> Cải tiến quy trình liên tục > Dịch vụ khách hàng > Genesys Cloud CX > Mẫu dữ liệu

Mẫu dữ liệu dịch vụ khách hàng

Genesys Cloud CX

Thuộc tính dịch vụ khách hàng(19) Hoạt động dịch vụ khách hàng(13) Hướng dẫn trích xuất dữ liệu(3)

Mẫu dữ liệu dịch vụ khách hàng

Mẫu này hướng dẫn bạn thu thập dữ liệu cần thiết để phân tích và tối ưu quy trình dịch vụ khách hàng. Mẫu nêu các thuộc tính nên có, những hoạt động chính cần theo dõi và cách trích xuất dữ liệu từ hệ thống nguồn. Hãy dùng mẫu để tạo nhật ký sự kiện phục vụ các sáng kiến process mining.

Các thuộc tính nên thu thập
Các hoạt động chính cần theo dõi
Hướng dẫn trích xuất dữ liệu

Chưa quen với nhật ký sự kiện? Tìm hiểu cách tạo nhật ký sự kiện cho process mining.

Tải mẫu xuống

Thuộc tính dịch vụ khách hàng

Đây là những trường dữ liệu nên có trong nhật ký sự kiện để phân tích dịch vụ khách hàng.

5 Bắt buộc 6 Nên có 8 Không bắt buộc

	Tên	Mô tả
	Tên hoạt động ActivityName	Tên sự kiện hoặc tác vụ cụ thể xảy ra tại một thời điểm trong vòng đời của yêu cầu hỗ trợ.
Mô tả Thuộc tính này mô tả một bước cụ thể hoặc thay đổi trạng thái trong quy trình dịch vụ khách hàng. Mỗi hoạt động là một sự kiện riêng, chẳng hạn như 'Nhân viên chấp nhận tương tác' hoặc 'Gán mã kết thúc tương tác'. Phân tích trình tự và tần suất của các hoạt động này là nền tảng của process mining. Việc này giúp trực quan hóa luồng quy trình, phát hiện sai lệch và xác định điểm nghẽn hoặc bước kém hiệu quả. Vì sao điều này quan trọng Các hoạt động tạo nên phần cốt lõi của sơ đồ quy trình, giúp trực quan hóa và phân tích luồng thực tế so với luồng đã thiết kế. Lấy dữ liệu ở đâu Thông tin này thường được tạo bằng cách ánh xạ sự kiện hệ thống, trạng thái nhân viên hoặc mục trong nhật ký kiểm tra của Genesys Cloud CX sang tên hoạt động chuẩn hóa. Ví dụ Bắt đầu tương tácNhân viên chấp nhận tương tácKết thúc công việc sau cuộc gọiMở lại yêu cầu hỗ trợ
	Thời gian bắt đầu EventTime	Dấu thời gian cho biết thời điểm một hoạt động hoặc sự kiện bắt đầu.
Mô tả Thuộc tính này cung cấp ngày giờ chính xác của từng hoạt động. Đây là thông tin thiết yếu để sắp xếp sự kiện đúng thứ tự và thực hiện mọi phân tích dựa trên thời gian. Thời gian bắt đầu được dùng để dựng luồng quy trình theo thứ tự thời gian, đồng thời làm cơ sở tính thời lượng, thời gian chờ và thời gian chu kỳ giữa các hoạt động. Dấu thời gian chính xác rất quan trọng để phân tích quy trình và theo dõi hiệu suất đáng tin cậy. Vì sao điều này quan trọng Dấu thời gian này sắp xếp mọi hoạt động theo trình tự thời gian, giúp phân tích chính xác luồng quy trình, thời lượng và điểm nghẽn. Lấy dữ liệu ở đâu Có trong nhật ký sự kiện hoặc thông tin chi tiết về tương tác của Genesys Cloud CX, thường gắn với mỗi sự kiện hệ thống hoặc người dùng được ghi nhận. Ví dụ 2024-05-21T10:00:15Z2024-05-21T10:02:30Z2024-05-21T10:15:00Z
	Yêu cầu hỗ trợ ServiceRequest	Mã định danh chính của một tương tác dịch vụ khách hàng, liên kết tất cả hoạt động liên quan.
Mô tả Yêu cầu hỗ trợ, thường được gọi là Ticket hoặc Case, là mã định danh chính cho một thắc mắc hoặc vấn đề của khách hàng. Mã này nhóm mọi sự kiện liên quan, từ lần liên hệ đầu tiên đến khi giải quyết xong, thành một phiên bản quy trình duy nhất. Phân tích theo yêu cầu hỗ trợ giúp bạn xem toàn bộ hành trình khách hàng và quy trình xử lý nội bộ từ đầu đến cuối. Đây là cơ sở để tính các chỉ số quan trọng như tổng thời gian xử lý và tỷ lệ giải quyết ngay lần liên hệ đầu tiên. Vì sao điều này quan trọng Đây là Case ID thiết yếu, liên kết mọi bước trong quy trình để bạn phân tích toàn bộ từng tương tác của khách hàng từ đầu đến cuối. Lấy dữ liệu ở đâu Đây là mã định danh trường hợp theo khái niệm. Trong Genesys, mã này thường tương ứng với Conversation ID, nhưng có thể là mã tùy chỉnh tùy theo cách triển khai. Ví dụ SR-20240521-00123SR-20240521-00124SR-20240522-00001
	Hệ thống nguồn SourceSystem	Hệ thống nơi dữ liệu được trích xuất.
Mô tả Thuộc tính này xác định hệ thống tạo ra dữ liệu sự kiện, trong trường hợp này là Genesys Cloud CX. Khi môi trường có nhiều hệ thống tích hợp, trường này rất quan trọng để theo dõi nguồn gốc dữ liệu, xử lý sự cố và hiểu bối cảnh dữ liệu. Thuộc tính này giúp đảm bảo phân tích dựa trên đúng nguồn dữ liệu, đồng thời cho phép lọc hoặc phân nhóm dữ liệu khi nhiều hệ thống cùng đóng góp vào một góc nhìn quy trình. Vì sao điều này quan trọng Xác định nguồn gốc dữ liệu, điều cần thiết cho quản trị và xác thực dữ liệu, cũng như khi hợp nhất dữ liệu từ nhiều hệ thống. Lấy dữ liệu ở đâu Đây thường là giá trị cố định được thêm trong quá trình trích xuất và chuyển đổi dữ liệu để ghi nhãn nguồn gốc của bản ghi. Ví dụ Genesys Cloud CXGenesysCloudCX_US1Genesys
