> Sürekli Süreç İyileştirme > Müşteri Enerji ve Altyapıi > Genesys Cloud CX > Veri Template'i

Müşteri Enerji ve Altyapıi `Data` Şablonunuz

Genesys Cloud CX

Müşteri Enerji ve Altyapıi Öznitelikleri (19) Müşteri Enerji ve Altyapıi Etkinlikleri (13) Veri Çıkarma Kılavuzları (3)

Müşteri Enerji ve Altyapıi `Data` Şablonunuz

Bu şablon, müşteri hizmetleri sürecinizi analiz etmek ve iyileştirmek için gereken temel verileri toplamak için net bir rehberlik. eder. Önerilen nitelikleri, izlenecek temel etkinlikleri ve bu bilgileri kaynak sistemlerinizden çıkarmaya yönelik pratik rehberliği özetler. Process Mining projeleriniz için güçlü bir event log oluşturmak üzere kullanın.

Önerilen Öznitelikler
İzlenecek Temel Etkinlikler
Veri Çekim Kılavuzu

Olay günlüklerine (Event Log) yeni mi başlıyorsunuz? Öğrenin Process Mining event log nasıl oluşturulur.

Template'i İndirin

Müşteri Enerji ve Altyapıi Öznitelikleri

Detaylı müşteri hizmetleri analizi için event lognuza dahil etmeniz önerilen veri alanları bunlardır.

