริการรอการมอบหมายอยู่ที่ใด. แหล่งข้อมูล มีอยู่ในระเบียนรายละเอียดการสนทนาของ Genesys Cloud CX การติดต่อแต่ละครั้งอาจผ่านคิวหนึ่งคิวหรือหลายคิว. ตัวอย่าง ฝ่ายสนับสนุนระดับ 1 - เสียงสอบถามเรื่องการเรียกเก็บเงิน - แชตฝ่ายสนับสนุนด้านเทคนิค - อีเมล
	ชื่อเจ้าหน้าที่ AgentName	ชื่อเต็มของเจ้าหน้าที่ที่ดูแลการติดต่อหรือกิจกรรม.
คำอธิบาย ชื่อเจ้าหน้าที่เป็นชื่อที่อ่านเข้าใจได้ของพนักงานบริการ ซึ่งเชื่อมโยงกับรหัสเจ้าหน้าที่ ช่วยให้ผู้จัดการและหัวหน้าทีมอ่านแดชบอร์ดและรายงานได้ง่ายขึ้น ข้อมูลนี้ใช้วิเคราะห์ประสิทธิภาพของเจ้าหน้าที่ ระบุความต้องการในการฝึกอบรม และกระจายภาระงานอย่างเป็นธรรม โดยไม่ต้องเทียบกับรหัสในระบบ. เหตุผลที่สำคัญ แสดงชื่อเจ้าหน้าที่ที่อ่านเข้าใจง่าย ช่วยให้วิเคราะห์ประสิทธิภาพและสื่อสารผลได้โดยไม่ต้องใช้รหัสทางเทคนิค. แหล่งข้อมูล ดึงข้อมูลจากบริการ Users หรือ Directory ใน Genesys Cloud CX โดยค้นหาจาก AgentId. ตัวอย่าง John SmithJane DoePeter Jones
	รหัสเจ้าหน้าที่ AgentId	รหัสเฉพาะของเจ้าหน้าที่ที่ดูแลการติดต่อหรือกิจกรรม.
คำอธิบาย รหัสเจ้าหน้าที่เป็นคีย์เฉพาะของพนักงานบริการลูกค้าแต่ละคน แอตทริบิวต์นี้จำเป็นต่อการวิเคราะห์ประสิทธิภาพของเจ้าหน้าที่ การกระจายภาระงาน และประสิทธิผล คุณสามารถกรองแผนผังกระบวนการเพื่อดูว่าเจ้าหน้าที่หรือทีมใดจัดการคำขออย่างไร และเปรียบเทียบตัวชี้วัด เช่น ระยะเวลาแก้ไข อัตราการทำงานซ้ำ และการปฏิบัติตามขั้นตอนมาตรฐาน ข้อมูลนี้เป็นพื้นฐานของแดชบอร์ด «ประสิทธิภาพและประสิทธิผลของเจ้าหน้าที่». เหตุผลที่สำคัญ แอตทริบิวต์นี้เชื่อมกิจกรรมในกระบวนการกับพนักงานแต่ละคน เพื่อวิเคราะห์ประสิทธิภาพ ภาระงาน และประสิทธิผลของทีม. แหล่งข้อมูล มีอยู่ในระเบียนรายละเอียดการสนทนาของ Genesys Cloud CX โดยเชื่อมโยงกับผู้ใช้ที่ดูแลช่วงหนึ่งของการติดต่อ. ตัวอย่าง a1b2c3d4-e5f6-7890-1234-567890abcdeff0e9d8c7-b6a5-4321-fedc-ba0987654321
	รหัสสรุปผลการติดต่อ WrapUpCode	รหัสที่เจ้าหน้าที่กำหนดเมื่อสิ้นสุดการติดต่อ เพื่อจัดหมวดหมู่ผลลัพธ์หรือหัวข้อ.
คำอธิบาย รหัสสรุปผลการติดต่อเป็นป้ายกำกับที่เจ้าหน้าที่เลือกเพื่อระบุลักษณะหรือผลการแก้ไขปัญหาของการติดต่อกับลูกค้า รหัสเหล่านี้ช่วยจัดเก็บข้อมูลอย่างเป็นระบบว่าลูกค้าติดต่อฝ่ายสนับสนุนด้วยเหตุใด การวิเคราะห์รหัสสรุปผลช่วยระบุประเภทปัญหาที่พบบ่อย ติดตามผลการแก้ไข และวัดความถี่ของคำขอแต่ละประเภท ข้อมูลนี้มีประโยชน์ต่อการวิเคราะห์หาสาเหตุและทำความเข้าใจรูปแบบความต้องการบริการ. เหตุผลที่สำคัญ จัดหมวดหมู่ผลลัพธ์ของการติดต่อ เพื่อให้มีข้อมูลที่เป็นระบบสำหรับวิเคราะห์ปัญหาที่พบบ่อย ประสิทธิผลในการแก้ไข และเหตุผลที่ลูกค้าติดต่อ. แหล่งข้อมูล มีอยู่ในระเบียนรายละเอียดการสนทนาของ Genesys Cloud CX โดยเฉพาะรายละเอียดเซสชันของผู้เข้าร่วมที่เป็นเจ้าหน้าที่. ตัวอย่าง รีเซ็ตรหัสผ่านแก้ไขข้อโต้แย้งเรื่องการเรียกเก็บเงินแล้วสอบถามข้อมูลผลิตภัณฑ์ส่งต่อไปยังฝ่ายสนับสนุนระดับ 2
	เวลาสิ้นสุด EventEndTime	เวลาที่ระบุว่ากิจกรรมหรือเหตุการณ์สิ้นสุดลงเมื่อใด.
คำอธิบาย แอตทริบิวต์นี้บันทึกเวลาที่กิจกรรมสิ้นสุดอย่างแม่นยำ เมื่อนำไปใช้ร่วมกับเวลาเริ่มต้น จะคำนวณระยะเวลาของแต่ละกิจกรรมได้อย่างถูกต้อง การวิเคราะห์ระยะเวลาช่วยระบุขั้นตอนที่ใช้เวลามากที่สุด รวมถึงจุดที่ไม่มีประสิทธิภาพและโอกาสในการปรับปรุงกระบวนการ เช่น ช่วงเวลาที่พักสายระหว่างการติดต่อ หรือเวลาทำงานหลังวางสายที่ยาวนาน. เหตุผลที่สำคัญ ช่วยคำนวณระยะเวลาของแต่ละกิจกรรมได้อย่างแม่นยำ ซึ่งจำเป็นต่อการค้นหาขั้นตอนที่ใช้เวลานานและคอขวดด้านประสิทธิภาพ. แหล่งข้อมูล ดูได้จากบันทึกเหตุการณ์หรือรายละเอียดการติดต่อใน Genesys Cloud CX นอกจากนี้ยังคำนวณได้จากเวลาเริ่มต้นของเหตุการณ์ถัดไป. ตัวอย่าง 2024-05-21T10:02:30Z2024-05-21T10:15:00Z2024-05-21T10:18:45Z
	แก้ไขได้ตั้งแต่การติดต่อครั้งแรกหรือไม่ IsFirstContactResolution	ตัวบ่งชี้ว่าคำขอรับบริการได้รับการแก้ไขภายในการติดต่อครั้งเดียวหรือไม่.
คำอธิบาย แอตทริบิวต์แบบบูลีนนี้ระบุกรณีที่แก้ไขได้ตั้งแต่การติดต่อครั้งแรก โดยไม่ต้องติดตามลูกค้าหรือส่งต่อภายใน ค่า 'true' หมายถึงแก้ไขได้อย่างมีประสิทธิภาพตามที่ต้องการ แอตทริบิวต์นี้ใช้เป็นพื้นฐานของ KPI «อัตราการแก้ไขได้ตั้งแต่การติดต่อครั้งแรก» และแดชบอร์ดที่เกี่ยวข้อง การวิเคราะห์กรณีที่แก้ไขไม่ได้ตั้งแต่ครั้งแรกช่วยให้เห็นโอกาสในการฝึกอบรมเจ้าหน้าที่ ปรับปรุงฐานความรู้ หรือเปลี่ยนแปลงกระบวนการ. เหตุผลที่สำคัญ วัดประสิทธิภาพและความพึงพอใจของลูกค้าโดยตรง เพราะการแก้ปัญหาได้ตั้งแต่ครั้งแรกเป็นปัจจัยสำคัญที่ทำให้ลูกค้าได้รับประสบการณ์การบริการที่ดี. แหล่งข้อมูล ฟิลด์ที่คำนวณจากการวิเคราะห์ลำดับเหตุการณ์ของกรณี โดยถือว่าเป็น FCR หากแก้ไขได้โดยไม่มีบางกิจกรรมแทรกกลาง เช่น การส่งต่อหรือการเปิดกรณีอีกครั้ง. ตัวอย่าง truefalse
	คะแนน CSAT CustomerSatisfactionScore	คะแนนความพึงพอใจที่ลูกค้าให้ในการสำรวจหลังการติดต่อ.
คำอธิบาย คะแนนความพึงพอใจของลูกค้า หรือ CSAT เป็นตัววัดโดยตรงว่าลูกค้ารู้สึกอย่างไรต่อบริการที่ได้รับ โดยทั่วไปจะเก็บข้อมูลผ่านแบบสำรวจที่ส่งหลังปิดการติดต่อ เมื่อนำคะแนน CSAT มาวิเคราะห์ร่วมกับข้อมูลกระบวนการ จะช่วยให้เห็นว่าความแตกต่างของกระบวนการ ระยะเวลาแก้ไข หรือเจ้าหน้าที่แต่ละคนส่งผลต่อความพึงพอใจของลูกค้าอย่างไร ตัวชี้วัดนี้ใช้ประเมินผลลัพธ์โดยรวมของกระบวนการ. เหตุผลที่สำคัญ วัดความพึงพอใจของลูกค้าโดยตรง และช่วยวิเคราะห์ความสัมพันธ์ระหว่างประสิทธิภาพของกระบวนการกับผลลัพธ์ที่ลูกค้าได้รับ. แหล่งข้อมูล โดยทั่วไปข้อมูลนี้มาจากโมดูล Quality Management ของ Genesys Cloud CX หรือเครื่องมือสำรวจจากผู้ให้บริการภายนอกที่เชื่อมต่อกับ Genesys. ตัวอย่าง 5413