	Lần cập nhật dữ liệu gần nhất LastDataUpdate	Dấu thời gian của lần làm mới dữ liệu gần nhất.
Mô tả Thuộc tính này cho biết lần gần nhất tập dữ liệu được cập nhật từ hệ thống nguồn. Thông tin này giúp bạn biết dữ liệu đang phân tích có còn mới hay không, yếu tố quan trọng để đưa ra quyết định kinh doanh kịp thời và phù hợp. Bảng điều khiển và báo cáo nên hiển thị rõ thời điểm cập nhật để người dùng đánh giá mức độ hiện hành của dữ liệu và độ tin cậy của các kết quả phân tích. Vì sao điều này quan trọng Cho biết dữ liệu được cập nhật đến thời điểm nào, giúp bạn phân tích và ra quyết định dựa trên thông tin mới nhất. Lấy dữ liệu ở đâu Giá trị này được tạo và ghi vào tập dữ liệu khi trích xuất dữ liệu hoặc tải dữ liệu vào công cụ process mining. Ví dụ 2024-05-23T04:00:00Z2024-05-24T04:00:00Z
	ID nhân viên hỗ trợ AgentId	Mã định danh duy nhất của nhân viên hỗ trợ xử lý tương tác hoặc hoạt động.
Mô tả Agent ID là mã định danh duy nhất của mỗi nhân viên dịch vụ khách hàng. Thuộc tính này cần thiết để phân tích hiệu suất, phân bổ khối lượng công việc và hiệu quả của nhân viên. Bạn có thể lọc sơ đồ quy trình để xem từng nhân viên hoặc nhóm xử lý yêu cầu ra sao, rồi so sánh các chỉ số như thời gian giải quyết, tỷ lệ làm lại và mức độ tuân thủ quy trình chuẩn. Đây là dữ liệu nền tảng cho bảng điều khiển “Hiệu suất và hiệu quả của nhân viên hỗ trợ”. Vì sao điều này quan trọng Thuộc tính này liên kết các hoạt động trong quy trình với từng nhân viên, giúp phân tích hiệu suất cá nhân, khối lượng công việc và hiệu quả của nhóm. Lấy dữ liệu ở đâu Có trong bản ghi chi tiết cuộc hội thoại của Genesys Cloud CX, gắn với người dùng xử lý một phân đoạn cụ thể của tương tác. Ví dụ a1b2c3d4-e5f6-7890-1234-567890abcdeff0e9d8c7-b6a5-4321-fedc-ba0987654321
	Kênh liên lạc MediaType	Kênh dùng để trao đổi trong tương tác, chẳng hạn như thoại, chat hoặc email.
Mô tả Thuộc tính này cho biết khách hàng và nhân viên hỗ trợ đã trao đổi qua phương tiện nào. Các kênh phổ biến gồm thoại, chat, email và mạng xã hội. Phân tích hiệu suất theo kênh, như trong bảng điều khiển “Hiệu suất theo kênh liên lạc”, giúp doanh nghiệp hiểu số lượng tương tác, thời gian giải quyết và mức độ hài lòng của khách hàng trên từng kênh. Thông tin này giúp điều chỉnh chiến lược kênh và phân bổ tài nguyên. Vì sao điều này quan trọng Phân nhóm quy trình theo kênh liên lạc giúp bạn hiểu hiệu suất, hành vi khách hàng và nhu cầu tài nguyên của từng kênh. Lấy dữ liệu ở đâu Trường tiêu chuẩn trong bản ghi chi tiết cuộc hội thoại của Genesys Cloud CX. Ví dụ thoạichatemailtin nhắn
	Mã kết thúc tương tác WrapUpCode	Mã do nhân viên hỗ trợ chọn khi kết thúc tương tác để phân loại kết quả hoặc chủ đề.
Mô tả Wrap-Up Code là nhãn nhân viên hỗ trợ chọn để phân loại nội dung hoặc kết quả xử lý tương tác với khách hàng. Các mã này cung cấp dữ liệu có cấu trúc về lý do khách hàng liên hệ bộ phận hỗ trợ. Phân tích Wrap-Up Code giúp xác định các vấn đề thường gặp, theo dõi kết quả giải quyết và đo tần suất của từng loại yêu cầu. Dữ liệu này hữu ích khi tìm nguyên nhân gốc rễ và tìm hiểu nhu cầu dịch vụ. Vì sao điều này quan trọng Phân loại kết quả tương tác, cung cấp dữ liệu có cấu trúc để phân tích vấn đề thường gặp, hiệu quả giải quyết và lý do khách hàng liên hệ. Lấy dữ liệu ở đâu Có trong bản ghi chi tiết cuộc hội thoại của Genesys Cloud CX, cụ thể là thông tin phiên của người tham gia với vai trò nhân viên hỗ trợ. Ví dụ Đặt lại mật khẩuĐã giải quyết tranh chấp thanh toánYêu cầu thông tin sản phẩmChuyển lên hỗ trợ cấp 2
	Tên hàng đợi QueueName	Tên hàng đợi tiếp nhận tương tác.
Mô tả Thuộc tính này xác định hàng đợi nơi tương tác chờ trước khi được chuyển cho nhân viên hỗ trợ. Phân tích theo tên hàng đợi là cần thiết cho bảng điều khiển “Phát hiện điểm nghẽn trong hàng đợi dịch vụ”. Thông tin này giúp quản lý hiểu cách khối lượng công việc được phân bổ giữa các nhóm kỹ năng hoặc dịch vụ, đo thời gian chờ ở từng hàng đợi và tìm ra hàng đợi thường xuyên thiếu nhân lực hoặc quá tải. Từ đó, bạn có thể phân bổ tài nguyên hợp lý hơn và rút ngắn thời gian chờ của khách hàng. Vì sao điều này quan trọng Giúp tìm điểm nghẽn và phân tích cách phân bổ khối lượng công việc bằng cách cho biết yêu cầu dịch vụ đang chờ được giao ở đâu. Lấy dữ liệu ở đâu Có trong bản ghi chi tiết cuộc hội thoại của Genesys Cloud CX. Mỗi tương tác có thể đi qua một hoặc nhiều hàng đợi. Ví dụ Hỗ trợ cấp 1 - ThoạiThắc mắc về thanh toán - ChatHỗ trợ kỹ thuật - Email