5 Gerekli 6 Önerilen 8 Opsiyonel

	Ad	Açıklama
	Aktivite Adı ActivityName	Hizmet talebi süreç döngüsünde belirli bir zamanda meydana gelen belirli bir olay veya görevin adı.
Açıklama Bu öznitelik, müşteri hizmetleri sürecindeki belirli bir adımı veya durum değişikliğini açıklar. Her etkinlik, 'Temsilci Etkileşimi Kabul Etti' veya 'Sarma Kodu Atandı' gibi ayrı bir event'i temsil eder. Bu etkinliklerin sırasını ve sıklığını analiz etmek, Process Mining için büyük önem taşır. Süreç akışlarını görselleştirmeye, sapmaları belirlemeye ve darboğazları veya verimsiz adımları tespit etmeye yardımcı olur. Neden Önemli?dir? Etkinlikler, süreç haritasının temelini oluşturur; tasarlanan akışa karşı gerçek süreç akışının görselleştirilmesine ve analiz edilmesine sunar. Nereden Alınır?? Bu genellikle Genesys Cloud CX'teki sistem olaylarıni, temsilci durumlarını veya belirli denetim izleme girişlerini standartlaştırılmış etkinlik adlarına eşleyerek elde edilir. Örnekler::::::: Etkileşim BaşlatıldıTemsilci Etkileşimi Kabul EttiÇağrı Sonrası İşlem Sona ErdiBT Hizmet Talebi Yönetimi Yeniden Açıldı
	Başlangıç Zamanı EventTime	Bir aktivitenin veya olayın başladığını gösteren zaman damgası (zaman damgası)dır.
Açıklama Bu öznitelik, her etkinliğin ne zaman gerçekleştiğine dair tam tarih ve saati sunar. Event'leri doğru bir şekilde sıralamak ve tüm zaman tabanlı analizler için gereklidir. Başlangıç Saati, süreç akışını kronolojik sıraya göre oluşturmak için kullanılır ve farklı etkinlikler arasındaki süreleri, bekleme sürelerini ve döngü sürelerini hesaplamanın temelidir. Doğru zaman damgası (zaman damgası)'ler, güvenilir süreç analizi ve performans izlemesi için büyük önem taşır. Neden Önemli?dir? Bu zaman damgası (zaman damgası), tüm etkinlikleri kronolojik olarak sıralayarak süreç akışlarını, süreleri ve darboğazları doğru bir şekilde analiz etmeyi sunar. Nereden Alınır?? Genesys Cloud CX'deki olay günlüklerinde veya etkileşim detaylarında bulunur, genellikle kaydedilen her sistem veya kullanıcı olayıyla ilişkilidir. Örnekler::::::: 2024-05-21T10:00:15Z2024-05-21T10:02:30Z2024-05-21T10:15:00Z
	BT Hizmet Talebi Yönetimi ServiceRequest	Tüm ilgili etkinlikleri birbirine bağlayan, bir müşteri hizmetleri etkileşimi için birincil tanımlayıcı.
Açıklama Genellikle Bilet veya Case olarak adlandırılan BT Hizmet Talebi Yönetimi, tek bir müşteri sorgusu veya sorunu için birincil tanımlayıcı görevi görür. İlk temastan nihai çözüme kadar tüm ilgili olayları tek bir süreç örneğinde gruplar. BT Hizmet Talebi Yönetimi'ne göre analiz yapmak, müşteri yolculuğunun ve dahili işlem sürecinin eksiksiz, uçtan uca görünümünü sunar. Toplam çözüm süresi ve ilk temasta çözüm oranı gibi temel metriklerin hesaplanması için büyük önem taşır. Neden Önemli?dir? Bu, tüm süreç adımlarını birbirine bağlayan temel Vaka Kimliği'dir (Case ID) ve her müşteri etkileşiminin baştan sona uçtan uca analizini sunar. Nereden Alınır?? Bu, kavramsal vaka tanımlayıcısıdır. Genesys'te bu genellikle Sohbet ID'sine karşılık gelir, ancak uygulamaya bağlı olarak özel bir tanımlayıcı olabilir. Örnekler::::::: SR-20240521-00123SR-20240521-00124SR-20240522-00001
	Kaynak Sistem SourceSystem	Verilerin çekildiği sistem.
Açıklama Bu öznitelik, event verileri için kaynak sistemi belirler; bu durumda Genesys Cloud CX'tir. Birden fazla entegre sistemin olduğu ortamlarda, bu alan veri kökeni, sorun giderme ve verinin bağlamını anlamak için büyük önem taşır. Analizin doğru veri kaynağına dayandığından emin olmaya ve birden fazla sistemin tek bir süreç görünümüne katkıda bulunduğu durumlarda veriyi filtrelemeye veya segmentlere ayırmaya yardımcı olur. Neden Önemli?dir? Verilerin kökenini belirler, bu da veri yönetimi, doğrulama ve birden fazla sistemden veri birleştirme için büyük önem taşır. Nereden Alınır?? Bu genellikle veri çıkarma ve dönüştürme süreci sırasında kayıtların kaynağını etiketlemek için eklenen statik bir değerdir. Örnekler::::::: Genesys Cloud CXGenesysCloudCX_US1Genesys
	Son Veri Güncellemesi LastDataUpdate	En son veri yenilemesinin zaman damgası (zaman damgası)'ı.
Açıklama Bu öznitelik, veri setinin kaynak sistemden en son ne zaman güncellendiğini gösterir. Analiz edilen verinin tazeliği hakkında bağlam sunar; bu, zamanında ve ilgili iş kararları vermek için büyük önem taşır. Dashboard'lar ve raporlar bu bilgiyi belirgin bir şekilde göstermelidir, böylece kullanıcılar verinin güncelliğinden haberdar olur ve stratejik bilgilerin geçerliliğini değerlendirebilirler. Neden Önemli?dir? Veri güncelliğini gösterir, analizlerin ve kararların güncel bilgilere dayanmasını sunar. Nereden Alınır?? Bu değer, veri çıkarma veya Process Mining aracına yükleme anında veri setine oluşturulur ve damgalanır. Örnekler::::::: 2024-05-23T04:00:00Z2024-05-24T04:00:00Z
	Bitiş Zamanı EventEndTime	Bir etkinliğin veya olayın ne zaman bittiğini gösteren zaman damgası (zaman damgası)dır.
Açıklama Bu öznitelik, bir etkinliğin tam olarak ne zaman sona erdiğini kaydeder. Başlangıç Saati ile eşleştirildiğinde, her bir etkinliğin süresinin kesin olarak hesaplanmasını sunar. Etkinlik sürelerini analiz etmek, süreçteki hangi adımların en çok zaman aldığını belirlemenin anahtarıdır, bu da verimsizlikleri ve optimizasyon fırsatlarını bulmaya yardımcı olur. Örneğin, uzun 'Etkileşim Beklemeye Alındı' sürelerini veya uzatılmış 'Çağrı Sonrası İşlem' sürelerini vurgulayabilir. Neden Önemli?dir? Bireysel etkinlik sürelerinin kesin olarak hesaplanmasını sunar, bu da zaman alıcı adımları ve performans darboğazlarını belirlemek için büyük önem taşır. Nereden Alınır?? Genesys Cloud CX'deki olay günlüklerinde veya etkileşim detaylarında bulunur. Ayrıca, sonraki olayın başlangıç zamanından da türetilebilir. Örnekler::::::: 2024-05-21T10:02:30Z2024-05-21T10:15:00Z2024-05-21T10:18:45Z
	İletişim Kanalı MediaType	Etkileşim için kullanılan iletişim kanalı; örneğin sesli, sohbet veya e-posta.