	ประเภทคำขอรับบริการ ServiceRequestType	การจัดประเภทคำขอรับบริการ เช่น «สอบถามข้อมูล» «ร้องเรียน» หรือ «ปัญหาทางเทคนิค».
คำอธิบาย แอตทริบิวต์นี้จัดหมวดหมู่คำขอรับบริการตามลักษณะหรือวัตถุประสงค์ ช่วยแยกวิเคราะห์เพื่อทำความเข้าใจวิธีจัดการคำขอแต่ละประเภท ตัวอย่างเช่น ขั้นตอนและระยะเวลาแก้ไข «ข้อร้องเรียน» อาจแตกต่างจาก «การสอบถามทั่วไป» อย่างมาก ข้อมูลนี้สำคัญต่อแดชบอร์ดอย่าง «วิเคราะห์การส่งต่อภายใน» เพื่อดูว่าคำขอประเภทใดถูกส่งต่อบ่อยกว่า. เหตุผลที่สำคัญ ช่วยแยกวิเคราะห์กระบวนการเพื่อเปรียบเทียบวิธีจัดการคำขอแต่ละประเภท และระบุคอขวดหรือจุดที่ไม่มีประสิทธิภาพเฉพาะประเภท. แหล่งข้อมูล ข้อมูลนี้อาจได้จากการเลือกในระบบ IVR การเลือกของลูกค้าบนแบบฟอร์มเว็บ หรือการกำหนดโดยเจ้าหน้าที่ ใน Genesys อาจจัดเก็บเป็นแอตทริบิวต์ของผู้เข้าร่วมหรือรหัสสรุปผลการติดต่อ. ตัวอย่าง สอบถามเรื่องการเรียกเก็บเงินฝ่ายสนับสนุนด้านเทคนิคการจัดการบัญชีร้องเรียนเกี่ยวกับผลิตภัณฑ์
	เป็นไปตาม SLA หรือไม่ IsSlaCompliant	ตัวบ่งชี้ว่าคำขอรับบริการได้รับการแก้ไขภายในเวลาเป้าหมายของ SLA หรือไม่.
คำอธิบาย แอตทริบิวต์แบบบูลีนนี้ระบุว่าคำขอรับบริการเป็นไปตามเวลาเป้าหมายในการแก้ไขหรือไม่ โดยเปรียบเทียบ 'ServiceResolutionTime' กับ 'SlaTargetResolutionTime' ธงนี้ช่วยให้วิเคราะห์และแสดงผลบนแดชบอร์ด «ภาพรวมการปฏิบัติตาม SLA» ได้ง่ายขึ้น และใช้คำนวณ KPI «อัตราการปฏิบัติตาม SLA» คุณสามารถกรองและแบ่งกลุ่มกรณีที่เป็นไปตาม SLA หรือไม่เป็นไปตาม SLA เพื่อค้นหารูปแบบที่พบบ่อย. เหตุผลที่สำคัญ ช่วยให้วิเคราะห์ผลการดำเนินงานตาม SLA ได้ง่ายขึ้น โดยระบุชัดเจนว่าแต่ละกรณีเป็นไปตาม SLA หรือผิด SLA และช่วยวิเคราะห์หาสาเหตุของปัญหา. แหล่งข้อมูล ฟิลด์ที่คำนวณ: เป็น True หาก ServiceResolutionTime <= SlaTargetResolutionTime มิฉะนั้นเป็น False. ตัวอย่าง truefalse
	มีการเปิดกรณีอีกครั้งหรือไม่ IsReopened	ตัวบ่งชี้ว่าคำขอรับบริการที่แก้ไขแล้วถูกเปิดขึ้นอีกครั้งในภายหลังหรือไม่.
คำอธิบาย แอตทริบิวต์แบบบูลีนนี้ระบุคำขอรับบริการที่เปลี่ยนเป็นสถานะแก้ไขแล้วหรือปิดแล้ว แต่กลับมาใช้งานอีกครั้งในภายหลัง กรณีที่เปิดขึ้นอีกครั้งมักบ่งชี้ว่าวิธีแก้ไขครั้งแรกไม่ได้ผลหรือยังไม่สมบูรณ์ ทำให้ลูกค้าไม่พึงพอใจและเกิดงานเพิ่มเติม แอตทริบิวต์นี้ใช้กับแดชบอร์ด «แนวโน้มการเปิดคำขอรับบริการอีกครั้ง» และ KPI «อัตราการเปิดคำขอรับบริการอีกครั้ง» การวิเคราะห์กรณีเหล่านี้ช่วยค้นหาสาเหตุที่แท้จริงของการแก้ไขที่ไม่ได้ผล. เหตุผลที่สำคัญ ชี้ให้เห็นปัญหาในขั้นตอนการแก้ไข ทั้งด้านคุณภาพของวิธีแก้ไข งานที่ต้องทำซ้ำ และประสบการณ์ที่ไม่ดีของลูกค้า. แหล่งข้อมูล ฟิลด์ที่คำนวณจากการตรวจหากิจกรรมที่ทำให้กรณีกลับมาใช้งานอีกครั้ง หลังจากเกิดกิจกรรม «แก้ไขคำขอรับบริการแล้ว». ตัวอย่าง truefalse
	รหัสการสนทนา ConversationId	รหัสเฉพาะที่ Genesys กำหนดให้กับการสนทนาทั้งหมด.
คำอธิบาย รหัสการสนทนาเป็นคีย์ทางเทคนิคหลักใน Genesys Cloud CX ซึ่งใช้รวมการติดต่อ ช่วงการสนทนา และผู้เข้าร่วมทั้งหมดที่เกี่ยวข้องกับการสนทนาของลูกค้าหนึ่งครั้ง แม้จะใช้ «คำขอรับบริการ» เป็น Case ID ในเชิงกระบวนการ แต่รหัสการสนทนาเป็นคีย์เบื้องหลังที่ใช้ดึงข้อมูลที่เกี่ยวข้องทั้งหมดจาก Genesys APIs จำเป็นต่อการดึงข้อมูล การรวมชุดข้อมูล และการตรวจสอบความถูกต้องของข้อมูลกระบวนการ. เหตุผลที่สำคัญ เป็นคีย์ทางเทคนิคหลักใน Genesys ซึ่งจำเป็นต่อการดึงข้อมูล การแก้ไขปัญหา และการเชื่อมโยงกลับไปยังระบบต้นทาง. แหล่งข้อมูล เป็นฟิลด์หลักใน analytics และ conversation APIs ทั้งหมดของ Genesys Cloud CX. ตัวอย่าง d8a7c6b5-e4f3-2109-8765-fedcba098765c7b6a5d4-f3e2-1098-7654-edcbaf987654
	ระยะเวลาแก้ไขคำขอรับบริการ ServiceResolutionTime	เวลารวมตั้งแต่เริ่มติดต่อลูกค้าครั้งแรกจนถึงการแก้ไขเสร็จสิ้น.
คำอธิบาย ตัวชี้วัดนี้วัดระยะเวลารวมของคำขอรับบริการ ตั้งแต่ลูกค้าเริ่มติดต่อจนกว่าจะระบุว่าปัญหาได้รับการแก้ไขแล้ว เป็น KPI สำคัญสำหรับประสิทธิภาพโดยรวมของกระบวนการและประสบการณ์ของลูกค้า แอตทริบิวต์ที่คำนวณได้นี้เป็นหัวใจของแดชบอร์ด «ระยะเวลาแก้ไขคำขอรับบริการ» และ KPI «ระยะเวลาเฉลี่ยในการแก้ไขคำขอรับบริการ» การวิเคราะห์การกระจายของระยะเวลาช่วยค้นหากรณีที่ใช้เวลานานและความล่าช้าที่เกิดซ้ำในระบบ. เหตุผลที่สำคัญ เป็น KPI สำคัญสำหรับวัดประสิทธิภาพโดยรวมของกระบวนการและผลกระทบต่อประสบการณ์ของลูกค้า. แหล่งข้อมูล ฟิลด์ที่คำนวณ: เวลาประทับของกิจกรรมที่แก้ไขเสร็จสิ้นครั้งสุดท้าย ลบด้วยเวลาประทับของกิจกรรมติดต่อลูกค้าครั้งแรก. ตัวอย่าง 90010800172800
	เวลาเป้าหมายในการแก้ไขตาม SLA SlaTargetResolutionTime	ระยะเวลาเป้าหมายที่ตกลงกันไว้ในสัญญาสำหรับการแก้ไขคำขอรับบริการ.
คำอธิบาย แอตทริบิวต์นี้กำหนดระยะเวลาสูงสุดที่อนุญาตให้ใช้แก้ไขคำขอรับบริการตามข้อตกลงระดับการให้บริการ (SLA) โดยใช้เป็นเกณฑ์เปรียบเทียบกับระยะเวลาแก้ไขจริง ข้อมูลนี้จำเป็นต่อแดชบอร์ด «ภาพรวมการปฏิบัติตาม SLA» และ KPI «อัตราการปฏิบัติตาม SLA» ช่วยให้องค์กรติดตามผลเทียบกับข้อตกลงกับลูกค้าและตรวจพบความเสี่ยงที่จะผิด SLA ได้ล่วงหน้า. เหตุผลที่สำคัญ ใช้เป็นเกณฑ์วัดการปฏิบัติตาม SLA ซึ่งเป็นตัวชี้วัดสำคัญของประสิทธิภาพการให้บริการและการปฏิบัติตามข้อผูกพันตามสัญญา. แหล่งข้อมูล อาจจัดเก็บเป็นแอตทริบิวต์ที่กำหนดเองของการสนทนา หรือคำนวณจากกฎที่พิจารณาคิว ประเภทลูกค้า หรือประเภทคำขอ. ตัวอย่าง 86400144003600