	Tên nhân viên hỗ trợ AgentName	Họ tên đầy đủ của nhân viên hỗ trợ xử lý tương tác hoặc hoạt động.
Mô tả Tên nhân viên hỗ trợ là tên dễ đọc, tương ứng với Agent ID. Nhờ đó, bảng điều khiển và báo cáo trở nên dễ theo dõi hơn với quản lý và trưởng nhóm. Tên này được dùng trong các phân tích theo từng nhân viên để đánh giá hiệu suất, xác định nhu cầu đào tạo và phân bổ công việc công bằng mà không cần tra cứu mã hệ thống. Vì sao điều này quan trọng Hiển thị tên nhân viên hỗ trợ dễ đọc, giúp bạn phân tích hiệu suất và chia sẻ kết quả mà không cần dùng mã kỹ thuật. Lấy dữ liệu ở đâu Tra cứu AgentId trong dịch vụ Users hoặc Directory của Genesys Cloud CX. Ví dụ John SmithJane DoePeter Jones
	Thời gian kết thúc EventEndTime	Mốc thời gian cho biết một hoạt động hoặc sự kiện kết thúc khi nào.
Mô tả Thuộc tính này ghi lại chính xác thời điểm một hoạt động kết thúc. Khi kết hợp với thời gian bắt đầu, bạn có thể tính chính xác thời lượng của từng hoạt động. Phân tích thời lượng giúp xác định bước nào trong quy trình tốn nhiều thời gian nhất, từ đó tìm ra điểm kém hiệu quả và cơ hội cải tiến. Chẳng hạn, bạn có thể phát hiện thời gian giữ cuộc gọi quá lâu hoặc thời lượng xử lý sau cuộc gọi kéo dài. Vì sao điều này quan trọng Giúp tính chính xác thời lượng từng hoạt động, qua đó xác định các bước tốn thời gian và điểm nghẽn ảnh hưởng đến hiệu suất. Lấy dữ liệu ở đâu Có trong nhật ký sự kiện hoặc thông tin chi tiết về tương tác trên Genesys Cloud CX. Bạn cũng có thể suy ra thời điểm này từ thời gian bắt đầu của sự kiện tiếp theo. Ví dụ 2024-05-21T10:02:30Z2024-05-21T10:15:00Z2024-05-21T10:18:45Z
	Có tuân thủ SLA không IsSlaCompliant	Cờ cho biết yêu cầu dịch vụ có được giải quyết trong thời hạn SLA hay không.
Mô tả Thuộc tính dạng boolean này cho biết yêu cầu dịch vụ có đáp ứng thời hạn giải quyết hay không. Giá trị được tính bằng cách so sánh “ServiceResolutionTime” với “SlaTargetResolutionTime”. Cờ này giúp đơn giản hóa việc phân tích và trực quan hóa trong bảng điều khiển “Tổng quan tuân thủ SLA”, đồng thời là cơ sở tính KPI “Tỷ lệ tuân thủ SLA”. Bạn có thể nhanh chóng lọc và phân nhóm các trường hợp tuân thủ hoặc vi phạm để tìm ra những mẫu thường gặp. Vì sao điều này quan trọng Giúp phân tích hiệu suất SLA bằng cách đánh dấu rõ từng trường hợp là tuân thủ hay vi phạm, từ đó tìm nguyên nhân gốc rễ của các lần không đạt. Lấy dữ liệu ở đâu Trường được tính toán: True nếu ServiceResolutionTime <= SlaTargetResolutionTime, nếu không thì False. Ví dụ truefalse
	Đã mở lại IsReopened	Cờ cho biết yêu cầu dịch vụ đã giải quyết có được mở lại sau đó hay không.
Mô tả Thuộc tính dạng boolean này đánh dấu các yêu cầu dịch vụ đã chuyển sang trạng thái đã giải quyết hoặc đã đóng nhưng sau đó hoạt động trở lại. Trường hợp bị mở lại thường cho thấy giải pháp ban đầu chưa hiệu quả hoặc chưa đầy đủ, khiến khách hàng không hài lòng và phát sinh thêm công việc. Thuộc tính này cung cấp dữ liệu cho bảng điều khiển “Xu hướng mở lại yêu cầu dịch vụ” và KPI “Tỷ lệ mở lại yêu cầu dịch vụ”. Phân tích các trường hợp này giúp tìm nguyên nhân gốc rễ của việc giải quyết chưa hiệu quả. Vì sao điều này quan trọng Làm rõ những điểm chưa đạt trong quy trình giải quyết, cho thấy vấn đề về chất lượng giải pháp và nguy cơ phát sinh việc làm lại, trải nghiệm khách hàng kém. Lấy dữ liệu ở đâu Trường được tính toán bằng cách phát hiện hoạt động kích hoạt lại trường hợp sau khi đã có hoạt động “Yêu cầu dịch vụ đã giải quyết”. Ví dụ truefalse
	Điểm CSAT CustomerSatisfactionScore	Điểm hài lòng do khách hàng đánh giá trong khảo sát sau tương tác.
Mô tả Điểm hài lòng của khách hàng, hay CSAT, phản ánh trực tiếp cảm nhận của khách hàng về dịch vụ họ nhận được. Điểm này thường được thu thập qua khảo sát gửi sau khi kết thúc tương tác. Khi phân tích CSAT cùng dữ liệu quy trình, bạn có thể thấy các biến thể quy trình, thời gian giải quyết hoặc từng nhân viên ảnh hưởng thế nào đến mức độ hài lòng. Đây là chỉ số kết quả quan trọng để đánh giá hiệu quả chung của quy trình. Vì sao điều này quan trọng Đo trực tiếp mức độ hài lòng của khách hàng, giúp phân tích mối liên hệ giữa hiệu suất quy trình và kết quả trải nghiệm. Lấy dữ liệu ở đâu Dữ liệu này thường lấy từ mô-đun Quality Management của Genesys Cloud CX hoặc công cụ khảo sát bên thứ ba được tích hợp với Genesys. Ví dụ 5413
	Giải quyết ngay lần liên hệ đầu IsFirstContactResolution	Cờ cho biết yêu cầu dịch vụ có được giải quyết chỉ trong một lần tương tác hay không.