Açıklama Bu öznitelik, müşteri ve temsilcinin iletişim kurduğu ortamı belirtir. Yaygın kanallar arasında sesli, sohbet, e-posta ve sosyal medya bulunur. 'İletişim Kanalı Performansı' kontrol paneli'ında yapıldığı gibi kanala göre performansı analiz etmek, işletmelerin kanala özgü hacimleri, çözüm sürelerini ve müşteri memnuniyetini anlamalarına yardımcı olur. Bu önemli bilgi, kanal stratejisini ve kaynak tahsisini iyileştirmek için büyük önem taşır. Neden Önemli?dir? Süreci iletişim kanalına göre segmentlere ayırmak, kanala özel performansı, müşteri davranışını ve kaynak ihtiyaçlarını anlamak için büyük önem taşır. Nereden Alınır?? Genesys Cloud CX konuşma detay kayıtlarında standart bir alan. Örnekler::::::: voicesohbete-postamessage
	Kuyruk Adı QueueName	Etkileşimin yönlendirildiği kuyruğun adı.
Açıklama Bu öznitelik, bir etkileşimin bir temsilciye atanmadan önce beklediği belirli kuyruğu tanımlar. Kuyruk Adına göre veri analizi, 'Hizmet Kuyruğu Darboğaz Tespiti' kontrol paneli'ı için gereklidir. Yöneticilerin farklı beceri grupları veya hizmet hatları arasındaki iş yükü dağılımını anlamalarına, kuyruk başına bekleme sürelerini ölçmelerine ve sürekli olarak yetersiz personelli veya aşırı yüklü kuyrukları belirlemelerine yardımcı olur. Bu bilgi, kaynak tahsisini iyileştirmek ve müşteri bekleme sürelerini iyileştirmek için temel rol oynar. Neden Önemli?dir? Hizmet taleplerinin atanmayı beklediği yerleri göstererek darboğazları belirlemeye ve iş yükü dağılımını analiz etmeye yardımcı olur. Nereden Alınır?? Genesys Cloud CX konuşma detay kayıtlarında mevcuttur. Her etkileşim bir veya daha fazla kuyruktan geçebilir. Örnekler::::::: Birinci Seviye Destek - SesliFatura Sorguları - SohbetTeknik Destek - E-posta
	Sarma Kodu WrapUpCode	Bir etkileşimin sonucunu veya konusunu kategorize etmek için bir temsilci tarafından etkileşimin sonunda atanan bir kod.
Açıklama Sarma Kodu (Wrap-Up Code), bir temsilci tarafından müşteri etkileşiminin doğasını veya çözümünü sınıflandırmak için seçilen bir etikettir. Bu kodlar, müşterilerin neden destekle iletişime geçtiğine dair yapılandırılmış veriler sunar. Sarma Kodlarını analiz etmek, yaygın sorun türlerini belirlemeye, çözüm sonuçlarını izlemeye ve belirli taleplerin sıklığını ölçmeye yardımcı olur. Bu veri, kök neden analizi ve hizmet talebi modellerini anlamak için değerlidir. Neden Önemli?dir? Bir etkileşimin sonucunu kategorize eder, yaygın sorunları, çözüm etkinliğini ve temas nedenlerini analiz etmek için yapılandırılmış veri sunar. Nereden Alınır?? Genesys Cloud CX konuşma detay kayıtlarında, özellikle temsilci katılımcılarının oturum detaylarında mevcuttur. Örnekler::::::: Şifre SıfırlamaFatura Anlaşmazlığı ÇözüldüÜrün Bilgisi Talebi2. Seviyeye Yükseltildi
	Temsilci Adı AgentName	Etkileşimi veya etkinliği ele alan temsilcinin tam adı.
Açıklama Temsilci Adı, Temsilci ID'sine karşılık gelen, hizmet temsilcisi için insan tarafından okunabilir bir tanımlayıcı sunar. Bu öznitelik, panelleri ve raporları yöneticiler ve ekip liderleri için daha sezgisel hale getirir. Performansı gözden geçirmek, eğitim ihtiyaçlarını belirlemek ve sistem ID'leri ile çapraz referans yapmaya gerek kalmadan adil iş yükü dağılımı güçlüak için temsilci merkezli analizlerde yoğun olarak kullanılır. Neden Önemli?dir? Temsilci için kullanıcı dostu bir ad sağlayarak, teknik ID'leri kullanmadan performansı analiz etmeyi ve bulguları iletmeyi kolaylaştırır. Nereden Alınır?? Genesys Cloud CX'teki Kullanıcılar veya Dizin hizmetinden AgentId aranarak alınır. Örnekler::::::: Can DemirAyşe YılmazPeter Jones
	Temsilci Kimliği AgentId	Etkileşimi veya etkinliği ele alan temsilcinin benzersiz tanımlayıcısı.
Açıklama Temsilci ID'si, her bir müşteri hizmetleri temsilcisi için benzersiz bir temel rol oynar. Bu öznitelik, temsilci performansı, iş yükü dağılımı ve verimlilikle ilgili tüm analizler için büyük önem taşır. Süreç haritasını filtreleyerek belirli temsilcilerin veya ekiplerin talepleri nasıl ele aldığını görmeyi, çözüm süresi, yeniden çalışma oranı ve standart prosedürlere uyum gibi performans metriklerini karşılaştırmayı sunar. Bu, 'Temsilci Performansı ve Verimliliği' kontrol paneli'ı için temel bir taşıdır. Neden Önemli?dir? Bu öznitelik, süreç etkinliklerini belirli çalışanlara bağlar, bireysel performans, iş yükü ve ekip verimliliğinin analizini sunar. Nereden Alınır?? Genesys Cloud CX konuşma detay kayıtlarında mevcut olup, etkileşimin belirli bir bölümünü ele alan kullanıcıyla ilişkilidir. Örnekler::::::: a1b2c3d4-e5f6-7890-1, 2, 3, 4-567890abcdeff0e9d8c7-b6a5-4321-fedc-ba0987654321
	BT Hizmet Talebi Yönetimi Türü ServiceRequestType	Hizmet talebinin 'Soruşturma', 'Şikayet' veya 'Teknik Sorun' gibi sınıflandırması.
Açıklama Bu öznitelik, hizmet talebini niteliğine veya amacına göre kategorize eder. Farklı talep türlerinin nasıl ele alındığını anlamak için analizi segmentlere ayırmaya sunar. Örneğin, bir 'Şikayet' için süreç akışı ve çözüm süresi, bir 'Genel Sorgu'dan' önemli ölçüde farklılık gösterebilir. Bu boyut, belirli talep türlerinin daha sık eskalasyona uğrayıp uğramadığını görmek için 'Dahili Eskalasyon Analizi' gibi kontrol paneli'lar için önemlidir. Neden Önemli?dir? Farklı talep türlerinin nasıl ele alındığını karşılaştırmak ve türe özgü darboğazları veya verimsizlikleri belirlemek için süreç segmentasyonuna sunar. Nereden Alınır?? Bu bilgi, bir IVR seçimi, müşterinin bir web formundaki seçimi veya bir temsilci tarafından atanması yoluyla yakalanabilir. Genesys'te, bir katılımcı öznitelik olarak veya bir wrap-up code olarak saklanabilir. Örnekler::::::: Fatura SorgusuTeknik DestekHesap YönetimiÜrün Şikayeti
	CSAT Skoru CustomerSatisfactionScore	Müşteri tarafından etkileşim sonrası ankette verilen memnuniyet puanı.
Açıklama Müşteri Memnuniyeti Puanı (CSAT), müşterinin aldığı hizmete ilişkin algısının doğrudan bir ölçüsüdür. Genellikle etkileşim kapatıldıktan sonra gönderilen bir anket aracılığıyla toplanır. CSAT puanlarını süreç verileri ile birlikte analiz etmek, süreç varyasyonlarının, çözüm sürelerinin veya belirli temsilcilerin müşteri memnuniyetini nasıl etkilediğini ortaya çıkarabilir. Bu, genel süreç başarısını değerlendirmek için temel bir sonuç metriğidir. Neden Önemli?dir? Müşteri mutluluğunu doğrudan ölçer, süreç performansı ile müşteri sonuçları arasında korelasyon analizine sunar. Nereden Alınır?? Bu veri genellikle Genesys Cloud CX Kalite Yönetimi modülünden veya Genesys ile entegre üçüncü taraf bir anket aracından gelir. Örnekler::::::: 5413