จำเป็น แนะนำ ไม่บังคับ

กิจกรรมการบริการลูกค้า

ขั้นตอนและจุดสำคัญของกระบวนการที่ควรบันทึกไว้ในบันทึกเหตุการณ์ เพื่อให้ค้นพบกระบวนการได้อย่างแม่นยำ.

5 แนะนำ 8 ไม่บังคับ

	กิจกรรม	คำอธิบาย
	กำหนดรหัสสรุปผลการติดต่อ	เจ้าหน้าที่กำหนดรหัสสรุปผลการติดต่อ หรือรหัสผลการดำเนินการที่กำหนดไว้ล่วงหน้า ให้กับการติดต่อ เพื่อระบุผลลัพธ์ของคำขอรับบริการอย่างชัดเจน เช่น 'แก้ไขแล้ว' หรือ 'ส่งต่อแล้ว'.
เหตุผลที่สำคัญ รหัสสรุปผลการติดต่อเป็นแหล่งข้อมูลหลักที่ใช้ระบุผลลัพธ์ทางธุรกิจของคำขอ มีความสำคัญต่อการคำนวณอัตราการแก้ไขและแบ่งกลุ่มเคสเพื่อวิเคราะห์. แหล่งข้อมูล เหตุการณ์นี้บันทึกไว้อย่างชัดเจนในรายละเอียดการสนทนา โดยทั่วไปอยู่ในข้อมูลเซสชันของผู้เข้าร่วมที่เป็นเจ้าหน้าที่ ซึ่งจะบันทึกรหัส wrapUp และเวลาไว้. บันทึก บันทึกเมื่อเจ้าหน้าที่เลือกรหัสสรุปผลการติดต่อ. ประเภทเหตุการณ์ explicit
	เจ้าหน้าที่รับการติดต่อ	หมายถึงจุดที่เจ้าหน้าที่รับการติดต่อที่ระบบเสนอและเชื่อมต่อกับลูกค้า นี่คือจุดสำคัญที่เจ้าหน้าที่เริ่มจัดการคำขอรับบริการโดยตรง.
เหตุผลที่สำคัญ กิจกรรมนี้สำคัญต่อการวัดอัตราการแก้ปัญหาได้ตั้งแต่การติดต่อครั้งแรกและเวลาที่เจ้าหน้าที่ใช้จัดการงาน เพราะเป็นจุดเริ่มต้นที่เจ้าหน้าที่ลงมือจัดการคำขอ. แหล่งข้อมูล ข้อมูลนี้มีอยู่ในรายละเอียดการสนทนา โดยระบุเมื่อสถานะของผู้เข้าร่วมที่เป็นเจ้าหน้าที่เปลี่ยนเป็น 'connected' พร้อมเวลาที่เกิดเหตุการณ์. บันทึก บันทึกเมื่อสถานะของผู้เข้าร่วมที่เป็นเจ้าหน้าที่เปลี่ยนเป็น 'connected'. ประเภทเหตุการณ์ explicit
	เริ่มการติดต่อ	กิจกรรมนี้หมายถึงจุดเริ่มต้นของการติดต่อเพื่อรับบริการ เช่น สายเรียกเข้า แชต หรืออีเมล Genesys Cloud CX จะบันทึกเหตุการณ์นี้อย่างชัดเจนเมื่อมีการสร้างออบเจ็กต์การสนทนาใหม่ในระบบ.
เหตุผลที่สำคัญ นี่คือเหตุการณ์เริ่มต้นหลักของกระบวนการคำขอรับบริการ ซึ่งจำเป็นต่อการคำนวณเวลาแก้ไขทั้งหมดและทำความเข้าใจรูปแบบความต้องการของลูกค้าที่ติดต่อเข้ามา. แหล่งข้อมูล ข้อมูลนี้บันทึกจากรายละเอียดการสนทนา โดยตรงกับเวลาเริ่มต้นของออบเจ็กต์การสนทนา ซึ่งมักระบุไว้ใน timestamp ชื่อ conversationStart. บันทึก บันทึกเมื่อเริ่มการสนทนาใหม่ในระบบ. ประเภทเหตุการณ์ explicit
	สิ้นสุดการติดต่อ	กิจกรรมนี้หมายถึงการสนทนาสิ้นสุดลงเมื่อผู้เข้าร่วมทุกคนวางสายแล้ว โดยมักถือเป็นการปิดการติดต่อเพื่อรับบริการในทางเทคนิค.
เหตุผลที่สำคัญ นี่คือเหตุการณ์สิ้นสุดการติดต่ออย่างชัดเจน ซึ่งสำคัญต่อการคำนวณระยะเวลาการติดต่อทั้งหมด และมักใช้แทนเวลาปิดคำขอรับบริการ. แหล่งข้อมูล ข้อมูลนี้บันทึกจากรายละเอียดการสนทนา โดยตรงกับเวลาสิ้นสุดของออบเจ็กต์การสนทนา ซึ่งมักระบุไว้ใน timestamp ชื่อ conversationEnd. บันทึก บันทึกเมื่อผู้เข้าร่วมทุกคนวางสายและการสนทนาสิ้นสุดลง. ประเภทเหตุการณ์ explicit
	โอนการติดต่อ	หมายถึงกรณีที่เจ้าหน้าที่โอนการติดต่อไปยังคิวหรือเจ้าหน้าที่คนอื่น การโอนอาจเป็นแบบไม่แจ้งล่วงหน้า ซึ่งเจ้าหน้าที่วางสายทันที หรือแบบปรึกษาก่อน ซึ่งเจ้าหน้าที่พูดคุยกับผู้รับโอนก่อน.
เหตุผลที่สำคัญ กิจกรรมนี้จำเป็นต่อ KPI อัตราการส่งต่อเรื่องภายใน หากมีการโอนสูง อาจบ่งชี้ว่าต้องฝึกอบรมเพิ่มเติม กำหนดเส้นทางไม่ถูกต้อง หรือกระบวนการซับซ้อนเกินไป. แหล่งข้อมูล ระบุได้จากรายละเอียดการสนทนา เมื่อมีการเพิ่มผู้เข้าร่วม ACD หรือเจ้าหน้าที่คนใหม่ในการสนทนาหลังจากเจ้าหน้าที่คนแรกเข้ามาจัดการ โดยมักเริ่มจากเหตุการณ์ 'transfer'. บันทึก ระบุได้จากเหตุการณ์ transfer ในข้อมูลเซสชันของผู้เข้าร่วม. ประเภทเหตุการณ์ explicit
	เปิดคำขอรับบริการอีกครั้ง	หมายถึงกรณีที่ลูกค้าติดต่อศูนย์บริการอีกครั้งเกี่ยวกับปัญหาเดิม ไม่นานหลังจากที่ถือว่าแก้ไขแล้ว เหตุการณ์นี้ไม่ได้บันทึกไว้โดยตรง แต่คำนวณจากตรรกะทางธุรกิจ.
เหตุผลที่สำคัญ การติดตามคำขอที่เปิดอีกครั้งเป็นสิ่งสำคัญต่อการวัดอัตราการเปิดคำขอรับบริการซ้ำ ซึ่งบ่งชี้ว่าการแก้ไขครั้งแรกไม่ได้ผล และส่งผลต่อความพึงพอใจของลูกค้ากับประสิทธิภาพการปฏิบัติงาน. แหล่งข้อมูล อนุมานกิจกรรมนี้โดยตรวจหาเหตุการณ์ 'เริ่มการติดต่อ' ใหม่ของลูกค้าคนเดิม (Customer ID) และปัญหาที่เกี่ยวข้อง เช่น ประเภทคำขอรับบริการ ภายในช่วงเวลาที่กำหนดหลังจากแก้ไขการติดต่อครั้งก่อนแล้ว. บันทึก คำนวณโดยเชื่อมการติดต่อใหม่กับการติดต่อที่เพิ่งปิดไปของลูกค้าคนเดิมและปัญหาเดียวกัน. ประเภทเหตุการณ์ calculated
	พักสายระหว่างการติดต่อ	ระบบบันทึกกิจกรรมนี้เมื่อเจ้าหน้าที่พักสายลูกค้าระหว่างการติดต่อ โดยเป็นการเปลี่ยนสถานะอย่างชัดเจนของผู้เข้าร่วมที่เป็นเจ้าหน้าที่ในการสนทนา.
เหตุผลที่สำคัญ การวิเคราะห์ความถี่และระยะเวลาที่พักสายช่วยให้เห็นจุดที่กระบวนการไม่มีประสิทธิภาพ เช่น เจ้าหน้าที่ต้องค้นหาข้อมูลหรือปรึกษาผู้อื่นบ่อยครั้ง. แหล่งข้อมูล ข้อมูลนี้บันทึกจากข้อมูลเซสชันของผู้เข้าร่วมที่เป็นเจ้าหน้าที่ในรายละเอียดการสนทนา สถานะจะเปลี่ยนเป็น 'held' และมีการบันทึกเวลา. บันทึก บันทึกเมื่อสถานะของผู้เข้าร่วมที่เป็นเจ้าหน้าที่เปลี่ยนเป็น 'held'. ประเภทเหตุการณ์ explicit
	ยกเลิกการพักสาย	เกิดขึ้นเมื่อเจ้าหน้าที่กลับมาสนทนากับลูกค้าหลังจากพักสาย เหตุการณ์นี้หมายถึงช่วงพักสายสิ้นสุดลงและมีการบันทึกการเปลี่ยนสถานะ.
เหตุผลที่สำคัญ เมื่อนำมาพิจารณาคู่กับ 'พักสายระหว่างการติดต่อ' กิจกรรมนี้ช่วยคำนวณเวลาพักสายทั้งหมดได้อย่างแม่นยำ ซึ่งเป็นส่วนสำคัญของเวลาจัดการโดยรวมและประสบการณ์ของลูกค้า. แหล่งข้อมูล ข้อมูลนี้ได้จากข้อมูลเซสชันของผู้เข้าร่วมที่เป็นเจ้าหน้าที่ เมื่อสถานะเปลี่ยนจาก 'held' กลับเป็น 'connected'. บันทึก บันทึกเมื่อสถานะของผู้เข้าร่วมที่เป็นเจ้าหน้าที่เปลี่ยนจาก 'held' เป็น 'connected'. ประเภทเหตุการณ์ explicit
	เริ่มงานหลังวางสาย	กิจกรรมนี้หมายถึงจุดเริ่มต้นของช่วงเวลาทำงานหลังวางสาย (ACW) เจ้าหน้าที่วางสายกับลูกค้าแล้ว แต่เข้าสู่สถานะเฉพาะเพื่อทำงานต่อ เช่น บันทึกหมายเหตุหรืออัปเดตระบบ.
เหตุผลที่สำคัญ การวัดระยะเวลาของ ACW สำคัญต่อการทำความเข้าใจประสิทธิภาพของเจ้าหน้าที่และเวลาจัดการโดยรวม หาก ACW ใช้เวลานาน อาจเป็นสัญญาณว่าขั้นตอนหลังการติดต่อไม่มีประสิทธิภาพ. แหล่งข้อมูล ข้อมูลนี้บันทึกจากข้อมูลเซสชันของผู้เข้าร่วมที่เป็นเจ้าหน้าที่ เมื่อสถานะของเจ้าหน้าที่เปลี่ยนเป็น 'acw' หลังจากผู้เข้าร่วมที่เป็นลูกค้าวางสาย. บันทึก บันทึกเมื่อสถานะของผู้เข้าร่วมที่เป็นเจ้าหน้าที่เปลี่ยนเป็น 'acw'. ประเภทเหตุการณ์ explicit
	ส่งการสนทนาเข้าคิว	หมายถึงเวลาที่ระบบนำการติดต่อใหม่เข้าคิวที่กำหนด เพื่อรอเจ้าหน้าที่ที่พร้อมให้บริการ เหตุการณ์นี้บันทึกไว้อย่างชัดเจนโดยระบบกำหนดเส้นทางของ Genesys (ACD).
เหตุผลที่สำคัญ การติดตามกิจกรรมนี้สำคัญต่อการวัดเวลารอในคิวและระบุคอขวดในขั้นตอนกำหนดเส้นทาง หากใช้เวลานานระหว่างขั้นตอนนี้กับการมอบหมายเจ้าหน้าที่ อาจบ่งชี้ถึงปัญหาด้านจำนวนพนักงานหรือตรรกะการกำหนดเส้นทาง. แหล่งข้อมูล ข้อมูลนี้บันทึกจากรายละเอียดการสนทนา โดยพิจารณาค่า 'purpose' และ 'state' ของผู้เข้าร่วม ACD ในการสนทนา ค่า 'enterTime' ของคิวในอาร์เรย์ metrics ใช้ระบุเหตุการณ์นี้. บันทึก บันทึกเมื่อระบบกำหนดเส้นทาง ACD นำการสนทนาเข้าคิว. ประเภทเหตุการณ์ explicit
	ส่งแบบสำรวจความพึงพอใจของลูกค้า	กิจกรรมนี้เกิดขึ้นเมื่อส่งแบบสำรวจความพึงพอใจของลูกค้า (CSAT) หลังปิดการติดต่อ โดยระบบมักส่งแบบสำรวจโดยอัตโนมัติตามกฎที่กำหนดไว้ล่วงหน้า.
เหตุผลที่สำคัญ กิจกรรมนี้จำเป็นต่อการวัด KPI ความตรงเวลาของการส่งแบบสำรวจ CSAT การส่งแบบสำรวจทันเวลาช่วยให้ได้รับความคิดเห็นที่ถูกต้อง ขณะที่ลูกค้ายังจดจำประสบการณ์ได้. แหล่งข้อมูล โดยทั่วไป ข้อมูลนี้มีอยู่ในข้อมูลแบบสำรวจหรือการจัดการคุณภาพใน Genesys Cloud CX และสามารถเชื่อมโยงกลับไปยัง Conversation ID ต้นทางได้. บันทึก โมดูลแบบสำรวจบันทึกเหตุการณ์นี้เมื่อส่งแบบสำรวจสำหรับการสนทนารายการหนึ่ง. ประเภทเหตุการณ์ explicit
	สิ้นสุดงานหลังวางสาย	หมายถึงช่วงเวลาทำงานหลังวางสายของเจ้าหน้าที่สิ้นสุดลง เมื่อถึงจุดนี้ เจ้าหน้าที่จะพร้อมรับการติดต่อครั้งถัดไป.
เหตุผลที่สำคัญ เมื่อนำกิจกรรมนี้มาพิจารณาคู่กับ 'เริ่มงานหลังวางสาย' จะช่วยระบุระยะเวลาของขั้นตอนสรุปงานได้อย่างแม่นยำ และช่วยวิเคราะห์ผลิตภาพของเจ้าหน้าที่กับภาระงานในกระบวนการ. แหล่งข้อมูล อนุมานจากการเปลี่ยนสถานะของเจ้าหน้าที่จาก 'acw' เป็นสถานะพร้อมให้บริการ เช่น 'idle' โดยใช้เวลาที่สถานะเปลี่ยน. บันทึก อนุมานจากการเปลี่ยนสถานะของเจ้าหน้าที่จาก 'acw' เป็นสถานะพร้อมให้บริการ. ประเภทเหตุการณ์ inferred
	เสนอการติดต่อให้เจ้าหน้าที่	เหตุการณ์นี้เกิดขึ้นเมื่อระบบเสนอการติดต่อให้เจ้าหน้าที่คนหนึ่ง สถานะของเจ้าหน้าที่จะเปลี่ยนเป็น 'alerting' ระหว่างที่ระบบรอให้เจ้าหน้าที่รับหรือปฏิเสธการสนทนา.
เหตุผลที่สำคัญ กิจกรรมนี้ช่วยวิเคราะห์การตอบสนองของเจ้าหน้าที่และประสิทธิภาพของอัลกอริทึมกำหนดเส้นทาง หากเกิดความล่าช้าหลังจากจุดนี้ อาจหมายถึงเจ้าหน้าที่รับงานไม่ทันเวลา. แหล่งข้อมูล ข้อมูลนี้อยู่ในรายละเอียดการสนทนา ภายใต้ข้อมูลผู้เข้าร่วมของเจ้าหน้าที่ เซสชันของผู้เข้าร่วมจะแสดงตัวชี้วัดที่มีสถานะ 'alerting' พร้อมเวลาที่เกี่ยวข้อง. บันทึก บันทึกเมื่อระบบกำหนดเส้นทางแจ้งเจ้าหน้าที่ว่ามีการติดต่อใหม่. ประเภทเหตุการณ์ explicit