Mô tả Thuộc tính dạng boolean này xác định các trường hợp được giải quyết ngay trong lần tương tác đầu tiên, không cần khách hàng liên hệ lại hoặc chuyển nội bộ. Giá trị “true” cho biết vấn đề được giải quyết hiệu quả ngay từ đầu. Thuộc tính này là cơ sở cho KPI “Tỷ lệ giải quyết ngay lần liên hệ đầu” và bảng điều khiển tương ứng. Phân tích các trường hợp chưa giải quyết được ngay lần đầu có thể giúp xác định cơ hội đào tạo nhân viên, cải thiện kho kiến thức hoặc điều chỉnh quy trình. Vì sao điều này quan trọng Đo trực tiếp hiệu quả và mức độ hài lòng của khách hàng, vì giải quyết vấn đề ngay lần đầu là yếu tố quan trọng tạo nên trải nghiệm dịch vụ tích cực. Lấy dữ liệu ở đâu Trường được tính toán dựa trên việc phân tích chuỗi sự kiện của một trường hợp. Một trường hợp được tính là FCR nếu được giải quyết mà không có một số hoạt động xen giữa, chẳng hạn như chuyển tiếp hoặc mở lại. Ví dụ truefalse
	ID cuộc hội thoại ConversationId	Mã định danh duy nhất Genesys gán cho toàn bộ cuộc hội thoại.
Mô tả Conversation ID là khóa kỹ thuật chính trong Genesys Cloud CX, dùng để nhóm tất cả tương tác, phân đoạn và người tham gia liên quan đến một cuộc hội thoại với khách hàng. Khái niệm “Yêu cầu dịch vụ” được dùng làm Case ID, còn Conversation ID là khóa nền tảng để truy xuất toàn bộ dữ liệu liên quan qua API của Genesys. Mã này cần thiết để trích xuất dữ liệu, kết hợp các tập dữ liệu và kiểm tra tính chính xác của dữ liệu quy trình. Vì sao điều này quan trọng Đây là khóa kỹ thuật chính trong Genesys, cần thiết để trích xuất dữ liệu, xử lý sự cố và liên kết dữ liệu về hệ thống nguồn. Lấy dữ liệu ở đâu Đây là trường chính trong các API phân tích và API cuộc hội thoại của Genesys Cloud CX. Ví dụ d8a7c6b5-e4f3-2109-8765-fedcba098765c7b6a5d4-f3e2-1098-7654-edcbaf987654
	Loại yêu cầu dịch vụ ServiceRequestType	Phân loại yêu cầu dịch vụ, chẳng hạn như “Thắc mắc”, “Khiếu nại” hoặc “Vấn đề kỹ thuật”.
Mô tả Thuộc tính này phân loại yêu cầu dịch vụ theo nội dung hoặc mục đích. Bạn có thể dùng thuộc tính này để phân nhóm phân tích và xem từng loại yêu cầu được xử lý ra sao. Chẳng hạn, quy trình xử lý và thời gian giải quyết “Khiếu nại” có thể khác đáng kể so với “Thắc mắc chung”. Đây là chiều phân tích quan trọng trong các bảng điều khiển như “Phân tích chuyển cấp nội bộ”, giúp xác định loại yêu cầu nào thường được chuyển cấp hơn. Vì sao điều này quan trọng Cho phép phân nhóm quy trình để so sánh cách xử lý từng loại yêu cầu và tìm điểm nghẽn hoặc khâu kém hiệu quả riêng của từng loại. Lấy dữ liệu ở đâu Thông tin này có thể được ghi nhận qua lựa chọn trên IVR, lựa chọn của khách hàng trong biểu mẫu web hoặc do nhân viên hỗ trợ phân loại. Trong Genesys, thông tin có thể được lưu dưới dạng thuộc tính người tham gia hoặc wrap-up code. Ví dụ Thắc mắc về thanh toánHỗ trợ kỹ thuậtQuản lý tài khoảnKhiếu nại về sản phẩm
	Thời gian giải quyết yêu cầu dịch vụ ServiceResolutionTime	Tổng thời gian từ lần đầu khách hàng liên hệ đến khi vấn đề được giải quyết.
Mô tả Chỉ số này đo tổng thời gian xử lý yêu cầu dịch vụ, từ lúc khách hàng bắt đầu liên hệ đến khi vấn đề được đánh dấu là đã giải quyết. Đây là KPI quan trọng để đánh giá hiệu quả chung của quy trình và trải nghiệm khách hàng. Thuộc tính được tính toán này là trọng tâm của bảng điều khiển “Thời gian giải quyết yêu cầu dịch vụ” và KPI “Thời gian giải quyết yêu cầu dịch vụ trung bình”. Phân tích phân bố thời gian giúp tìm các trường hợp kéo dài và tình trạng chậm trễ mang tính hệ thống. Vì sao điều này quan trọng Đây là KPI quan trọng để đo hiệu quả chung của quy trình và tác động đến trải nghiệm khách hàng. Lấy dữ liệu ở đâu Trường được tính toán: thời điểm của hoạt động giải quyết cuối cùng trừ thời điểm của hoạt động liên hệ đầu tiên từ khách hàng. Ví dụ 90010800172800
	Thời hạn giải quyết theo SLA SlaTargetResolutionTime	Thời gian mục tiêu đã thỏa thuận trong hợp đồng để giải quyết yêu cầu dịch vụ.
Mô tả Thuộc tính này xác định thời gian tối đa được phép để giải quyết yêu cầu dịch vụ theo Thỏa thuận mức dịch vụ (SLA). Đây là mốc để so sánh với thời gian giải quyết thực tế. Dữ liệu này cần thiết cho bảng điều khiển “Tổng quan tuân thủ SLA” và KPI “Tỷ lệ tuân thủ SLA”, giúp tổ chức theo dõi việc đáp ứng cam kết với khách hàng và phát hiện nguy cơ vi phạm trước khi xảy ra. Vì sao điều này quan trọng Cung cấp mốc để đo mức độ tuân thủ SLA, một chỉ báo quan trọng về chất lượng dịch vụ và việc thực hiện cam kết hợp đồng. Lấy dữ liệu ở đâu Thông tin này có thể được lưu dưới dạng thuộc tính tùy chỉnh của cuộc hội thoại hoặc xác định theo quy tắc dựa trên hàng đợi, loại khách hàng hoặc loại yêu cầu. Ví dụ 86400144003600