	Hizmet Çözüm Süresi ServiceResolutionTime	İlk müşteri etkileşiminin başlangıcından nihai çözüme kadar geçen toplam süre.
Açıklama Bu metrik, bir hizmet talebinin toplam süresini, müşterinin iletişime geçtiği andan sorunun çözüldüğü işaretlenene kadar ölçer. Genel süreç verimliliği ve müşteri deneyimi için temel bir performans göstergesidir. Bu hesaplanmış öznitelik, 'BT Hizmet Talebi Yönetimi Çözüm Süresi' kontrol paneli'ının ve 'Ortalama Hizmet Çözüm Süresi' KPI'sının birincil odak noktasıdır. Dağılımını analiz etmek, uzun süren case'leri ve sistemik gecikmeleri belirlemeye yardımcı olur. Neden Önemli?dir? Bu, genel süreç verimliliğini ve müşteri deneyimi üzerindeki etkisini ölçmek için kritik bir KPI'dır. Nereden Alınır?? Hesaplanmış alan: Son çözüm etkinliğinin zaman damgası (zaman damgası) eksi ilk müşteri temas etkinliğinin zaman damgası (zaman damgası)dır. Örnekler::::::: 90010800172800
	İlk Temas Çözümü mü IsFirstContactResolution	Hizmet talebinin tek bir etkileşim içinde çözülüp çözülmediğini gösteren bir işaret.
Açıklama Bu boolean öznitelik, müşteriden herhangi bir takip veya dahili aktarım gerektirmeden ilk etkileşim sırasında çözülen case'leri belirler. 'True' değeri, ideal, verimli bir çözümü ifade eder. Bu öznitelik, 'İlk Temasta Çözüm Oranı' KPI'sının ve ilgili kontrol paneli'ının temelini oluşturur. İlk temasta çözülemeyen case'lerin özelliklerini analiz etmek, temsilci eğitimi, bilgi tabanı iyileştirmeleri veya süreç değişiklikleri için fırsatlar ortaya çıkarabilir. Neden Önemli?dir? Verimliliği ve müşteri memnuniyetini doğrudan ölçer, çünkü sorunları ilk denemede çözmek, olumlu bir hizmet deneyiminin temel bir belirleyicisidir. Nereden Alınır?? Bir olayın (case) olay dizisini (event sequence) analiz ederek türetilen hesaplanmış bir alan. Bir olay, transferler veya yeniden açılmalar gibi belirli araya giren etkinlikler olmadan çözülürse FCR'dir. Örnekler::::::: truefalse
	Konuşma Kimliği ConversationId	Genesys tarafından tüm bir sohbete atanan benzersiz tanımlayıcı.
Açıklama Sohbet ID'si, Genesys Cloud CX'te tek bir müşteri sohbeti için ilgili tüm etkileşimleri, segmentleri ve katılımcıları gruplayan birincil teknik temel rol oynar. Kavramsal 'BT Hizmet Talebi Yönetimi' Case ID'si olarak kullanılırken, Sohbet ID'si Genesys API'lerinden ilgili tüm verileri almak için kullanılan temel temel rol oynar. Veri çekimi, farklı veri kümelerini birleştirme ve süreç verilerinin teknik doğrulaması için gereklidir. Neden Önemli?dir? Bu, Genesys'teki birincil teknik büyük önem taşır, veri çekimi, sorun giderme ve kaynak sisteme geri bağlantı için gereklidir. Nereden Alınır?? Bu, tüm Genesys Cloud CX analiz ve sohbet API'lerinde birincil bir alandır. Örnekler::::::: d8a7c6b5-e4f3-2109-8765-fedcba098765c7b6a5d4-f3e2-1098-7654-edcbaf987654
	SLA Hedef Çözüm Süresi SlaTargetResolutionTime	Hizmet talebini çözmek için sözleşmeyle kararlaştırılan hedef süre.
Açıklama Bu öznitelik, Hizmet Seviyesi Anlaşması (SLA) uyarınca bir hizmet talebinin çözülmesi için izin verilen maksimum süreyi tanımlar. Gerçek çözüm sürelerinin ölçüldüğü kriter olarak hizmet verir. Bu veri, 'SLA Uyumluluk Genel Bakışı' kontrol paneli'ı ve 'SLA Uyumluluk Oranı' KPI'sı için gereklidir; kuruluşun müşteri taahhütlerine karşı performansını izlemesini ve olası ihlalleri gerçekleşmeden önce belirlemesini sunar. Neden Önemli?dir? SLA uyumluluğunu ölçmek için bir kriter sunar; bu, hizmet performansının ve sözleşmeye dayalı yükümlülüğün kritik bir göstergesidir. Nereden Alınır?? Bu, sohbette özel bir öznitelik olarak saklanabilir veya kuyruk, müşteri türü veya talep türünü içeren kurallara göre türetilebilir. Örnekler::::::: 86400144003600
	SLA Uyumlu mu? IsSlaCompliant	Hizmet talebinin SLA hedef süresi içinde çözülüp çözülmediğini gösteren bir işaret.
Açıklama Bu boolean öznitelik, bir hizmet talebinin çözüm süresi hedefini karşılayıp karşılamadığını gösterir. 'ServiceResolutionTime' ile 'SlaTargetResolutionTime' karşılaştırılarak hesaplanır. Bu bayrak, 'SLA Uyumluluk Genel Bakışı' kontrol paneli'ı için analizi ve görselleştirmeyi basitleştirir ve 'SLA Uyumluluk Oranı' KPI'sını hesaplamanın temelidir. SLA ihlallerindeki yaygın kalıpları belirlemek için uyumlu ve uyumsuz case'lerin hızlı filtrelenmesine ve segmentlere ayrılmasına sunar. Neden Önemli?dir? Her durumu uyumlu veya ihlal edilmiş olarak açıkça işaretleyerek SLA performans analizini basitleştirir, böylece arızaların kök neden analizini sunar. Nereden Alınır?? Hesaplanmış alan: ServiceResolutionTime <= SlaTargetResolutionTime ise True, aksi takdirde False. Örnekler::::::: truefalse
	Yeniden Açıldı mı? IsReopened	Çözümlenmiş bir hizmet talebinin daha sonra yeniden açılıp açılmadığını gösteren bir işaret.
Açıklama Bu boolean öznitelik, çözüldü veya kapatıldı durumuna getirilen ancak daha sonra tekrar aktif hale gelen hizmet taleplerini işaretler. Yeniden açılan case'ler genellikle ilk çözümün etkili veya eksiksiz olmadığını gösterir, bu da müşteri memnuniyetsizliğine ve ek iş yüküne yol açar. Bu öznitelik, 'BT Hizmet Talebi Yönetimi Yeniden Açılma Trendleri' kontrol paneli'ını ve 'BT Hizmet Talebi Yönetimi Yeniden Açılma Oranı' KPI'sını destekler. Bu case'leri analiz etmek, etkisiz çözümlerin temel nedenlerini belirlemeye yardımcı olur. Neden Önemli?dir? Çözüm sürecindeki başarısızlıkları vurgular, çözüm kalitesiyle ilgili sorunlara işaret eder ve yeniden işleme ile kötü müşteri deneyimine yol açar. Nereden Alınır?? Bir 'BT Hizmet Talebi Yönetimi Çözüldü' etkinliği gerçekleştikten sonra olayı yeniden etkinleştiren bir etkinliği tespit ederek türetilen hesaplanmış bir alan. Örnekler::::::: truefalse