แนะนำ ไม่บังคับ

คู่มือการดึงข้อมูล

วิธีดึงข้อมูลจาก Genesys Cloud CX

ขั้นตอน

ไปที่ Analytics Workspace: เข้าสู่ระบบ Genesys Cloud CX เปิดเมนูแล้วเลือก Admin จากนั้นเลือก Workspace ในส่วน Analytics.
สร้างมุมมองใหม่: คลิกไอคอนเครื่องหมายบวกเพื่อเพิ่มแท็บ แล้วเลือก "Create a new view" เลือก "Interactions" เป็นประเภทมุมมอง ระบบจะเปิดตัวแก้ไขมุมมองการโต้ตอบ.
กำหนดช่วงวันที่: ในแผงตัวกรองทางซ้าย ให้กำหนดช่วงวันที่และเวลาของข้อมูลที่ต้องการดึง แนะนำให้เริ่มจากช่วงสั้นๆ เช่น 1 สัปดาห์ เพื่อทดสอบขั้นตอน.
เลือกคอลัมน์สำหรับส่งออก: ขั้นตอนนี้สำคัญที่สุดในการเตรียมข้อมูล คลิกปุ่ม "Columns" แล้วเลือกและเพิ่มฟิลด์ต่อไปนี้จากรายการที่มี ฟิลด์เหล่านี้จำเป็นต่อการสร้างบันทึกเหตุการณ์:
- Conversation ID
- Conversation Start
- Conversation End
- Media Type
- Participants (ฟิลด์นี้มีข้อมูลเจ้าหน้าที่ คิว และลูกค้าแบบซ้อนกัน)
- Metrics.tAnswered
- Metrics.tACW
- Metrics.tHeld
- Surveys
ใช้ตัวกรองเพิ่มเติม: ใช้แผงตัวกรองเพื่อจำกัดข้อมูลตามต้องการ คุณกรองตาม Media Type (เช่น voice, chat), Queue, Direction (inbound/outbound) หรือคุณสมบัติอื่นๆ ของการสนทนา เพื่อเน้นกระบวนการรับคำขอบริการที่ต้องการได้.
บันทึกและเรียกใช้มุมมอง: บันทึกมุมมองด้วยชื่อที่สื่อความหมาย เช่น "Process Mining Service Request Export" จากนั้นระบบจะแสดงข้อมูลที่ตรงกับเกณฑ์ที่กำหนด.
เริ่มส่งออกข้อมูล: เมื่อข้อมูลแสดงในมุมมองแล้ว คลิกปุ่ม "Export" ซึ่งมักแสดงเป็นไอคอนดาวน์โหลด เลือก "Export as CSV" หรือ "Export as JSON" โดยทั่วไป CSV จะจัดการต่อได้ง่ายกว่าในขั้นต้น.
ดาวน์โหลดไฟล์ที่ส่งออก: ระบบจะประมวลผลงานส่งออกในเบื้องหลัง คุณตรวจสอบความคืบหน้าได้ที่ Performance > My Exports เมื่อเสร็จแล้ว ให้ดาวน์โหลดไฟล์ลงในเครื่อง.
แปลงข้อมูลดิบ: ไฟล์ที่ส่งออกมีหนึ่งแถวต่อการสนทนา โดยข้อมูลผู้เข้าร่วมและเซกเมนต์จะซ้อนอยู่ในคอลัมน์เดียว คุณต้องเรียกใช้สคริปต์แปลงข้อมูล เช่น สคริปต์ Python ในส่วน Query เพื่อแยกข้อมูลเหล่านี้ สคริปต์จะอ่านไฟล์ดิบและสร้างไฟล์ใหม่ที่แต่ละแถวแทนกิจกรรมหนึ่งรายการ เช่น "Agent Accepted Interaction" หรือ "Hold Placed on Interaction".
เพิ่มตรรกะเฉพาะขององค์กร: ระหว่างแปลงข้อมูล ให้เพิ่มตรรกะทางธุรกิจที่จำเป็น เช่น คำนวณกิจกรรม "Service Request Re-Opened" โดยตรวจสอบการติดต่อครั้งถัดไปจากลูกค้ารายเดิมภายในช่วงเวลาที่กำหนด.
จัดทำบันทึกเหตุการณ์ขั้นสุดท้าย: สคริปต์แปลงข้อมูลควรสร้างไฟล์ CSV ที่มีคอลัมน์ตามรูปแบบที่ ProcessMind ต้องการ เช่น ServiceRequest, ActivityName, EventTime และแอตทริบิวต์อื่นๆ ตรวจสอบให้แน่ใจว่าการประทับเวลาทั้งหมดใช้รูปแบบเดียวกัน.
อัปโหลดไปยัง ProcessMind: เมื่อแปลงข้อมูลเสร็จแล้ว คุณก็อัปโหลดไฟล์ CSV ไปยังเครื่องมือ process mining ได้.

การกำหนดค่า

สิทธิ์การใช้งาน: บทบาทผู้ใช้ Genesys Cloud CX ของคุณต้องมีสิทธิ์ Analytics > Conversation > View เพื่อเข้าถึง Analytics Workspace และสร้างมุมมองการโต้ตอบ.
ช่วงวันที่: สำหรับการดึงข้อมูลครั้งแรก ให้ใช้ช่วงเวลาที่เป็นตัวแทน 3-6 เดือน หากศูนย์ติดต่อต้องรองรับปริมาณข้อมูลสูงมาก แนะนำให้ส่งออกเป็นช่วงสั้นๆ เช่น รายสัปดาห์หรือรายเดือน เพื่อไม่ให้เกินขีดจำกัดของระบบและควบคุมขนาดไฟล์.
ตัวกรองหลัก:
- Media Type: กรองช่องทางที่เกี่ยวข้องกับกระบวนการบริการลูกค้า เช่น voice, chat หรือ email.
- Queue: หากกระบวนการดำเนินการโดยทีมเฉพาะ ให้กรองตาม Queue ID ที่เกี่ยวข้อง เพื่อดึงเฉพาะข้อมูลของกระบวนการที่ต้องการ.
- Direction: โดยทั่วไปควรกรองการโต้ตอบแบบ inbound เพื่อเก็บคำขอบริการที่ลูกค้าเป็นผู้เริ่มติดต่อ.
คอลัมน์สำหรับส่งออก: คอลัมน์ Participants จำเป็น เพราะมีลำดับเหตุการณ์โดยละเอียดของเจ้าหน้าที่และคิว หากไม่มีคอลัมน์นี้ คุณจะดึงกิจกรรมแต่ละรายการไม่ได้ และต้องมี Conversation ID, Conversation Start และ Conversation End ด้วย.
ข้อควรพิจารณาด้านประสิทธิภาพ: การส่งออกคอลัมน์จำนวนมากหรือใช้ช่วงวันที่ยาวมากอาจทำให้งานส่งออกใช้เวลานาน หากงานล้มเหลวหรือหมดเวลา ให้ลดช่วงวันที่แล้วลองอีกครั้ง Genesys Cloud จำกัดจำนวนไว้ที่ประมาณ 1 ล้านการสนทนาต่องานส่งออก.

ตัวอย่างคำค้น python

import pandas as pd
import json
from datetime import datetime, timezone

class=class="hl-string">"hl-comment"># This script transforms a Genesys Cloud Conversation Detail Export into a process mining event log.
class=class="hl-string">"hl-comment"># It assumes the raw data is in a CSV file named class="hl-string">'genesys_export.csv'.

def transform_genesys_export(file_path):
    class=class="hl-string">"hl-comment"># Load the raw export file
    try:
        df = pd.read_csv(file_path)
    except FileNotFoundError:
        print(fclass="hl-string">"Error: The file {file_path} was not found.")
        return None

    event_log = []
    source_system = class="hl-string">'Genesys Cloud CX'
    last_data_update = datetime.now(timezone.utc).isoformat()

    class=class="hl-string">"hl-comment"># Rename columns for easier access
    df.rename(columns={
        class="hl-string">'Conversation ID': class="hl-string">'conversationId',
        class="hl-string">'Conversation Start': class="hl-string">'conversationStart',
        class="hl-string">'Conversation End': class="hl-string">'conversationEnd',
        class="hl-string">'Media Type': class="hl-string">'mediaType'
    }, inplace=True)

    for index, row in df.iterrows():
        service_request_id = row[class="hl-string">'conversationId']
        media_type = row[class="hl-string">'mediaType']
        
        class=class="hl-string">"hl-comment"># Activity: Interaction Started
        event_log.append({
            class="hl-string">'ServiceRequest': service_request_id,
            class="hl-string">'ActivityName': class="hl-string">'Interaction Started',
            class="hl-string">'EventTime': row[class="hl-string">'conversationStart'],
            class="hl-string">'EventEndTime': None,
            class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None,
            class="hl-string">'MediaType': media_type, class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
        })

        class=class="hl-string">"hl-comment"># The class="hl-string">'Participants' column contains a JSON string that needs to be parsed
        participants = json.loads(row[class="hl-string">'Participants'])

        for p in participants:
            participant_id = p.get(class="hl-string">'participantId')
            user_id = p.get(class="hl-string">'userId')
            queue_name = p.get(class="hl-string">'queueName')
            purpose = p.get(class="hl-string">'purpose')

            for s in p.get(class="hl-string">'sessions', []):
                wrap_up_code = s.get(class="hl-string">'wrapUpCode')
                for seg in s.get(class="hl-string">'segments', []):
                    seg_start = seg.get(class="hl-string">'segmentStart')
                    seg_end = seg.get(class="hl-string">'segmentEnd')
                    seg_type = seg.get(class="hl-string">'segmentType')

                    activity_name = None
                    if purpose == class="hl-string">'acd' and seg_type == class="hl-string">'interact':
                        activity_name = class="hl-string">'Conversation Routed to Queue'
                    elif purpose == class="hl-string">'agent' and seg_type == class="hl-string">'alert':
                        activity_name = class="hl-string">'Agent Offered Interaction'
                    elif purpose == class="hl-string">'agent' and seg_type == class="hl-string">'interacting':
                        activity_name = class="hl-string">'Agent Accepted Interaction'
                    elif purpose == class="hl-string">'agent' and seg_type == class="hl-string">'hold':
                        activity_name = class="hl-string">'Hold Placed on Interaction'
                        class=class="hl-string">"hl-comment"># Also create the Hold Removed event
                        event_log.append({
                            class="hl-string">'ServiceRequest': service_request_id,
                            class="hl-string">'ActivityName': class="hl-string">'Hold Removed from Interaction',
                            class="hl-string">'EventTime': seg_end,
                            class="hl-string">'EventEndTime': None,
                            class="hl-string">'AgentId': user_id, class="hl-string">'AgentName': class="hl-string">'[Configure based on your system]', class="hl-string">'QueueName': queue_name, class="hl-string">'WrapUpCode': None,
                            class="hl-string">'MediaType': media_type, class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })
                    elif purpose == class="hl-string">'agent' and seg_type == class="hl-string">'acw':
                        activity_name = class="hl-string">'After-Call Work Started'
                        class=class="hl-string">"hl-comment"># Also create ACW Ended and Wrap-Up Assigned events
                        if wrap_up_code:
                            event_log.append({
                                class="hl-string">'ServiceRequest': service_request_id,
                                class="hl-string">'ActivityName': class="hl-string">'Wrap-Up Code Assigned',
                                class="hl-string">'EventTime': seg_end, class=class="hl-string">"hl-comment"># Assume code assigned at end of ACW
                                class="hl-string">'EventEndTime': None,
                                class="hl-string">'AgentId': user_id, class="hl-string">'AgentName': class="hl-string">'[Configure based on your system]', class="hl-string">'QueueName': queue_name, class="hl-string">'WrapUpCode': wrap_up_code,
                                class="hl-string">'MediaType': media_type, class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                            })
                        event_log.append({
                            class="hl-string">'ServiceRequest': service_request_id,
                            class="hl-string">'ActivityName': class="hl-string">'After-Call Work Ended',
                            class="hl-string">'EventTime': seg_end,
                            class="hl-string">'EventEndTime': None,
                            class="hl-string">'AgentId': user_id, class="hl-string">'AgentName': class="hl-string">'[Configure based on your system]', class="hl-string">'QueueName': queue_name, class="hl-string">'WrapUpCode': wrap_up_code,
                            class="hl-string">'MediaType': media_type, class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })
                    