Bắt buộc Nên có Không bắt buộc

Hoạt động dịch vụ khách hàng

Đây là các bước và mốc chính cần ghi lại trong nhật ký sự kiện để khám phá quy trình chính xác.

5 Nên có 8 Không bắt buộc

	Hoạt động	Mô tả
	Bắt đầu tương tác	Hoạt động này đánh dấu thời điểm bắt đầu một tương tác dịch vụ khách hàng, chẳng hạn như cuộc gọi đến, chat hoặc email. Genesys Cloud CX ghi nhận sự kiện này khi một đối tượng cuộc hội thoại mới được tạo trong hệ thống.
Vì sao điều này quan trọng Đây là sự kiện bắt đầu chính của quy trình xử lý yêu cầu hỗ trợ. Sự kiện này cần thiết để tính tổng thời gian xử lý và hiểu các mẫu nhu cầu của khách hàng. Lấy dữ liệu ở đâu Sự kiện này được ghi nhận trong bản ghi chi tiết cuộc hội thoại. Thời điểm tương ứng là lúc đối tượng cuộc hội thoại bắt đầu, thường được lưu trong dấu thời gian conversationStart. Thu thập Được ghi nhận khi một cuộc hội thoại mới bắt đầu trong hệ thống. Loại sự kiện explicit
	Chuyển tiếp tương tác	Đây là hoạt động nhân viên chuyển tương tác sang hàng đợi hoặc nhân viên khác. Có thể là chuyển tiếp trực tiếp, khi nhân viên ngắt kết nối ngay, hoặc chuyển tiếp có tham vấn, khi nhân viên trao đổi với người nhận trước.
Vì sao điều này quan trọng Hoạt động này rất quan trọng để tính KPI tỷ lệ chuyển cấp nội bộ. Tỷ lệ chuyển tiếp cao có thể cho thấy cần đào tạo thêm, định tuyến chưa đúng hoặc quy trình quá phức tạp. Lấy dữ liệu ở đâu Có thể nhận biết sự kiện này trong bản ghi chi tiết cuộc hội thoại khi một người tham gia ACD hoặc nhân viên mới được thêm vào sau khi nhân viên ban đầu tham gia, thường do sự kiện 'transfer' khởi tạo. Thu thập Được nhận biết qua sự kiện chuyển tiếp trong dữ liệu phiên của người tham gia. Loại sự kiện explicit
	Gán mã kết thúc tương tác	Nhân viên gán mã kết thúc tương tác đã định trước, còn gọi là mã phân loại kết quả, cho tương tác. Mã này xác định rõ kết quả của yêu cầu hỗ trợ, chẳng hạn như 'Đã giải quyết' hoặc 'Đã chuyển cấp'.
Vì sao điều này quan trọng Mã kết thúc tương tác là nguồn dữ liệu chính để xác định kết quả kinh doanh của yêu cầu. Mã này rất cần thiết để tính tỷ lệ giải quyết và phân nhóm trường hợp phục vụ phân tích. Lấy dữ liệu ở đâu Đây là sự kiện được ghi nhận rõ ràng trong bản ghi chi tiết cuộc hội thoại, thường nằm trong dữ liệu phiên của người tham gia là nhân viên. Mã wrapUp và dấu thời gian được lưu lại. Thu thập Được ghi nhận khi nhân viên chọn mã kết thúc tương tác. Loại sự kiện explicit
	Ngắt kết nối tương tác	Hoạt động này đánh dấu thời điểm cuộc hội thoại kết thúc, khi tất cả người tham gia đã ngắt kết nối. Đây thường là thời điểm kết thúc về mặt kỹ thuật của tương tác hỗ trợ.
Vì sao điều này quan trọng Đây là sự kiện kết thúc xác định của tương tác. Sự kiện này rất quan trọng để tính tổng thời lượng tương tác và thường được dùng làm mốc thay thế cho thời điểm đóng yêu cầu. Lấy dữ liệu ở đâu Sự kiện này được lấy từ bản ghi chi tiết cuộc hội thoại. Thời điểm tương ứng là lúc đối tượng cuộc hội thoại kết thúc, thường được lưu trong dấu thời gian conversationEnd. Thu thập Được ghi nhận khi tất cả người tham gia đã ngắt kết nối và cuộc hội thoại kết thúc. Loại sự kiện explicit
	Nhân viên chấp nhận tương tác	Đánh dấu thời điểm nhân viên chấp nhận tương tác được gửi đến và kết nối với khách hàng. Đây là cột mốc quan trọng, khi nhân viên bắt đầu trực tiếp xử lý yêu cầu hỗ trợ.
Vì sao điều này quan trọng Hoạt động này rất quan trọng để đo tỷ lệ giải quyết ngay lần liên hệ đầu tiên và thời gian xử lý của nhân viên. Đây là lúc nhân viên bắt đầu làm việc với yêu cầu. Lấy dữ liệu ở đâu Thông tin có trong bản ghi chi tiết cuộc hội thoại. Sự kiện được đánh dấu khi trạng thái của người tham gia là nhân viên chuyển thành 'connected', kèm theo dấu thời gian. Thu thập Được ghi nhận khi trạng thái của người tham gia là nhân viên chuyển thành 'connected'. Loại sự kiện explicit
	Bắt đầu công việc sau cuộc gọi	Hoạt động này đánh dấu thời điểm bắt đầu giai đoạn công việc sau cuộc gọi (ACW). Nhân viên đã ngắt kết nối với khách hàng và chuyển sang trạng thái dành riêng để hoàn thành các việc như ghi chú hoặc cập nhật hệ thống.
Vì sao điều này quan trọng Đo thời lượng ACW rất quan trọng để hiểu hiệu quả làm việc của nhân viên và tổng thời gian xử lý. ACW kéo dài có thể là dấu hiệu cho thấy các bước sau tương tác chưa hiệu quả. Lấy dữ liệu ở đâu Dữ liệu được lấy từ phiên của người tham gia là nhân viên. Sự kiện được ghi nhận khi trạng thái của nhân viên chuyển thành 'acw' sau khi người tham gia là khách hàng ngắt kết nối. Thu thập Được ghi nhận khi trạng thái của người tham gia là nhân viên chuyển thành 'acw'. Loại sự kiện explicit
	Chuyển cuộc hội thoại vào hàng đợi	Đây là thời điểm một tương tác mới được đưa vào hàng đợi cụ thể để chờ nhân viên sẵn sàng. Sự kiện này được công cụ định tuyến Genesys (ACD) ghi nhận rõ ràng.