Gerekli Önerilen Opsiyonel

Müşteri Enerji ve Altyapıi Etkinlikleri

Bunlar, doğru süreç keşfi için event lognüze (event log) kaydetmeniz gereken temel süreç adımları ve kilometre taşlarıdır.

5 Önerilen 8 Opsiyonel

	Aktivite	Açıklama
	Etkileşim Aktarıldı	Bir temsilcinin bir etkileşimi başka bir kuyruğa veya temsilciye aktarmasını temsil eder. Bu, temsilcinin hemen bağlantıyı kestiği doğrudan aktarım veya alıcıyla önce konuştuğu danışmalı aktarım olabilir.
Neden Önemli?dir? Bu etkinlik, Dahili Eskalasyon Oranı KPI'sı için gereklidir. Yüksek aktarım oranları, eğitim ihtiyaçlarını, yanlış yönlendirmeyi veya süreç karmaşıklığını gösterebilir. Nereden Alınır?? Bu, sohbet detay kayıtlarında, ilk temsilcinin katılımını takiben sohbete yeni bir ACD veya temsilci katılımcısı eklendiğinde belirlenir, genellikle bir 'aktarım' event'i ile başlatılır. Yakala Katılımcının oturum verilerindeki bir aktarım olayıyla tanımlanır. Event tipi explicit
	Etkileşim Başlatıldı	Bu etkinlik, gelen çağrı, sohbet veya e-posta gibi bir müşteri hizmetleri etkileşiminin başlangıcını işaret eder. Genesys Cloud CX, sistemde yeni bir sohbet nesnesi oluşturulduğunda bu event'i açıkça kaydeder.
Neden Önemli?dir? Bu, hizmet talebi süreci için birincil başlangıç event'idir. Toplam çözüm süresini hesaplamak ve gelen müşteri talebi modellerini anlamak için gereklidir. Nereden Alınır?? Bu event, sohbet detay kayıtlarından yakalanır. Genellikle conversationStart zaman damgası (zaman damgası)'ında bulunan sohbet nesnesinin başlangıç zamanına karşılık gelir. Yakala Sistemde yeni bir konuşma başlatıldığında kaydedilir. Event tipi explicit
	Etkileşim Kesildi	Bu etkinlik, tüm katılımcıların bağlantıyı kesmesiyle sohbetin sonunu ifade eder. Bu genellikle hizmet talebi etkileşiminin teknik kapanışı olarak işlev görür.
Neden Önemli?dir? Bu, etkileşimin kendisi için kesin bir son event'tir. Toplam etkileşim süresini hesaplamak için büyük önem taşır ve genellikle talep kapanışının bir vekili olarak kullanılır. Nereden Alınır?? Bu, sohbet detay kayıtlarından yakalanır. Genellikle conversationEnd zaman damgası (zaman damgası)'ında bulunan sohbet nesnesinin bitiş zamanına karşılık gelir. Yakala Tüm katılımcıların bağlantısı kesildiğinde ve konuşma sona erdiğinde kaydedilir. Event tipi explicit
	Sarma Kodu Atandı	Bir temsilci, etkileşime önceden tanımlanmış bir tamamlama kodu veya durum kodu atar. Bu, 'Çözüldü' veya 'Yükseltildi' gibi hizmet talebinin sonucunu açıkça kategorize eder.
Neden Önemli?dir? Sarma kodları, bir talebin iş sonucunu belirlemek için birincil kaynaktır. Çözüm oranlarını hesaplamak ve analiz için case'leri segmentlere ayırmak için büyük önem taşırler. Nereden Alınır?? Bu, sohbet detay kayıtlarında, genellikle temsilci katılımcının oturum verilerinde bulunan açık bir event'tir. wrapUp code ve zaman damgası (zaman damgası) kaydedilir. Yakala Bir temsilci etkileşim için bir tamamlama kodu seçtiğinde kaydedilir. Event tipi explicit
	Temsilci Etkileşimi Kabul Etti	Bir temsilcinin sunulan etkileşimi kabul ettiği ve müşteriyle bağlantı kurduğu noktayı işaret eder. Bu, hizmet talebinin doğrudan ele alınmasının başladığı önemli bir aşamadır.
Neden Önemli?dir? Bu etkinlik, İlk Temasta Çözüm ve temsilci işlem süresini ölçmek için büyük önem taşır. Temsilcinin talep üzerindeki çalışmasının başlangıcını işaret eder. Nereden Alınır?? Konuşma detay kayıtlarında mevcuttur. Temsilci katılımcısının durumu 'bağlandı' olarak değiştiğinde, ilgili bir zaman damgası (zaman damgası)yla işaretlenir. Yakala Bir temsilci katılımcısının durumu 'bağlandı' olarak değiştiğinde kaydedilir. Event tipi explicit
	BT Hizmet Talebi Yönetimi Yeniden Açıldı	Bir müşterinin, sorunun çözüldüğü varsayıldıktan kısa bir süre sonra aynı konuda hizmet merkeziyle tekrar iletişime geçtiği bir durumu temsil eder. Bu açık bir event değil, iş mantığına göre hesaplanır.
Neden Önemli?dir? Yeniden açılan talepleri takip etmek, BT Hizmet Talebi Yönetimi Yeniden Açılma Oranını ölçmek için temel rol oynar. Bu, ilk çözümün etkili olmadığını, müşteri memnuniyetini ve operasyonel verimliliği etkilediğini gösterir. Nereden Alınır?? Bu etkinlik, daha önceki bir etkileşimin çözülmesinden sonra, önceden tanımlanmış bir zaman dilimi içinde aynı müşteri (Müşteri ID) ve ilgili sorun (örneğin, BT Hizmet Talebi Yönetimi Türü) için yeni bir 'Etkileşim Başlatıldı' event'i tespit edilerek çıkarılır. Yakala Aynı müşteri ve sorun için yeni bir etkileşimi yakın zamanda kapatılmış bir etkileşimle ilişkilendirerek hesaplanır. Event tipi calculated
	Çağrı Sonrası İşlem Başlatıldı	Bu etkinlik, çağrı sonrası işlem (ACW) döneminin başlangıcını işaret eder. Temsilci müşteriden bağlantıyı kesmiş ancak şimdi notları kaydetme veya sistemleri güncelleme gibi görevleri tamamlamak için özel bir durumdadır.
Neden Önemli?dir? ACW (Çağrı Sonrası İşlem Süresi) süresini ölçmek, temsilci verimliliğini ve toplam işlem süresini anlamak için önemlidir. Uzun ACW süreleri, etkileşim sonrası süreçlerdeki verimsizliğin bir işareti olabilir. Nereden Alınır?? Temsilci katılımcısının oturum verilerinden yakalanır. Müşteri katılımcısı bağlantıyı kestikten sonra temsilcinin durumu 'acw' olarak değiştiğinde kaydedilir. Yakala Bir temsilci katılımcısının durumu 'acw'ye değiştiğinde kaydedilir. Event tipi explicit
	Çağrı Sonrası İşlem Sona Erdi	Bu, bir temsilci için çağrı sonrası çalışma döneminin sonunu işaret eder. Bu noktada, temsilci başka bir etkileşimi ele almaya hazır hale gelir.
Neden Önemli?dir? Bu etkinlik, 'Çağrı Sonrası İşlem Başladı' ile birleştiğinde, sarma fazının kesin süresini sunar, temsilci üretkenliğini ve süreç genel giderlerini analiz etmeye yardımcı olur. Nereden Alınır?? Bu, temsilcinin durumu 'acw'den 'boşta' gibi kullanılabilir bir duruma değiştiğinde çıkarılır. Bu durum değişikliğinin zaman damgası (zaman damgası)'ı kullanılır. Yakala Temsilcinin durumu 'acw'den müsait bir duruma geçtiğinde çıkarılır. Event tipi inferred
	Etkileşim Beklemeye Alındı	Bu etkinlik, bir temsilcinin bir etkileşim sırasında müşteriyi beklemeye almasıyla kaydedilir. Bu, sohbet içindeki temsilci katılımcısı için açık bir durum değişikliğidir.
Neden Önemli?dir? Bekletme sıklığı ve süresini analiz etmek, temsilcilerin sıklıkla bilgi arama veya başkalarına danışma ihtiyacı duyması gibi süreç verimsizliklerini ortaya çıkarabilir. Nereden Alınır?? Konuşma detay kayıtlarında temsilci katılımcısının oturum verilerinden yakalanır. Durum 'beklemede' olarak değişir ve bir zaman damgası (zaman damgası) kaydedilir. Yakala Bir temsilci katılımcısının durumu 'beklemede' olarak değiştiğinde kaydedilir. Event tipi explicit
	Etkileşimden Bekletme Kaldırıldı	Bir temsilcinin müşteriyi bekletmeden çıkarıp sohbete devam ettiği zaman gerçekleşir. Bu olay, bekletme süresinin sonunu işaret eder ve durum değişikliği olarak kaydedilir.
Neden Önemli?dir? 'Etkileşim Beklemeye Alındı' etkinliğiyle birlikte, bu etkinlik toplam bekletme süresinin kesin olarak hesaplanmasını sunar; bu da genel işlem süresi ve müşteri deneyiminin önemli bir bileşenidir. Nereden Alınır?? Temsilci katılımcısının oturum verilerinden, durumları 'beklemede' konumundan 'bağlandı' konumuna geri döndüğünde türetilir. Yakala Bir temsilci katılımcısının durumu 'beklemede' konumundan 'bağlandı' konumuna değiştiğinde kaydedilir. Event tipi explicit
	Konuşma Kuyruğa Yönlendirildi	Yeni bir etkileşimin, müsait bir temsilci beklemek üzere belirli bir kuyruğa yerleştirildiği anı temsil eder. Bu, Genesys yönlendirme motoru (ACD) tarafından kaydedilen açık bir event'tir.
Neden Önemli?dir? Bu etkinliği takip etmek, kuyruk bekleme sürelerini ölçmek ve yönlendirme sürecindeki darboğazları belirlemek için büyük önem taşır. Bu etkinlik ile temsilci ataması arasındaki yüksek süreler, personel veya yönlendirme mantığı sorunlarını gösterir. Nereden Alınır?? Konuşma detay kayıtlarından yakalanır, özellikle konuşma içindeki ACD katılımcısının 'amacı' ve 'durumu' incelenir. Metrik dizisindeki kuyruk için 'enterTime' bu olayı gösterir. Yakala ACD yönlendirme motoru bir konuşmayı kuyruğa aldığında kaydedilir. Event tipi explicit
	Müşteri Memnuniyet Anketi Gönderildi	Bu etkinlik, bir etkileşimin kapanmasının ardından bir müşteri memnuniyeti (CSAT) anketi gönderildiğinde gerçekleşir. Bu genellikle önceden tanımlanmış kurallara göre sistem tarafından otomatik olarak tetiklenir.
Neden Önemli?dir? Bu etkinlik, CSAT Anketi Teslim Zamanlaması KPI'sını ölçmek için gereklidir. Anketlerin zamanında teslim edilmesi, deneyim müşterinin zihninde tazeyken doğru geri bildirim yakalanmasına yardımcı olur. Nereden Alınır?? Bu bilgi genellikle Genesys Cloud CX içindeki anket veya kalite yönetimi verilerinden elde edilir ve orijinal sohbet ID'sine geri bağlanabilir. Yakala Bir anket belirli bir konuşma için gönderildiğinde anket modülü tarafından kaydedilir. Event tipi explicit
	Temsilciye Etkileşim Sunuldu	Bu event, sistemin belirli bir temsilciye bir etkileşim sunduğunda meydana gelir. Sistem temsilcinin sohbeti kabul etmesini veya reddetmesini beklerken, temsilcinin durumu 'uyarı' olarak değişir.
Neden Önemli?dir? Bu etkinlik, temsilci yanıt verme hızını ve yönlendirme algoritmasının etkinliğini analiz etmeye yardımcı olur. Bu noktadan sonraki gecikmeler, temsilcilerin işi hızla kabul etmediğini gösterebilir. Nereden Alınır?? Temsilcinin katılımcı verileri içindeki konuşma detay kayıtlarında bulunur. Katılımcının oturumu 'uyarı' durumunda bir metrik ve ilgili bir zaman damgası (zaman damgası) gösterecektir. Yakala Yönlendirme motoru bir temsilciyi yeni bir etkileşim hakkında uyardığında kaydedilir. Event tipi explicit