                    if seg.get(class="hl-string">'disconnectType') == class="hl-string">'transfer':
                        activity_name = class="hl-string">'Interaction Transferred'

                    if activity_name:
                        event_log.append({
                            class="hl-string">'ServiceRequest': service_request_id,
                            class="hl-string">'ActivityName': activity_name,
                            class="hl-string">'EventTime': seg_start,
                            class="hl-string">'EventEndTime': seg_end,
                            class="hl-string">'AgentId': user_id, class="hl-string">'AgentName': class="hl-string">'[Configure based on your system]', class="hl-string">'QueueName': queue_name, class="hl-string">'WrapUpCode': None,
                            class="hl-string">'MediaType': media_type, class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })
        
        class=class="hl-string">"hl-comment"># Activity: Interaction Disconnected
        event_log.append({
            class="hl-string">'ServiceRequest': service_request_id,
            class="hl-string">'ActivityName': class="hl-string">'Interaction Disconnected',
            class="hl-string">'EventTime': row[class="hl-string">'conversationEnd'],
            class="hl-string">'EventEndTime': None,
            class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None,
            class="hl-string">'MediaType': media_type, class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
        })

        class=class="hl-string">"hl-comment"># Activity: Customer Satisfaction Survey Sent (from surveys column)
        if pd.notna(row.get(class="hl-string">'Surveys')):
            surveys = json.loads(row[class="hl-string">'Surveys'])
            for survey in surveys:
                if survey.get(class="hl-string">'surveyStatus') == class="hl-string">'Sent':
                    class=class="hl-string">"hl-comment"># Survey sent time is not always directly available, using conversation end as an approximation
                    event_log.append({
                        class="hl-string">'ServiceRequest': service_request_id,
                        class="hl-string">'ActivityName': class="hl-string">'Customer Satisfaction Survey Sent',
                        class="hl-string">'EventTime': survey.get(class="hl-string">'surveySentDate', row[class="hl-string">'conversationEnd']),
                        class="hl-string">'EventEndTime': None,
                        class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None,
                        class="hl-string">'MediaType': media_type, class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })

    class=class="hl-string">"hl-comment"># NOTE: class="hl-string">'Service Request Re-Opened' requires custom cross-conversation logic.
    class=class="hl-string">"hl-comment"># This logic would need to be implemented here, analyzing the entire dataset
    class=class="hl-string">"hl-comment"># to find subsequent interactions from the same customer within a specific timeframe.

    final_df = pd.DataFrame(event_log)
    class=class="hl-string">"hl-comment"># Sort by case and event time to create a chronological log
    final_df.sort_values(by=[class="hl-string">'ServiceRequest', class="hl-string">'EventTime'], inplace=True)
    
    return final_df

if __name__ == class="hl-string">'__main__':
    class=class="hl-string">"hl-comment"># Specify the path to your downloaded Genesys export CSV file
    input_file = class="hl-string">'genesys_export.csv'
    output_file = class="hl-string">'genesys_event_log.csv'
    
    event_log_df = transform_genesys_export(input_file)
    
    if event_log_df is not None:
        event_log_df.to_csv(output_file, index=False)
        print(fclass="hl-string">"Transformation complete. Event log saved to {output_file}")

ขั้นตอน

ข้อกำหนดเบื้องต้นและการตั้งค่า: ติดตั้ง Python 3.8 ขึ้นไป พร้อมไลบรารี pandas และ purecloud-platform-client-v2 ติดตั้งได้ด้วย pip: pip install pandas purecloud-platform-client-v2.
สร้าง Genesys Cloud OAuth Client: เข้าสู่ระบบบัญชีผู้ดูแลระบบ Genesys Cloud CX ไปที่ Integrations > OAuth แล้วสร้าง client ใหม่โดยเลือก grant type เป็น 'Client Credentials' กำหนดบทบาทที่มีสิทธิ์ analytics:conversationDetail:view.
ตั้งค่าข้อมูลรับรองในสคริปต์: บันทึก Client ID และ Client Secret จากขั้นตอนก่อนหน้า ในสคริปต์ Python ด้านล่าง ให้แทนค่าตัวอย่างของ CLIENT_ID, CLIENT_SECRET และ GENESYS_CLOUD_REGION ด้วยข้อมูลรับรองของคุณ.
กำหนดช่วงเวลาดึงข้อมูล: ค้นหาตัวแปร query_body ในสคริปต์ แล้วแก้ค่า interval เพื่อระบุช่วงวันที่และเวลาของข้อมูลที่ต้องการดึง แนะนำให้เริ่มทดสอบด้วยช่วงสั้นๆ เช่น 1 วัน.
เรียกใช้สคริปต์ Python: เรียกใช้สคริปต์จากเทอร์มินัลด้วยคำสั่ง python your_script_name.py สคริปต์จะยืนยันตัวตนกับ Genesys Cloud API ส่งงานวิเคราะห์แบบอะซิงโครนัส และแสดงรหัสงาน.
ติดตามการทำงานของงาน: สคริปต์จะเรียกตรวจสอบสถานะผ่าน API ทุก 15 วินาทีโดยอัตโนมัติ และแสดงสถานะในคอนโซล ขั้นตอนนี้อาจใช้เวลาหลายนาทีหรือนานกว่านั้น ขึ้นอยู่กับปริมาณข้อมูลที่ร้องขอ.
ประมวลผลและแปลงข้อมูล: เมื่องานเสร็จ สคริปต์จะดาวน์โหลดข้อมูล JSON แล้วอ่านระเบียนการสนทนาแต่ละรายการ เพื่อแยกวิเคราะห์ข้อมูลผู้เข้าร่วม เซสชัน และเซกเมนต์ แล้วจัดโครงสร้างกิจกรรมและแอตทริบิวต์หลัก.
จัดการเหตุการณ์ที่คำนวณขึ้น: สคริปต์มีขั้นตอนหลังการประมวลผลเพื่อค้นหาเหตุการณ์ 'Service Request Re-Opened' คุณปรับตรรกะนี้ได้ โดยจะตรวจสอบว่าลูกค้ารายเดิมติดต่อเข้ามาใหม่ภายในช่วงเวลาที่กำหนดหลังจากแก้ไขการติดต่อครั้งก่อนแล้วหรือไม่.
สร้างบันทึกเหตุการณ์: รวบรวมข้อมูลที่แปลงแล้วเป็น pandas DataFrame ซึ่งมีโครงสร้างตามบันทึกเหตุการณ์สำหรับ process mining.
ส่งออกไฟล์ CSV ขั้นสุดท้าย: สคริปต์จะบันทึก DataFrame เป็นไฟล์ CSV ชื่อ genesys_event_log.csv ซึ่งจัดรูปแบบไว้ให้อัปโหลดไปยังแพลตฟอร์ม ProcessMind ได้โดยตรง.

การกำหนดค่า

ข้อมูลรับรอง API: ต้องใช้ OAuth Client ID และ Client Secret เพื่อยืนยันตัวตน โดยสร้างข้อมูลเหล่านี้ได้ในหน้าผู้ดูแลระบบ Genesys Cloud CX.
สิทธิ์ API: บทบาทของ OAuth client ที่เกี่ยวข้องต้องมีสิทธิ์ analytics:conversationDetail:view เพื่อเข้าถึงข้อมูลการสนทนาที่จำเป็น.
ช่วงเวลาดึงข้อมูล: พารามิเตอร์ interval ในเนื้อหาคำขอ API ใช้กำหนดช่วงวันที่สำหรับดึงข้อมูล สำหรับระบบขนาดใหญ่ ควรแบ่งดึงข้อมูลเป็นชุดเล็กๆ ต่อเนื่องกัน เช่น ครั้งละ 1 สัปดาห์ เพื่อป้องกัน API หมดเวลาและควบคุมการใช้หน่วยความจำ.
ตัวกรองข้อมูล: แก้ไขเนื้อหาคำขอ API เพื่อเพิ่ม conversationFilters, segmentFilters หรือ evaluationFilters สำหรับจำกัดขอบเขตข้อมูลได้ เช่น กรองตาม queueId หรือ mediaType เพื่อเลือกส่วนที่ต้องการของกระบวนการบริการลูกค้า.
ตรรกะการเปิดคำขออีกครั้ง: คุณกำหนดช่วงเวลาสำหรับค้นหาเหตุการณ์ 'Service Request Re-Opened' ในสคริปต์ได้ ค่าเริ่มต้นคือ 72 ชั่วโมง แต่ควรปรับให้ตรงกับกฎทางธุรกิจขององค์กร.
สภาพแวดล้อม: ต้องมีสภาพแวดล้อม Python ในเครื่อง พร้อม SDK และไลบรารีที่จำเป็นสำหรับเรียกใช้สคริปต์ ไม่จำเป็นต้องเข้าถึงเซิร์ฟเวอร์หรือฐานข้อมูล Genesys Cloud CX โดยตรง.

ตัวอย่างคำค้น python

import PureCloudPlatformClientV2
import pandas as pd
import requests
import json
import time
import os
from datetime import datetime, timedelta

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your Genesys Cloud credentials and region
CLIENT_ID = class="hl-string">"[Your_Client_Id]"
CLIENT_SECRET = class="hl-string">"[Your_Client_Secret]"
GENESYS_CLOUD_REGION = class="hl-string">"[Your_Genesys_Cloud_Region]" class=class="hl-string">"hl-comment"># e.g., mypurecloud.com, mypurecloud.de

class=class="hl-string">"hl-comment"># Set the API environment
PureCloudPlatformClientV2.configuration.host = fclass="hl-string">'https://api.{GENESYS_CLOUD_REGION}'

class=class="hl-string">"hl-comment"># --- Authentication ---
api_client = PureCloudPlatformClientV2.api_client.ApiClient().get_client_credentials_token(CLIENT_ID, CLIENT_SECRET)
analytics_api = PureCloudPlatformClientV2.AnalyticsApi(api_client)


def parse_conversation(conv_detail):
    class="hl-string">"""Parses a single conversation detail object into multiple event log rows."""
    events = []
    conversation_id = conv_detail.get(class="hl-string">'conversationId')
    source_system = class="hl-string">'Genesys Cloud CX'
    last_data_update = datetime.utcnow().isoformat() + class="hl-string">'Z'

    class=class="hl-string">"hl-comment"># Event: Interaction Started
    events.append({
        class="hl-string">'ServiceRequest': conversation_id,
        class="hl-string">'ActivityName': class="hl-string">'Interaction Started',
        class="hl-string">'EventTime': conv_detail.get(class="hl-string">'conversationStart'),
        class="hl-string">'EventEndTime': None,
        class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None,
        class="hl-string">'MediaType': next((p.get(class="hl-string">'sessions')[0].get(class="hl-string">'mediaType') for p in conv_detail.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None),
        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
    })

    for p in conv_detail.get(class="hl-string">'participants', []):
        agent_id = p.get(class="hl-string">'userId')
        agent_name = p.get(class="hl-string">'participantName')

        for s in p.get(class="hl-string">'sessions', []):
            media_type = s.get(class="hl-string">'mediaType')

            for seg in s.get(class="hl-string">'segments', []):
                seg_start = seg.get(class="hl-string">'segmentStart')
                seg_end = seg.get(class="hl-string">'segmentEnd')