Vì sao điều này quan trọng Theo dõi hoạt động này rất quan trọng để đo thời gian chờ trong hàng đợi và phát hiện điểm nghẽn trong quy trình định tuyến. Khoảng thời gian dài từ lúc này đến khi phân công nhân viên có thể cho thấy vấn đề về nhân sự hoặc logic định tuyến. Lấy dữ liệu ở đâu Dữ liệu được lấy từ bản ghi chi tiết cuộc hội thoại, cụ thể là các giá trị 'purpose' và 'state' của người tham gia ACD trong cuộc hội thoại. Giá trị 'enterTime' của hàng đợi trong mảng metrics cho biết thời điểm xảy ra sự kiện này. Thu thập Được ghi nhận khi công cụ định tuyến ACD đưa cuộc hội thoại vào hàng đợi. Loại sự kiện explicit
	Gửi khảo sát mức độ hài lòng của khách hàng	Hoạt động này xảy ra khi khảo sát mức độ hài lòng của khách hàng (CSAT) được gửi sau khi đóng một tương tác. Hệ thống thường tự động gửi khảo sát theo các quy tắc đã định trước.
Vì sao điều này quan trọng Hoạt động này cần thiết để đo KPI về thời gian gửi khảo sát CSAT. Gửi khảo sát đúng hạn giúp thu thập phản hồi chính xác khi khách hàng vẫn còn nhớ rõ trải nghiệm. Lấy dữ liệu ở đâu Thông tin này thường có trong dữ liệu khảo sát hoặc quản lý chất lượng của Genesys Cloud CX và có thể liên kết lại với ID cuộc hội thoại ban đầu. Thu thập Được mô-đun khảo sát ghi nhận khi gửi khảo sát cho một cuộc hội thoại cụ thể. Loại sự kiện explicit
	Kết thúc công việc sau cuộc gọi	Đánh dấu thời điểm kết thúc giai đoạn công việc sau cuộc gọi của nhân viên. Lúc này, nhân viên có thể tiếp nhận tương tác khác.
Vì sao điều này quan trọng Kết hợp với hoạt động 'Bắt đầu công việc sau cuộc gọi', hoạt động này cho biết chính xác thời lượng của giai đoạn hoàn tất tương tác, giúp phân tích năng suất của nhân viên và chi phí phát sinh trong quy trình. Lấy dữ liệu ở đâu Sự kiện được suy ra khi trạng thái của nhân viên chuyển từ 'acw' sang trạng thái sẵn sàng, chẳng hạn như 'idle'. Dấu thời gian của lần thay đổi trạng thái này được sử dụng. Thu thập Được suy ra khi trạng thái của nhân viên chuyển từ 'acw' sang trạng thái sẵn sàng. Loại sự kiện inferred
	Mở lại yêu cầu hỗ trợ	Đây là trường hợp khách hàng liên hệ lại trung tâm hỗ trợ về cùng một vấn đề ngay sau khi vấn đề được xem là đã giải quyết. Sự kiện này không được ghi nhận trực tiếp mà được tính theo logic nghiệp vụ.
Vì sao điều này quan trọng Theo dõi các yêu cầu được mở lại là điều cần thiết để đo tỷ lệ mở lại yêu cầu hỗ trợ. Chỉ số này cho thấy lần xử lý ban đầu chưa hiệu quả, ảnh hưởng đến mức độ hài lòng của khách hàng và hiệu quả vận hành. Lấy dữ liệu ở đâu Hoạt động này được suy ra khi phát hiện một sự kiện 'Bắt đầu tương tác' mới của cùng khách hàng (Customer ID) về vấn đề liên quan (ví dụ: Service Request Type) trong khoảng thời gian xác định sau khi tương tác trước đó được giải quyết. Thu thập Được tính bằng cách liên kết tương tác mới với tương tác vừa đóng của cùng khách hàng và cùng vấn đề. Loại sự kiện calculated
	Tạm giữ tương tác	Hoạt động này được ghi nhận khi nhân viên tạm giữ khách hàng trong lúc tương tác. Đây là thay đổi trạng thái rõ ràng của người tham gia là nhân viên trong cuộc hội thoại.
Vì sao điều này quan trọng Phân tích tần suất và thời lượng tạm giữ có thể giúp phát hiện điểm kém hiệu quả trong quy trình, chẳng hạn như nhân viên thường xuyên phải tìm thông tin hoặc hỏi ý kiến người khác. Lấy dữ liệu ở đâu Dữ liệu được lấy từ phiên của người tham gia là nhân viên trong bản ghi chi tiết cuộc hội thoại. Trạng thái chuyển thành 'held' và hệ thống ghi lại dấu thời gian. Thu thập Được ghi nhận khi trạng thái của người tham gia là nhân viên chuyển thành 'held'. Loại sự kiện explicit
	Thông báo tương tác cho nhân viên	Sự kiện này xảy ra khi hệ thống gửi một tương tác đến nhân viên cụ thể. Trạng thái của nhân viên chuyển thành 'alerting' trong lúc hệ thống chờ họ chấp nhận hoặc từ chối cuộc hội thoại.
Vì sao điều này quan trọng Hoạt động này giúp phân tích mức độ phản hồi của nhân viên và hiệu quả của thuật toán định tuyến. Nếu có chậm trễ sau thời điểm này, nhân viên có thể chưa tiếp nhận công việc kịp thời. Lấy dữ liệu ở đâu Thông tin này có trong dữ liệu người tham gia là nhân viên của bản ghi chi tiết cuộc hội thoại. Phiên của người tham gia sẽ có chỉ số với trạng thái 'alerting' và dấu thời gian tương ứng. Thu thập Được ghi nhận khi công cụ định tuyến thông báo cho nhân viên về một tương tác mới. Loại sự kiện explicit
	Tiếp tục tương tác sau khi tạm giữ	Sự kiện này xảy ra khi nhân viên bỏ chế độ tạm giữ và tiếp tục cuộc hội thoại với khách hàng. Sự kiện đánh dấu kết thúc khoảng thời gian tạm giữ và được ghi nhận dưới dạng thay đổi trạng thái.
Vì sao điều này quan trọng Kết hợp với hoạt động 'Tạm giữ tương tác', hoạt động này giúp tính chính xác tổng thời gian tạm giữ, một phần quan trọng trong tổng thời gian xử lý và trải nghiệm khách hàng. Lấy dữ liệu ở đâu Sự kiện được suy ra từ dữ liệu phiên của người tham gia là nhân viên khi trạng thái chuyển từ 'held' về 'connected'. Thu thập Được ghi nhận khi trạng thái của người tham gia là nhân viên chuyển từ 'held' sang 'connected'. Loại sự kiện explicit