Önerilen Opsiyonel

Veri Çıkarma Kılavuzları

Genesys Cloud CX verilerinizi nasıl alırsınız

Adımlar

Analiz Çalışanşma Alanı'na Gitme: Genesys Cloud CX'e giriş yapın. Menüye gidin ve Yönetici'yi seçin, ardından Analiz altında Çalışanşma Alanı'nı seçin.
Yeni Bir Görünüm Oluşturma: Yeni bir sekme eklemek için artı simgesine tıklayın ve "Yeni bir görünüm oluştur" seçeneğini seçin. Görünüm türü olarak "Etkileşimler"i seçin. Bu, etkileşim görünümü düzenleyicisini açacaktır.
Tarih Aralığını Tanımlama: Soldaki filtre panelinde, çıkarmak istediğiniz veriler için istediğiniz tarih ve saat aralığını ayarlayın. Süreci test etmek için başlangıçta bir hafta gibi daha küçük bir tarih aralığı ile başlamanız önerilir.
Dışa Aktarma İçin Sütunları Seçme: Bu, veri hazırlığı için en kritik adımdır. "Sütunlar" düğmesine tıklayın. Mevcut alanlardan, event lognü oluşturmak için gerekli verileri içeren aşağıdaki sütunları görünümünüze ekleyin:
- Konuşma Kimliği
- Konuşma Başlangıcı
- Konuşma Bitişi
- Medya Türü
- Katılımcılar (Bu, iç içe geçmiş temsilci, kuyruk ve müşteri verilerini içeren karmaşık bir alandır)
- Metrics.tAnswered
- Metrics.tACW
- Metrics.tHeld
- Anketler
Ek Filtreler Uygulama: Gerekirse verileri daraltmak için filtre panelini kullanın. Belirli hizmet talebi sürecine odaklanmak için Medya Türü (örn. sesli, sohbet), Kuyruk, Yön (gelen/giden) veya diğer konuşma özelliklerine göre filtreleyebilirsiniz.
Görünümü Kaydetme ve Çalışanştırma: Görünümü açıklayıcı bir adla kaydedin, örneğin "Process Mining BT Hizmet Talebi Yönetimi Dışa Aktarımı". Görünüm daha sonra kriterlerinize uyan verileri yükleyecektir.
Dışa Aktarımı Başlatma: Veriler görünümünüze yüklendikten sonra, genellikle bir indirme simgesiyle temsil edilen "Dışa Aktar" düğmesine tıklayın. "CSV olarak dışa aktar" veya "JSON olarak dışa aktar" seçeneğini seçin. CSV, ilk işlem için genellikle daha kolaydır.
Dışa Aktarılan Dosyayı İndirme: Dışa aktarma işlemi arka planda çalışacaktır. İlerlemesini Performans > Dışa Aktarımlarım bölümüne giderek izleyebilirsiniz. Tamamlandığında, dosyayı yerel sisteminize indirin.
Ham Verileri Dönüştürme: Dışa aktarılan dosya, her konuşma için bir satıra sahip olup, katılımcı ve segment verileri tek bir sütunda iç içe geçmiştir. Bu verileri ayırmak için, Sorgu bölümünde sağlanan Python komut dosyası gibi bir dönüştürme komut dosyası çalıştırmanız gerekir. Bu komut dosyası, ham dışa aktarılan veriyi ayrıştıracak ve her satırın "Temsilci Etkileşimi Kabul Etti" veya "Etkileşim Beklemeye Alındı" gibi tek bir etkinliği temsil ettiği yeni bir dosya oluşturacaktır.
Özel Mantık Uygulama: Dönüştürmenin bir parçası olarak, işe özel herhangi bir mantığı uygulayın. Örneğin, "BT Hizmet Talebi Yönetimi Yeniden Açıldı" etkinliği, aynı müşteriden belirli bir zaman dilimi içinde sonraki etkileşimler analiz edilerek hesaplanmalıdır.
Olay Günlüğünü Sonlandırma: Dönüştürme komut dosyası, BT Hizmet Talebi Yönetimi, Aktivite Adı, Olay Zamanı ve diğer öznitelikler. dahil olmak üzere ProcessMind için gerekli formatla eşleşen sütunlara sahip bir CSV dosyası çıktısı vermelidir. Tüm zaman damgalarının tutarlı bir formatta olduğundan emin olun.
ProcessMind'e Yükleme: Son, dönüştürülmüş CSV dosyası artık süreç madenciliği aracınıza yüklenmeye hazırdır.

Konfigürasyon

İzinler: Analiz Çalışanşma Alanı'na erişmek ve etkileşim görünümleri oluşturmak için Genesys Cloud CX kullanıcı rolünüzde Analiz > Konuşma > Görüntüle izni bulunmalıdır.
Tarih Aralığı: İlk veri çekme işlemi için 3-6 aylık temsili bir dönem kullanın. Çok yüksek hacimli çağrı merkezleri için, sistem sınırlarına takılmamak ve dosya boyutlarını yönetmek adına verileri haftalık veya aylık gibi daha küçük parçalar halinde dışa aktarmanız önerilir.
Ana Filtreler:
- Medya Türü: Müşteri hizmetleri sürecinizle ilgili kanalları (sesli, sohbet veya e-posta gibi) filtreleyin.
- Kuyruk: Süreç belirli ekipler tarafından yönetiliyorsa, yalnızca istenen süreç için veri çektiğinizden emin olmak için ilgili Kuyruk Kimlikleri'ne göre filtreleme yapın.
- Yön: Genellikle, müşteri tarafından başlatılan hizmet taleplerini yakalamak için gelen etkileşimleri filtrelemek isteyeceksiniz.
Dışa Aktarma Sütunları: Katılımcılar sütunu, temsilciler ve kuyruklar için ayrıntılı etkinlik zaman çizelgesini içerdiğinden büyük önem taşır. Bu sütun olmadan, bireysel etkinlikleri çıkaramazsınız. Konuşma Kimliği, Konuşma Başlangıcı ve Konuşma Bitişinin de dahil edildiğinden emin olun.
Performans Dikkat Edilecekleri: Çok sayıda sütun veya çok uzun bir tarih aralığı dışa aktarmak, işlemin önemli ölçüde zaman almasına neden olabilir. İşlem başarısız olursa veya zaman aşımına uğrarsa, tarih aralığını azaltın ve tekrar deneyin. Genesys Cloud'un dışa aktarma işlemi başına yaklaşık 1 milyon konuşma sınırı vardır.

a Örnek Sorgu config

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

# This script transforms a Genesys Cloud Conversation Detail Export into a process mining event log.
# It assumes the raw data is in a CSV file named 'genesys_export.csv'.