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'alert':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Agent Offered Interaction', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': seg_end,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'interact' and p.get(class="hl-string">'purpose') == class="hl-string">'agent':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Agent Accepted Interaction', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': seg_end,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'hold':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Hold Placed on Interaction', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': None,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })
                    if seg_end:
                        events.append({
                            class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Hold Removed from Interaction', class="hl-string">'EventTime': seg_end, class="hl-string">'EventEndTime': None,
                            class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                            class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'acw':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'After-Call Work Started', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': seg_end,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': p.get(class="hl-string">'wrapUp', {}).get(class="hl-string">'code'), class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })
                    if seg_end:
                         events.append({
                            class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'After-Call Work Ended', class="hl-string">'EventTime': seg_end, class="hl-string">'EventEndTime': None,
                            class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': p.get(class="hl-string">'wrapUp', {}).get(class="hl-string">'code'), class="hl-string">'MediaType': media_type,
                            class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })
                
                if seg.get(class="hl-string">'segmentType') == class="hl-string">'transmitting' and seg.get(class="hl-string">'disconnectType') == class="hl-string">'transfer':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Interaction Transferred', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': None,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })
            
            if s.get(class="hl-string">'flow', {}).get(class="hl-string">'outcomeValue') == class="hl-string">'SURVEY_OFFERED':
                events.append({
                    class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Customer Satisfaction Survey Sent', class="hl-string">'EventTime': s.get(class="hl-string">'flow', {}).get(class="hl-string">'flowEnd'), class="hl-string">'EventEndTime': None,
                    class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                    class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                })

        if p.get(class="hl-string">'purpose') == class="hl-string">'acd':
             for s in p.get(class="hl-string">'sessions', []):
                for seg in s.get(class="hl-string">'segments', []):
                    if seg.get(class="hl-string">'segmentType') == class="hl-string">'interact':
                         events.append({
                            class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Conversation Routed to Queue', class="hl-string">'EventTime': seg.get(class="hl-string">'segmentStart'), class="hl-string">'EventEndTime': seg.get(class="hl-string">'segmentEnd'),
                            class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': s.get(class="hl-string">'mediaType'),
                            class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })

        if p.get(class="hl-string">'wrapUp'):
            events.append({
                class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Wrap-Up Code Assigned', class="hl-string">'EventTime': p[class="hl-string">'wrapUp'].get(class="hl-string">'wrapUpEnd'), class="hl-string">'EventEndTime': None,
                class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': p[class="hl-string">'wrapUp'].get(class="hl-string">'code'), class="hl-string">'MediaType': s.get(class="hl-string">'mediaType'),
                class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
            })

    class=class="hl-string">"hl-comment"># Event: Interaction Disconnected
    events.append({
        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Interaction Disconnected', class="hl-string">'EventTime': conv_detail.get(class="hl-string">'conversationEnd'), class="hl-string">'EventEndTime': None,
        class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None,
        class="hl-string">'MediaType': next((p.get(class="hl-string">'sessions')[0].get(class="hl-string">'mediaType') for p in conv_detail.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None),
        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
    })
    
    return events


def main():
    class=class="hl-string">"hl-comment"># --- Define Analytics Query ---
    class=class="hl-string">"hl-comment"># Define your time interval here. Format: YYYY-MM-DDTHH:MM:SS.sssZ/YYYY-MM-DDTHH:MM:SS.sssZ
    interval = class="hl-string">"2023-10-01T00:00:00.000Z/2023-10-02T00:00:00.000Z"
    
    query_body = {
        class="hl-string">"interval": interval,
        class="hl-string">"paging": {
            class="hl-string">"pageSize": 100,
            class="hl-string">"pageNumber": 1
        }
    }

    class=class="hl-string">"hl-comment"># --- Submit and Monitor Job ---
    try:
        print(fclass="hl-string">"Submitting analytics job for interval: {interval}")
        api_response = analytics_api.post_analytics_conversations_details_jobs(query_body)
        job_id = api_response.job_id
        print(fclass="hl-string">"Job submitted successfully. Job ID: {job_id}")

        while True:
            job_status = analytics_api.get_analytics_conversations_details_job(job_id)
            print(fclass="hl-string">"Job status: {job_status.state}. Progress: {job_status.percent_complete}%")
            if job_status.state == class="hl-string">'FULFILLED':
                print(class="hl-string">"Job completed successfully.")
                break
            elif job_status.state in [class="hl-string">'FAILED', class="hl-string">'CANCELLED']:
                print(fclass="hl-string">"Job failed or was cancelled. State: {job_status.state}, Error: {job_status.error}")
                return
            time.sleep(15)

        class=class="hl-string">"hl-comment"># --- Fetch and Process Results ---
        all_events = []
        results_response = analytics_api.get_analytics_conversations_details_job_results(job_id)
        
        if not results_response.conversations:
            print(class="hl-string">"No conversations found for the given interval.")
            return
            
        print(fclass="hl-string">"Processing {len(results_response.conversations)} conversations...")
        for conv in results_response.conversations:
            all_events.extend(parse_conversation(conv))

        df = pd.DataFrame(all_events)
        df[class="hl-string">'EventTime'] = pd.to_datetime(df[class="hl-string">'EventTime'], errors=class="hl-string">'coerce')
        df = df.dropna(subset=[class="hl-string">'EventTime'])
        df = df.sort_values(by=[class="hl-string">'ServiceRequest', class="hl-string">'EventTime']).reset_index(drop=True)

        class=class="hl-string">"hl-comment"># --- Post-Processing for class="hl-string">'Service Request Re-Opened' ---
        class=class="hl-string">"hl-comment"># This logic is an example. Adjust the window and criteria to fit your business rules.
        print(class="hl-string">"Applying post-processing for 'Re-Opened' events...")
        reopen_events = []
        df_resolved = df[df[class="hl-string">'WrapUpCode'].str.contains(class="hl-string">'Resolved', na=False)].copy()
        df_resolved = df_resolved.sort_values(class="hl-string">'EventTime').drop_duplicates(class="hl-string">'ServiceRequest', keep=class="hl-string">'last')
        reopen_window = timedelta(hours=72)

        for index, row in df_resolved.iterrows():
            customer_id = next((p.get(class="hl-string">'participantName') for c in results_response.conversations if c.get(class="hl-string">'conversationId') == row[class="hl-string">'ServiceRequest'] for p in c.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None)
            if not customer_id: continue
            
            resolved_time = row[class="hl-string">'EventTime']
            future_interactions = df[(df[class="hl-string">'EventTime'] > resolved_time) & (df[class="hl-string">'EventTime'] <= resolved_time + reopen_window)]
            
            for _, future_row in future_interactions.iterrows():
                future_customer_id = next((p.get(class="hl-string">'participantName') for c in results_response.conversations if c.get(class="hl-string">'conversationId') == future_row[class="hl-string">'ServiceRequest'] for p in c.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None)
                if customer_id == future_customer_id and future_row[class="hl-string">'ActivityName'] == class="hl-string">'Interaction Started':
                    reopen_events.append({
                        class="hl-string">'ServiceRequest': row[class="hl-string">'ServiceRequest'], class="hl-string">'ActivityName': class="hl-string">'Service Request Re-Opened', class="hl-string">'EventTime': future_row[class="hl-string">'EventTime'],
                        class="hl-string">'SourceSystem': class="hl-string">'Genesys Cloud CX', class="hl-string">'LastDataUpdate': datetime.utcnow().isoformat() + class="hl-string">'Z'
                    })
                    break

        if reopen_events:
            df_reopen = pd.DataFrame(reopen_events)
            df = pd.concat([df, df_reopen], ignore_index=True)
            df = df.sort_values(by=[class="hl-string">'ServiceRequest', class="hl-string">'EventTime']).reset_index(drop=True)
        
        class=class="hl-string">"hl-comment"># --- Save to CSV ---
        output_filename = class="hl-string">'genesys_event_log.csv'
        df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%fZ')
        print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

    except PureCloudPlatformClientV2.ApiException as e:
        print(fclass="hl-string">"Error calling Genesys Cloud API: {e}")
    except Exception as e:
        print(fclass="hl-string">"An unexpected error occurred: {e}")

if __name__ == class="hl-string">'__main__':
    main()