Nên có Không bắt buộc

Hướng dẫn trích xuất dữ liệu

Cách lấy dữ liệu từ Genesys Cloud CX

Các bước

Mở Analytics Workspace: Đăng nhập vào Genesys Cloud CX. Mở menu, chọn Admin, rồi trong mục Analytics, chọn Workspace.
Tạo chế độ xem mới: Nhấp biểu tượng dấu cộng để thêm tab, rồi chọn "Create a new view". Chọn "Interactions" làm loại chế độ xem. Trình chỉnh sửa chế độ xem tương tác sẽ mở ra.
Chọn khoảng thời gian: Trong bảng bộ lọc bên trái, đặt khoảng ngày và giờ cần trích xuất. Nên bắt đầu với khoảng ngắn, chẳng hạn một tuần, để thử quy trình.
Chọn cột cần xuất: Đây là bước quan trọng nhất khi chuẩn bị dữ liệu. Nhấp nút "Columns". Trong danh sách trường, chọn và thêm các cột sau vào chế độ xem. Những trường này chứa dữ liệu cần thiết để tạo nhật ký sự kiện:
- Conversation ID
- Conversation Start
- Conversation End
- Media Type
- Participants (Trường phức hợp này chứa dữ liệu lồng nhau về nhân viên hỗ trợ, hàng đợi và khách hàng)
- Metrics.tAnswered
- Metrics.tACW
- Metrics.tHeld
- Surveys
Thêm bộ lọc nếu cần: Dùng bảng bộ lọc để thu hẹp dữ liệu. Bạn có thể lọc theo Media Type (chẳng hạn voice, chat), Queue, Direction (inbound/outbound) hoặc thuộc tính cuộc trò chuyện khác để tập trung vào quy trình yêu cầu dịch vụ cần phân tích.
Lưu và chạy chế độ xem: Lưu chế độ xem với tên dễ nhận biết, chẳng hạn "Process Mining Service Request Export". Chế độ xem sẽ tải dữ liệu khớp với tiêu chí bạn đã chọn.
Bắt đầu xuất dữ liệu: Sau khi dữ liệu tải xong, nhấp nút "Export", thường có biểu tượng tải xuống. Chọn "Export as CSV" hoặc "Export as JSON". CSV thường thuận tiện hơn cho bước xử lý ban đầu.
Tải tệp đã xuất xuống: Tác vụ xuất chạy ở chế độ nền. Theo dõi tiến độ tại Performance > My Exports. Khi hoàn tất, tải tệp xuống máy tính.
Chuyển đổi dữ liệu thô: Tệp xuất có một hàng cho mỗi cuộc trò chuyện, còn dữ liệu người tham gia và phân đoạn được lồng trong một cột. Bạn cần chạy tập lệnh chuyển đổi, chẳng hạn tập lệnh Python trong phần Query, để tách dữ liệu lồng nhau. Tập lệnh sẽ phân tích tệp thô và tạo tệp mới, trong đó mỗi hàng là một hoạt động, chẳng hạn "Agent Accepted Interaction" hoặc "Hold Placed on Interaction".
Thêm logic riêng: Trong quá trình chuyển đổi, hãy bổ sung logic phù hợp với quy tắc nghiệp vụ. Ví dụ, cần xác định hoạt động "Service Request Re-Opened" bằng cách kiểm tra các tương tác tiếp theo của cùng khách hàng trong một khoảng thời gian đã định.
Hoàn thiện nhật ký sự kiện: Tập lệnh chuyển đổi cần xuất tệp CSV có các cột đúng định dạng ProcessMind yêu cầu, gồm ServiceRequest, ActivityName, EventTime và các thuộc tính khác. Đảm bảo mọi dấu thời gian dùng cùng một định dạng.
Tải dữ liệu lên ProcessMind: Tệp CSV đã chuyển đổi hoàn chỉnh, sẵn sàng tải lên công cụ process mining của bạn.