def transform_genesys_export(file_path):
    # Load the raw export file
    try:
        df = pd.read_csv(file_path)
    except FileNotFoundError:
        print(f"Error: The file {file_path} was not found.")
        return None

    event_log = []
    source_system = 'Genesys Cloud CX'
    last_data_update = datetime.now(timezone.utc).isoformat()

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

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

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

        for p in participants:
            participant_id = p.get('participantId')
            user_id = p.get('userId')
            queue_name = p.get('queueName')
            purpose = p.get('purpose')

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

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

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

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

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

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

if __name__ == '__main__':
    # Specify the path to your downloaded Genesys export CSV file
    input_file = 'genesys_export.csv'
    output_file = '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(f"Transformation complete. Event log saved to {output_file}")

Adımlar

Ön Koşullar ve Kurulum: Python 3.8+ ile birlikte pandas ve purecloud-platform-client-v2 kütüphanelerinin yüklü olduğundan emin olun. Bunları pip kullanarak yükleyebilirsiniz: pip install pandas purecloud-platform-client-v2.
Genesys Cloud OAuth İstemcisi Oluşturma: Genesys Cloud CX yönetici hesabınıza giriş yapın. Entegrasyonlar > OAuth'a gidin ve 'İstemci Kimlik Bilgileri' yetki türüyle yeni bir istemci oluşturun. analitik:conversationDetail:view iznini içeren bir rol atayın.
Komut Dosyası Kimlik Bilgilerini Yapılandırma: Bir önceki adımdaki İstemci Kimliği ve İstemci Gizli Anahtarını kaydedin. Aşağıda verilen Python komut dosyasında, CLIENT_ID, CLIENT_SECRET ve GENESYS_CLOUD_REGION için yer tutucu değerleri kendi kimlik bilgilerinizle değiştirin.
Çekim Aralığını Tanımlama: Komut dosyasındaki query_body değişkenini bulun. Çekmek istediğiniz verinin tarih ve saat aralığını belirtmek için interval değerini değiştirin. Test için tek bir gün gibi küçük bir aralıkla başlamanız önerilir.
Python Komut Dosyasını Çalışanştırma: python your_script_name.py komutunu kullanarak komut dosyasını terminalinizden çalıştırın. Komut dosyası Genesys Cloud API ile kimlik doğrulaması yapacak, eşzamansız bir analiz işi gönderecek ve iş kimliğini yazdıracaktır.
İş Yürütmesini İzleme: Komut dosyası, işin durumunu kontrol etmek için API'yi her 15 saniyede bir otomatik olarak sorgulayacaktır. Konsola durum güncellemeleri yazdırıldığını göreceksiniz. Bu adım, istenen veri hacmine bağlı olarak birkaç dakika veya daha uzun sürebilir.
Verileri İşleme ve Dönüştürme: İş tamamlandığında, komut dosyası ortaya çıkan JSON verilerini indirir. Ardından, her konuşma kaydını yineleyerek, ana etkinlikleri ve nitelikleri tanımlamak ve yapılandırmak için katılımcı, oturum ve segment verilerini ayrıştırır.
Hesaplanmış Olayları İşleme: Komut dosyası, 'BT Hizmet Talebi Yönetimi Yeniden Açıldı' olaylarını tanımlamak için bir son işleme adımı içerir. Özelleştirebileceğiniz bu mantık, önceki bir etkileşim çözüldükten sonra belirli bir zaman aralığında aynı müşteriden gelen yeni etkileşimleri kontrol eder.
Olay Günlüğünü Oluşturma: Dönüştürülen veri, bir süreç madenciliği event log yapısını yansıtan bir pandas DataFrame'ine derlenir.
Nihai CSV Dosyasını Dışa Aktarma: Komut dosyası, nihai DataFrame'i genesys_event_log.csv adında bir CSV dosyası olarak kaydeder. Bu dosya, ProcessMind platformuna doğrudan yüklenmek üzere biçimlendirilmiştir.

Konfigürasyon

API Kimlik Bilgileri: Kimlik doğrulama için bir OAuth İstemci Kimliği ve İstemci Gizli Anahtarı gereklidir. Bunlar Genesys Cloud CX yönetici arayüzünde oluşturulmalıdır.
API İzinleri: İlgili OAuth istemci rolünün, gerekli konuşma verilerine erişmek için analitik:conversationDetail:view iznine sahip olması gerekir.
Çekim Aralığı: API sorgu gövdesindeki interval parametresi, verinin çekileceği tarih aralığını kontrol eder. Büyük ortamlar için, API zaman aşımlarını önlemek ve bellek kullanımını yönetmek amacıyla çekimi daha küçük, ardışık gruplar halinde (örn. her seferinde bir hafta) çalıştırmak en iyi uygulamadır.
Veri Filtreleri: API sorgu gövdesi, çekim kapsamını daraltmak için conversationFilters, segmentFilters veya evaluationFilters içerecek şekilde değiştirilebilir. Örneğin, müşteri hizmetleri sürecinin belirli bir bölümünü hedeflemek için belirli bir queueId veya mediaType ile filtreleme yapabilirsiniz.
Tekrar Açılma Mantığı: 'BT Hizmet Talebi Yönetimi Yeniden Açıldı' etkinliğini tanımlamak için zaman aralığı komut dosyasında yapılandırılabilir. Varsayılan olarak 72 saat olarak ayarlanmıştır ancak kuruluşunuzun iş kurallarına uyacak şekilde ayarlanmalıdır.
Ortam: Komut dosyasını çalıştırmak için gerekli SDK ve kütüphanelere sahip yerel bir Python ortamı gereklidir. Genesys Cloud CX sunucusuna veya veri tabanına doğrudan erişime gerek yoktur.

a Örnek Sorgu 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()