ขั้นตอน

ตรวจสอบว่าองค์กร Genesys Cloud CX ของคุณรองรับการเชื่อมต่อ EventBridge มีสิทธิ์ผู้ดูแลระบบที่เหมาะสม เข้าถึงเหตุการณ์การสนทนาได้ และมีบัญชี AWS ที่รับเหตุการณ์ได้ ยืนยัน AWS Region, event bus ของ EventBridge และตัวกรององค์กร แผนก คิว หรือประเภทสื่อกับผู้ดูแลระบบของคุณ.
ใน Genesys Cloud CX ให้ตั้งค่าการเชื่อมต่อ AWS EventBridge ตามหน้าผู้ดูแลระบบ Genesys Cloud เวอร์ชันปัจจุบันและเอกสารการเชื่อมต่อขององค์กร เลือกบัญชี AWS, Region, event bus และหมวดหมู่เหตุการณ์การสนทนาที่จำเป็นต่อการติดตามวงจรการโต้ตอบโดยละเอียด เนื่องจากชื่อเมนูและสคีมาของเหตุการณ์ที่มีให้ใช้อาจแตกต่างกันตามองค์กรและรุ่น ให้ใช้ [Configure based on your system] สำหรับเส้นทางหรือการตั้งค่าเฉพาะขององค์กร.
ตั้งค่า AWS EventBridge ให้รับเหตุการณ์ Genesys Cloud บน event bus ที่เลือก กำหนดสิทธิ์เท่าที่จำเป็น การเข้ารหัส การเก็บรักษาข้อมูล การติดตาม และปลายทาง dead-letter หากรองรับ สร้างกฎเพื่อส่งต่อเหตุการณ์ที่ต้องการไปยังระบบรับข้อมูลของ data lake, warehouse, stream processor หรือพื้นที่จัดเก็บ object.
บันทึก payload ดิบจาก EventBridge โดยไม่เปลี่ยนการประทับเวลาหรือรหัสต้นฉบับ จัดเก็บ payload, เวลาที่รับข้อมูล, ประเภทเหตุการณ์, source, detail type และข้อมูลการส่งไว้ใน [Your raw event storage] เก็บ payload ดิบไว้เพื่อให้ตรวจสอบการจับคู่ข้อมูลใหม่ได้เมื่อสคีมาของ Genesys Cloud เปลี่ยนแปลง.
สร้างขั้นตอนปรับข้อมูลให้อยู่ในรูปแบบมาตรฐานด้วย Python โดยอ่าน payload ดิบ ระบุรหัสการสนทนา รายละเอียดผู้เข้าร่วมและเซสชัน ข้อมูลคิว ข้อมูลเจ้าหน้าที่ ประเภทสื่อ ข้อมูล wrap-up และเวลาของเหตุการณ์ จากนั้นสร้างหนึ่งแถวมาตรฐานต่อกิจกรรมที่มีเหตุการณ์ระบุไว้อย่างชัดเจน ใช้เส้นทางฟิลด์จริงจากตัวอย่างเหตุการณ์ที่ได้รับในองค์กร อย่าคาดเดากิจกรรมที่ไม่มีเหตุการณ์หรือการเปลี่ยนสถานะระบุไว้.
จับคู่การเปลี่ยนสถานะการสนทนาและผู้เข้าร่วมที่ระบุไว้อย่างชัดเจนใน Genesys Cloud กับค่า ActivityName ที่กำหนด สร้าง Interaction Started เมื่อมีเหตุการณ์สร้างการสนทนา, Conversation Routed to Queue เมื่อมีเหตุการณ์กำหนดเส้นทาง, Agent Offered Interaction เมื่อสถานะเจ้าหน้าที่เป็น alerting, Agent Accepted Interaction เมื่อเจ้าหน้าที่รับหรือเชื่อมต่อ, Hold Placed on Interaction และ Hold Removed from Interaction เมื่อมีการเปลี่ยนสถานะพักสายที่ตรงกัน, Interaction Transferred เมื่อมีเหตุการณ์โอนสายอย่างชัดเจน, After-Call Work Started และ After-Call Work Ended เมื่อมีการเปลี่ยนสถานะ ACW อย่างชัดเจน, Wrap-Up Code Assigned เมื่อมีการกำหนดรหัส wrap-up และ Interaction Disconnected เมื่อการสนทนาหรือเซสชันผู้เข้าร่วมสุดท้ายที่เกี่ยวข้องถูกตัดการเชื่อมต่อ.
แยกจัดการ Service Request Re-Opened และ Customer Satisfaction Survey Sent เหตุการณ์การสนทนาจาก EventBridge อาจไม่มีข้อมูลกิจกรรมใดกิจกรรมหนึ่งนี้โดยตรง หากองค์กรมีแหล่งเหตุการณ์แบบสำรวจที่ระบุชัดเจน ให้เพิ่มกิจกรรมนี้เฉพาะเมื่อได้รับเหตุการณ์ดังกล่าว คำนวณ Service Request Re-Opened ในกระบวนการแยกต่างหากที่บันทึกกฎทางธุรกิจไว้ แล้วจึงเพิ่มแถวผลลัพธ์ลงในบันทึกเหตุการณ์ ProcessMind ไม่ได้คำนวณหรือคาดเดากิจกรรมนี้.
กำหนด ServiceRequest เป็นรหัสคำขอบริการหรือรหัสการสนทนาที่คงที่ตามการจับคู่ข้อมูลทางธุรกิจ กำหนด ActivityName เป็นชื่อกิจกรรมที่กำหนดเพียงหนึ่งรายการ กำหนด EventTime เป็นเวลาเริ่มกิจกรรม และใส่ EventEndTime เมื่อมีข้อมูล ระบุ SourceSystem เป็น Genesys Cloud และ AWS EventBridge และ LastDataUpdate เป็นเวลาที่รีเฟรชข้อมูล หากมีแอตทริบิวต์เสริมให้ระบุค่า มิฉะนั้นให้เว้นเป็น NULL.
กำจัดเหตุการณ์ซ้ำโดยใช้รหัสเหตุการณ์จากผู้ให้บริการเมื่อมี หรือใช้คีย์ผสมที่บันทึกไว้ ซึ่งประกอบด้วย ServiceRequest, ActivityName, EventTime, รหัสผู้เข้าร่วมหรือเจ้าหน้าที่ และรหัสเหตุการณ์ต้นทาง คำนึงถึงการลองส่งซ้ำของ EventBridge และการส่งเหตุการณ์ไม่เรียงตามเวลา อย่ากำจัดกิจกรรมพักสาย โอนสาย เสนอการโต้ตอบ หรือกิจกรรมอื่นที่เกิดซ้ำอย่างถูกต้องตามจริง.
ตรวจสอบผลลัพธ์ที่ปรับให้อยู่ในรูปแบบมาตรฐาน โดยเทียบกับจำนวน payload ดิบ เวลาของเหตุการณ์ รหัสการสนทนา รายละเอียดคิวและเจ้าหน้าที่ รวมถึงรายการกิจกรรมทั้งหมด ส่งออกเป็นไฟล์แบบแบนหรือโหลดลงตารางที่มีคอลัมน์ ServiceRequest, ActivityName, EventTime, SourceSystem และ LastDataUpdate รวมถึงคอลัมน์แนะนำเมื่อมีข้อมูล ตรวจสอบให้แน่ใจว่าการประทับเวลาใช้เขตเวลาและรูปแบบเดียวกันที่ ProcessMind รองรับ จากนั้นอัปโหลดบันทึกเหตุการณ์เป็นข้อมูลนำเข้าของกระบวนการ Service Request.

การกำหนดค่า

การเชื่อมต่อและปลายทาง: ตั้งค่าการเชื่อมต่อ Genesys Cloud CX AWS EventBridge สำหรับบัญชี AWS, Region และ event bus เป้าหมาย ใช้ [Configure based on your system] สำหรับการตั้งค่าการเชื่อมต่อเฉพาะองค์กรที่ไม่ได้ระบุไว้ในตัวอย่างเหตุการณ์ที่มี.
ขอบเขตเหตุการณ์: สมัครรับเหตุการณ์การสนทนา ผู้เข้าร่วม เซสชัน การกำหนดเส้นทาง สถานะ การโอน การตัดการเชื่อมต่อ wrap-up และ ACW โดยละเอียดที่มีในองค์กร Genesys Cloud ของคุณ ก่อนนำไปใช้จริง ให้ยืนยันประเภทเหตุการณ์และเส้นทาง payload ที่แน่นอนด้วยการทดสอบการโต้ตอบแบบควบคุม.
รหัสเคส: ใช้รหัสการสนทนาหรือคำขอบริการที่คงที่ตามการจับคู่ข้อมูลทางธุรกิจเป็น ServiceRequest หากมีรหัสคำขอบริการแยกอยู่ในระบบอื่น ให้จัดทำเอกสารอ้างอิงเชื่อมโยงรหัสดังกล่าวกับรหัสการสนทนา Genesys Cloud.
ช่วงวันที่: เริ่มวิเคราะห์กระบวนการด้วยข้อมูลย้อนหลัง 3 ถึง 6 เดือน หากต้องการทำงานใกล้เคียงเรียลไทม์ ให้กำหนดช่วงเวลาสั้นๆ สำหรับตรวจสอบหรือสตรีมข้อมูล และเก็บชั้นข้อมูลดิบที่เรียกประมวลผลซ้ำได้ เมื่อกู้คืนจากระบบขัดข้อง ให้ใช้ช่วงเวลาซ้อนทับ แล้วกำจัดข้อมูลซ้ำด้วยรหัสเหตุการณ์จากผู้ให้บริการ.
ตัวกรอง: ใช้เฉพาะตัวกรองเฉพาะองค์กรที่ยืนยันแล้ว เช่น division, queue, media type, business unit หรือวันที่โต้ตอบ อย่าใช้ตัวกรอง Company Code หรือ Document Type เว้นแต่แนวคิดเหล่านี้มาจากแหล่งข้อมูลที่เชื่อมต่อและมีการจับคู่ไว้อย่างชัดเจนในระบบของคุณ.
การจัดการเวลา: เก็บการประทับเวลาของเหตุการณ์ต้นทางไว้ใน EventTime และจัดเก็บเวลาที่รับหรือรีเฟรชข้อมูลแยกไว้ใน LastDataUpdate ปรับการประทับเวลาทั้งหมดให้อยู่ในเขตเวลาที่ระบุไว้ โดยแนะนำให้ใช้ UTC และเก็บค่าออฟเซ็ตต้นฉบับไว้เมื่อจำเป็นต่อการตรวจสอบ.
แอตทริบิวต์เสริม: ระบุ AgentId และ AgentName จากรายละเอียดผู้เข้าร่วมหรือผู้ใช้, QueueName จากข้อมูลการกำหนดเส้นทาง, WrapUpCode จากข้อมูล wrap-up, MediaType จากช่องทางการสนทนาหรือเซสชัน และ EventEndTime จากการเปลี่ยนสถานะสิ้นสุดหรือระยะเวลาที่แหล่งข้อมูลระบุ.
ประสิทธิภาพ: แบ่งพาร์ทิชันข้อมูลดิบและข้อมูลมาตรฐานตามวันที่เกิดเหตุการณ์ และตามองค์กรหรือ division หากรองรับ ประมวลผลข้อมูลเพิ่มโดยใช้จุดตรวจสอบของ EventBridge เขียนข้อมูลลง warehouse หรือ data lake เป็นชุด ติดตามความล่าช้า และหลีกเลี่ยงการสแกนข้อมูลย้อนหลังทั้งหมดซ้ำๆ.
ความน่าเชื่อถือ: ตั้งค่าการลองส่งซ้ำ การจัดการ dead-letter ขั้นตอนเรียกประมวลผลซ้ำ การตรวจจับข้อมูลซ้ำ และการติดตามความล้มเหลวในการส่ง การเปลี่ยนแปลงสคีมา และความล่าช้าของเหตุการณ์.
ข้อกำหนดเบื้องต้น: ต้องมีสิทธิ์ผู้ดูแลระบบหรือสิทธิ์เชื่อมต่อ Genesys Cloud, สิทธิ์ AWS EventBridge, สิทธิ์เข้าถึง event bus และพื้นที่จัดเก็บปลายทางที่เลือก การอนุญาตให้อ่านรายละเอียดการสนทนา และฟีเจอร์หรือไลเซนส์ Genesys Cloud ที่องค์กรต้องใช้สำหรับการเชื่อมต่อเหตุการณ์ ตรวจสอบข้อกำหนดด้านการเก็บรักษาข้อมูลและความเป็นส่วนตัวก่อนจัดเก็บข้อมูลการสนทนา.

ตัวอย่างคำค้น python

import json
import os
from datetime import datetime, timezone
from typing import Any, Dict, Iterable, List, Optional

import boto3


SOURCE_SYSTEM = class="hl-string">"Genesys Cloud CX via AWS EventBridge"
ACTIVITY_NAMES = {
    class="hl-string">"interaction_started": class="hl-string">"Interaction Started",
    class="hl-string">"conversation_routed_to_queue": class="hl-string">"Conversation Routed to Queue",
    class="hl-string">"agent_offered_interaction": class="hl-string">"Agent Offered Interaction",
    class="hl-string">"agent_accepted_interaction": class="hl-string">"Agent Accepted Interaction",
    class="hl-string">"hold_placed_on_interaction": class="hl-string">"Hold Placed on Interaction",
    class="hl-string">"hold_removed_from_interaction": class="hl-string">"Hold Removed from Interaction",
    class="hl-string">"interaction_transferred": class="hl-string">"Interaction Transferred",
    class="hl-string">"after_call_work_started": class="hl-string">"After-Call Work Started",
    class="hl-string">"wrap_up_code_assigned": class="hl-string">"Wrap-Up Code Assigned",
    class="hl-string">"after_call_work_ended": class="hl-string">"After-Call Work Ended",
    class="hl-string">"interaction_disconnected": class="hl-string">"Interaction Disconnected",
    class="hl-string">"service_request_re_opened": class="hl-string">"Service Request Re-Opened",
    class="hl-string">"customer_satisfaction_survey_sent": class="hl-string">"Customer Satisfaction Survey Sent",
}


def first_value(data: Dict[str, Any], paths: Iterable[str]) -> Optional[Any]:
    for path in paths:
        value: Any = data
        found = True
        for part in path.split(class="hl-string">"."):
            if isinstance(value, dict) and part in value:
                value = value[part]
            else:
                found = False
                break
        if found and value not in (None, class="hl-string">""):
            return value
    return None


def parse_time(value: Any) -> Optional[str]:
    if value is None:
        return None
    if isinstance(value, (int, float)):
        return datetime.fromtimestamp(value / 1000 if value > 100000000000 else value, tz=timezone.utc).isoformat()
    text = str(value).strip()
    if not text:
        return None
    return text


def event_detail(event: Dict[str, Any]) -> Dict[str, Any]:
    detail = event.get(class="hl-string">"detail")
    if isinstance(detail, dict):
        return detail
    if isinstance(detail, str):
        try:
            parsed = json.loads(detail)
            return parsed if isinstance(parsed, dict) else {}
        except json.JSONDecodeError:
            return {}
    return {}