Adımlar

Analiz Çalışanşma Alanı'na Gitme: Genesys Cloud CX'e giriş yapın. Menüye gidin ve Yönetici'yi seçin, ardından Analiz altında Çalışanşma Alanı'nı seçin.
Yeni Bir Görünüm Oluşturma: Yeni bir sekme eklemek için artı simgesine tıklayın ve "Yeni bir görünüm oluştur" seçeneğini seçin. Görünüm türü olarak "Etkileşimler"i seçin. Bu, etkileşim görünümü düzenleyicisini açacaktır.
Tarih Aralığını Tanımlama: Soldaki filtre panelinde, çıkarmak istediğiniz veriler için istediğiniz tarih ve saat aralığını ayarlayın. Süreci test etmek için başlangıçta bir hafta gibi daha küçük bir tarih aralığı ile başlamanız önerilir.
Dışa Aktarma İçin Sütunları Seçme: Bu, veri hazırlığı için en kritik adımdır. "Sütunlar" düğmesine tıklayın. Mevcut alanlardan, event lognü oluşturmak için gerekli verileri içeren aşağıdaki sütunları görünümünüze ekleyin:
- Konuşma Kimliği
- Konuşma Başlangıcı
- Konuşma Bitişi
- Medya Türü
- Katılımcılar (Bu, iç içe geçmiş temsilci, kuyruk ve müşteri verilerini içeren karmaşık bir alandır)
- Metrics.tAnswered
- Metrics.tACW
- Metrics.tHeld
- Anketler
Ek Filtreler Uygulama: Gerekirse verileri daraltmak için filtre panelini kullanın. Belirli hizmet talebi sürecine odaklanmak için Medya Türü (örn. sesli, sohbet), Kuyruk, Yön (gelen/giden) veya diğer konuşma özelliklerine göre filtreleyebilirsiniz.
Görünümü Kaydetme ve Çalışanştırma: Görünümü açıklayıcı bir adla kaydedin, örneğin "Process Mining BT Hizmet Talebi Yönetimi Dışa Aktarımı". Görünüm daha sonra kriterlerinize uyan verileri yükleyecektir.
Dışa Aktarımı Başlatma: Veriler görünümünüze yüklendikten sonra, genellikle bir indirme simgesiyle temsil edilen "Dışa Aktar" düğmesine tıklayın. "CSV olarak dışa aktar" veya "JSON olarak dışa aktar" seçeneğini seçin. CSV, ilk işlem için genellikle daha kolaydır.
Dışa Aktarılan Dosyayı İndirme: Dışa aktarma işlemi arka planda çalışacaktır. İlerlemesini Performans > Dışa Aktarımlarım bölümüne giderek izleyebilirsiniz. Tamamlandığında, dosyayı yerel sisteminize indirin.
Ham Verileri Dönüştürme: Dışa aktarılan dosya, her konuşma için bir satıra sahip olup, katılımcı ve segment verileri tek bir sütunda iç içe geçmiştir. Bu verileri ayırmak için, Sorgu bölümünde sağlanan Python komut dosyası gibi bir dönüştürme komut dosyası çalıştırmanız gerekir. Bu komut dosyası, ham dışa aktarılan veriyi ayrıştıracak ve her satırın "Temsilci Etkileşimi Kabul Etti" veya "Etkileşim Beklemeye Alındı" gibi tek bir etkinliği temsil ettiği yeni bir dosya oluşturacaktır.
Özel Mantık Uygulama: Dönüştürmenin bir parçası olarak, işe özel herhangi bir mantığı uygulayın. Örneğin, "BT Hizmet Talebi Yönetimi Yeniden Açıldı" etkinliği, aynı müşteriden belirli bir zaman dilimi içinde sonraki etkileşimler analiz edilerek hesaplanmalıdır.
Olay Günlüğünü Sonlandırma: Dönüştürme komut dosyası, BT Hizmet Talebi Yönetimi, Aktivite Adı, Olay Zamanı ve diğer öznitelikler. dahil olmak üzere ProcessMind için gerekli formatla eşleşen sütunlara sahip bir CSV dosyası çıktısı vermelidir. Tüm zaman damgalarının tutarlı bir formatta olduğundan emin olun.
ProcessMind'e Yükleme: Son, dönüştürülmüş CSV dosyası artık süreç madenciliği aracınıza yüklenmeye hazırdır.

Konfigürasyon

İzinler: Analiz Çalışanşma Alanı'na erişmek ve etkileşim görünümleri oluşturmak için Genesys Cloud CX kullanıcı rolünüzde Analiz > Konuşma > Görüntüle izni bulunmalıdır.
Tarih Aralığı: İlk veri çekme işlemi için 3-6 aylık temsili bir dönem kullanın. Çok yüksek hacimli çağrı merkezleri için, sistem sınırlarına takılmamak ve dosya boyutlarını yönetmek adına verileri haftalık veya aylık gibi daha küçük parçalar halinde dışa aktarmanız önerilir.
Ana Filtreler:
- Medya Türü: Müşteri hizmetleri sürecinizle ilgili kanalları (sesli, sohbet veya e-posta gibi) filtreleyin.
- Kuyruk: Süreç belirli ekipler tarafından yönetiliyorsa, yalnızca istenen süreç için veri çektiğinizden emin olmak için ilgili Kuyruk Kimlikleri'ne göre filtreleme yapın.
- Yön: Genellikle, müşteri tarafından başlatılan hizmet taleplerini yakalamak için gelen etkileşimleri filtrelemek isteyeceksiniz.
Dışa Aktarma Sütunları: Katılımcılar sütunu, temsilciler ve kuyruklar için ayrıntılı etkinlik zaman çizelgesini içerdiğinden büyük önem taşır. Bu sütun olmadan, bireysel etkinlikleri çıkaramazsınız. Konuşma Kimliği, Konuşma Başlangıcı ve Konuşma Bitişinin de dahil edildiğinden emin olun.
Performans Dikkat Edilecekleri: Çok sayıda sütun veya çok uzun bir tarih aralığı dışa aktarmak, işlemin önemli ölçüde zaman almasına neden olabilir. İşlem başarısız olursa veya zaman aşımına uğrarsa, tarih aralığını azaltın ve tekrar deneyin. Genesys Cloud'un dışa aktarma işlemi başına yaklaşık 1 milyon konuşma sınırı vardır.

a Örnek Sorgu config

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

# This script transforms a Genesys Cloud Conversation Detail Export into a process mining event log.
# It assumes the raw data is in a CSV file named 'genesys_export.csv'.

def transform_genesys_export(file_path):
    # Load the raw export file
    try:
        df = pd.read_csv(file_path)
    except FileNotFoundError:
        print(f"Error: The file {file_path} was not found.")
        return None

    event_log = []
    source_system = 'Genesys Cloud CX'
    last_data_update = datetime.now(timezone.utc).isoformat()

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

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

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

        for p in participants:
            participant_id = p.get('participantId')
            user_id = p.get('userId')
            queue_name = p.get('queueName')
            purpose = p.get('purpose')

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

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

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

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

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

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

if __name__ == '__main__':
    # Specify the path to your downloaded Genesys export CSV file
    input_file = 'genesys_export.csv'
    output_file = '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(f"Transformation complete. Event log saved to {output_file}")

Müşteri Enerji ve Altyapıi `Data` Şablonunuz

Müşteri Enerji ve Altyapıi `Data` Şablonunuz

Müşteri Enerji ve Altyapıi Öznitelikleri

Müşteri Enerji ve Altyapıi Etkinlikleri

Veri Çıkarma Kılavuzları

Genesys Cloud Analiz Konuşma Detay Dışa Aktarımı

Adımlar

Konfigürasyon

a Örnek Sorgu config

Genesys Cloud Platform API kullanan Python Betiği

Adımlar

Konfigürasyon

a Örnek Sorgu python

AWS EventBridge Entegrasyonu ile Olay Akışı

Adımlar

Konfigürasyon

a Örnek Sorgu config

Başlamaya Hazır Mısınız?

Tekrar Eden Temaslara Son: Müşteri Enerji ve Altyapıinizi Bugün Optimize edin!

Müşteri Enerji ve Altyapıi Data Şablonunuz

Müşteri Enerji ve Altyapıi Data Şablonunuz

Müşteri Enerji ve Altyapıi Öznitelikleri

Müşteri Enerji ve Altyapıi Etkinlikleri

Veri Çıkarma Kılavuzları

Genesys Cloud Analiz Konuşma Detay Dışa Aktarımı

Adımlar

Konfigürasyon

a Örnek Sorgu config

Genesys Cloud Platform API kullanan Python Betiği

Adımlar

Konfigürasyon

a Örnek Sorgu python

AWS EventBridge Entegrasyonu ile Olay Akışı

Adımlar

Konfigürasyon

a Örnek Sorgu config

Gizliliğinize önem veriyoruz

Başlamaya Hazır Mısınız?

Tekrar Eden Temaslara Son: Müşteri Enerji ve Altyapıinizi Bugün Optimize edin!

Müşteri Enerji ve Altyapıi `Data` Şablonunuz

Müşteri Enerji ve Altyapıi `Data` Şablonunuz