def event_type(event: Dict[str, Any], detail: Dict[str, Any]) -> str:
    value = first_value(detail, [
        class="hl-string">"eventType", class="hl-string">"type", class="hl-string">"event.type", class="hl-string">"topicName", class="hl-string">"name", class="hl-string">"state", class="hl-string">"participant.state", class="hl-string">"session.state"
    ])
    return str(value or event.get(class="hl-string">"detail-type") or event.get(class="hl-string">"source") or class="hl-string">"").lower().replace(class="hl-string">"_", class="hl-string">" ")


def base_row(detail: Dict[str, Any], activity: str, event: Dict[str, Any], refresh_time: str) -> Dict[str, Any]:
    service_request = first_value(detail, [
        class="hl-string">"conversationId", class="hl-string">"conversation.id", class="hl-string">"conversation.conversationId", class="hl-string">"serviceRequest", class="hl-string">"serviceRequestId", class="hl-string">"caseId"
    ])
    event_time = parse_time(first_value(detail, [
        class="hl-string">"eventTime", class="hl-string">"timestamp", class="hl-string">"event.timestamp", class="hl-string">"conversation.startTime", class="hl-string">"participant.startTime", class="hl-string">"session.startTime", class="hl-string">"startTime"
    ]))
    event_end_time = parse_time(first_value(detail, [
        class="hl-string">"eventEndTime", class="hl-string">"endTime", class="hl-string">"event.endTime", class="hl-string">"conversation.endTime", class="hl-string">"participant.endTime", class="hl-string">"session.endTime"
    ]))
    agent_id = first_value(detail, [class="hl-string">"agentId", class="hl-string">"userId", class="hl-string">"agent.id", class="hl-string">"user.id", class="hl-string">"participant.userId", class="hl-string">"participant.user.id"])
    agent_name = first_value(detail, [class="hl-string">"agentName", class="hl-string">"userName", class="hl-string">"agent.name", class="hl-string">"user.name", class="hl-string">"participant.userName", class="hl-string">"participant.user.name"])
    queue_name = first_value(detail, [class="hl-string">"queueName", class="hl-string">"queue.name", class="hl-string">"routing.queueName", class="hl-string">"participant.queueName"])
    wrap_up_code = first_value(detail, [class="hl-string">"wrapUpCode", class="hl-string">"wrapupCode", class="hl-string">"wrapUp.code", class="hl-string">"wrapup.code", class="hl-string">"dispositionCode"])
    media_type = first_value(detail, [class="hl-string">"mediaType", class="hl-string">"media", class="hl-string">"channel", class="hl-string">"conversation.mediaType", class="hl-string">"session.mediaType"])
    return {
        class="hl-string">"ServiceRequest": service_request,
        class="hl-string">"ActivityName": activity,
        class="hl-string">"EventTime": event_time,
        class="hl-string">"EventEndTime": event_end_time,
        class="hl-string">"SourceSystem": SOURCE_SYSTEM,
        class="hl-string">"LastDataUpdate": refresh_time,
        class="hl-string">"AgentId": agent_id,
        class="hl-string">"AgentName": agent_name,
        class="hl-string">"QueueName": queue_name,
        class="hl-string">"WrapUpCode": wrap_up_code,
        class="hl-string">"MediaType": media_type,
        class="hl-string">"SourceEventId": event.get(class="hl-string">"id") or first_value(detail, [class="hl-string">"eventId", class="hl-string">"id"]),
    }


def classify(detail: Dict[str, Any], event: Dict[str, Any]) -> List[str]:
    text = event_type(event, detail)
    values = [str(first_value(detail, paths) or class="hl-string">"").lower() for paths in [
        [class="hl-string">"eventType", class="hl-string">"type"], [class="hl-string">"state"], [class="hl-string">"participant.state"], [class="hl-string">"session.state"], [class="hl-string">"event.name"], [class="hl-string">"event.type"]
    ]]
    text = class="hl-string">" ".join([text] + values)
    activities: List[str] = []
    if any(token in text for token in [class="hl-string">"conversation created", class="hl-string">"interaction started", class="hl-string">"conversation started", class="hl-string">"conversation.created"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"interaction_started"])
    if any(token in text for token in [class="hl-string">"routed", class="hl-string">"route to queue", class="hl-string">"queue joined", class="hl-string">"acd queue"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"conversation_routed_to_queue"])
    if any(token in text for token in [class="hl-string">"alerting", class="hl-string">"offered", class="hl-string">"agent offered"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"agent_offered_interaction"])
    if any(token in text for token in [class="hl-string">"connected", class="hl-string">"accepted", class="hl-string">"agent accepted", class="hl-string">"interacting"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"agent_accepted_interaction"])
    if any(token in text for token in [class="hl-string">"hold", class="hl-string">"held"]) and not any(token in text for token in [class="hl-string">"resume", class="hl-string">"unhold", class="hl-string">"off hold"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"hold_placed_on_interaction"])
    if any(token in text for token in [class="hl-string">"resume", class="hl-string">"unhold", class="hl-string">"off hold", class="hl-string">"hold removed"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"hold_removed_from_interaction"])
    if any(token in text for token in [class="hl-string">"transfer", class="hl-string">"transferred"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"interaction_transferred"])
    if any(token in text for token in [class="hl-string">"acw start", class="hl-string">"after call work started", class="hl-string">"wrapup start", class="hl-string">"wrap-up start"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"after_call_work_started"])
    if any(token in text for token in [class="hl-string">"wrap-up code", class="hl-string">"wrap up code", class="hl-string">"wrapup code", class="hl-string">"disposition"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"wrap_up_code_assigned"])
    if any(token in text for token in [class="hl-string">"acw end", class="hl-string">"after call work ended", class="hl-string">"wrapup end", class="hl-string">"wrap-up end"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"after_call_work_ended"])
    if any(token in text for token in [class="hl-string">"disconnected", class="hl-string">"disconnect", class="hl-string">"conversation ended", class="hl-string">"conversation completed"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"interaction_disconnected"])
    if any(token in text for token in [class="hl-string">"re-opened", class="hl-string">"reopened", class="hl-string">"service request reopened"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"service_request_re_opened"])
    if any(token in text for token in [class="hl-string">"csat sent", class="hl-string">"customer satisfaction survey sent", class="hl-string">"survey sent"]):
        activities.append(ACTIVITY_NAMES[class="hl-string">"customer_satisfaction_survey_sent"])
    return list(dict.fromkeys(activities))


def normalize_event(event: Dict[str, Any], refresh_time: str) -> List[Dict[str, Any]]:
    detail = event_detail(event)
    rows: List[Dict[str, Any]] = []
    for activity in classify(detail, event):
        rows.append(base_row(detail, activity, event, refresh_time))
    return rows


def extract_events(event_bus_name: str, start_time: datetime, end_time: datetime) -> List[Dict[str, Any]]:
    client = boto3.client(class="hl-string">"events", region_name=os.environ.get(class="hl-string">"AWS_REGION", class="hl-string">"[Your AWS Region]"))
    rows: List[Dict[str, Any]] = []
    next_token: Optional[str] = None
    refresh_time = datetime.now(timezone.utc).isoformat()
    while True:
        request: Dict[str, Any] = {
            class="hl-string">"EventBusName": event_bus_name,
            class="hl-string">"StartTime": start_time,
            class="hl-string">"EndTime": end_time,
            class="hl-string">"Limit": 100,
        }
        if next_token:
            request[class="hl-string">"NextToken"] = next_token
        response = client.list_events(**request)
        for event in response.get(class="hl-string">"Events", []):
            rows.extend(normalize_event(event, refresh_time))
        next_token = response.get(class="hl-string">"NextToken")
        if not next_token:
            break
    return rows


def append_reopened_and_survey_rows(rows: List[Dict[str, Any]], explicit_business_events: Iterable[Dict[str, Any]]) -> None:
    refresh_time = datetime.now(timezone.utc).isoformat()
    for event in explicit_business_events:
        detail = event_detail(event)
        for activity in [
            ACTIVITY_NAMES[class="hl-string">"service_request_re_opened"],
            ACTIVITY_NAMES[class="hl-string">"customer_satisfaction_survey_sent"],
        ]:
            if activity in classify(detail, event):
                rows.append(base_row(detail, activity, event, refresh_time))


def deduplicate(rows: List[Dict[str, Any]]) -> List[Dict[str, Any]]:
    result: List[Dict[str, Any]] = []
    seen = set()
    for row in rows:
        key = (
            row.get(class="hl-string">"SourceEventId"), row.get(class="hl-string">"ServiceRequest"), row.get(class="hl-string">"ActivityName"),
            row.get(class="hl-string">"EventTime"), row.get(class="hl-string">"AgentId"), row.get(class="hl-string">"QueueName")
        )
        if key in seen:
            continue
        seen.add(key)
        result.append(row)
    return result


if __name__ == class="hl-string">"__main__":
    event_bus_name = os.environ.get(class="hl-string">"EVENT_BUS_NAME", class="hl-string">"[Your EventBridge event bus]")
    start_time = datetime.fromisoformat(os.environ.get(class="hl-string">"START_TIME", class="hl-string">"[Start date and time in ISO 8601 format]").replace(class="hl-string">"Z", class="hl-string">"+00:00"))
    end_time = datetime.fromisoformat(os.environ.get(class="hl-string">"END_TIME", class="hl-string">"[End date and time in ISO 8601 format]").replace(class="hl-string">"Z", class="hl-string">"+00:00"))
    normalized_rows = extract_events(event_bus_name, start_time, end_time)
    normalized_rows = deduplicate(normalized_rows)
    output_columns = [
        class="hl-string">"ServiceRequest", class="hl-string">"ActivityName", class="hl-string">"EventTime", class="hl-string">"EventEndTime", class="hl-string">"SourceSystem",
        class="hl-string">"LastDataUpdate", class="hl-string">"AgentId", class="hl-string">"AgentName", class="hl-string">"QueueName", class="hl-string">"WrapUpCode", class="hl-string">"MediaType", class="hl-string">"SourceEventId"
    ]
    output_path = os.environ.get(class="hl-string">"OUTPUT_PATH", class="hl-string">"[Your output file path]")
    import csv
    with open(output_path, class="hl-string">"w", newline=class="hl-string">"", encoding=class="hl-string">"utf-8") as output_file:
        writer = csv.DictWriter(output_file, fieldnames=output_columns)
        writer.writeheader()
        writer.writerows(normalized_rows)

พร้อมเริ่มต้นหรือยัง?

ใช้ศักยภาพของการปฏิบัติการบริการลูกค้าให้เต็มที่ ทำตามเทมเพลตนี้เพื่อค้นพบข้อมูลเชิงลึกและเพิ่มประสิทธิภาพการทำงาน.

กลับไปยังคู่มือการปรับปรุง

ดาวน์โหลดเทมเพลต

ลดการติดต่อติดตาม ยกระดับการบริการลูกค้าได้ตั้งแต่วันนี้!

เพิ่ม CSAT และแก้ไขปัญหาได้ 80% ตั้งแต่การติดต่อครั้งแรก.

เริ่มทดลองใช้ฟรี

ไม่ต้องใช้บัตรเครดิต เปิดใช้งานได้ภายในไม่กี่นาที.

เทมเพลตข้อมูลการบริการลูกค้าของคุณ

เทมเพลตข้อมูลการบริการลูกค้าของคุณ

แอตทริบิวต์การบริการลูกค้า

กิจกรรมการบริการลูกค้า

คู่มือการดึงข้อมูล

ส่งออกรายละเอียดการสนทนาจาก Genesys Cloud Analytics

ขั้นตอน

การกำหนดค่า

ตัวอย่างคำค้น python

สคริปต์ Python ที่ใช้ Genesys Cloud Platform API

ขั้นตอน

การกำหนดค่า

ตัวอย่างคำค้น python

สตรีมเหตุการณ์ผ่านการเชื่อมต่อ AWS EventBridge

ขั้นตอน

การกำหนดค่า

ตัวอย่างคำค้น python

พร้อมเริ่มต้นหรือยัง?

ลดการติดต่อติดตาม ยกระดับการบริการลูกค้าได้ตั้งแต่วันนี้!