Cấu hình

Quyền truy cập: Vai trò người dùng Genesys Cloud CX của bạn cần có quyền Analytics > Conversation > View để mở Analytics Workspace và tạo chế độ xem tương tác.
Khoảng thời gian: Lần đầu trích xuất, hãy chọn khoảng thời gian đại diện từ 3 đến 6 tháng. Với trung tâm liên hệ có lưu lượng rất cao, nên xuất dữ liệu thành các đợt ngắn hơn, chẳng hạn theo tuần hoặc tháng, để tránh giới hạn hệ thống và kiểm soát kích thước tệp.
Bộ lọc chính:
- Media Type: Lọc các kênh liên quan đến quy trình dịch vụ khách hàng, chẳng hạn voice, chat hoặc email.
- Queue: Nếu quy trình do các nhóm cụ thể xử lý, hãy lọc theo Queue ID tương ứng để chỉ trích xuất dữ liệu của quy trình cần phân tích.
- Direction: Thông thường, bạn nên lọc các tương tác inbound để ghi nhận yêu cầu dịch vụ do khách hàng khởi tạo.
Cột cần xuất: Cột Participants rất quan trọng vì chứa dòng thời gian chi tiết về sự kiện của nhân viên hỗ trợ và hàng đợi. Thiếu cột này, bạn không thể trích xuất từng hoạt động. Nhớ thêm cả Conversation ID, Conversation Start và Conversation End.
Lưu ý về hiệu suất: Xuất quá nhiều cột hoặc chọn khoảng thời gian quá dài có thể khiến tác vụ mất nhiều thời gian. Nếu tác vụ thất bại hoặc hết thời gian chờ, hãy rút ngắn khoảng thời gian rồi thử lại. Genesys Cloud giới hạn mỗi tác vụ xuất ở khoảng 1 triệu cuộc trò chuyện.

Truy vấn mẫu 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}")

Các bước

Điều kiện cần và thiết lập: Đảm bảo bạn đã cài Python 3.8 trở lên cùng các thư viện pandas và purecloud-platform-client-v2. Cài đặt bằng pip: pip install pandas purecloud-platform-client-v2.
Tạo OAuth Client trên Genesys Cloud: Đăng nhập vào tài khoản quản trị Genesys Cloud CX. Mở Integrations > OAuth và tạo client mới với loại cấp quyền 'Client Credentials'. Gán vai trò có quyền analytics:conversationDetail:view.
Cấu hình thông tin xác thực cho tập lệnh: Lưu Client ID và Client Secret ở bước trước. Trong tập lệnh Python bên dưới, thay các giá trị giữ chỗ CLIENT_ID, CLIENT_SECRET và GENESYS_CLOUD_REGION bằng thông tin xác thực của bạn.
Đặt khoảng thời gian trích xuất: Tìm biến query_body trong tập lệnh. Sửa giá trị interval để chỉ định khoảng ngày giờ cần trích xuất. Khi thử nghiệm, nên bắt đầu với khoảng ngắn, chẳng hạn một ngày.
Chạy tập lệnh Python: Chạy tập lệnh trong terminal bằng lệnh python your_script_name.py. Tập lệnh sẽ xác thực với Genesys Cloud API, gửi tác vụ phân tích chạy bất đồng bộ và in mã tác vụ.
Theo dõi tác vụ: Tập lệnh tự động gọi API mỗi 15 giây để kiểm tra trạng thái. Trạng thái sẽ hiển thị trong cửa sổ dòng lệnh. Bước này có thể mất vài phút hoặc lâu hơn, tùy vào lượng dữ liệu yêu cầu.
Xử lý và chuyển đổi dữ liệu: Khi tác vụ hoàn tất, tập lệnh tải dữ liệu JSON về. Sau đó, tập lệnh duyệt từng bản ghi cuộc trò chuyện, phân tích dữ liệu người tham gia, phiên và phân đoạn để xác định, sắp xếp các hoạt động và thuộc tính chính.
Xử lý sự kiện được tính toán: Tập lệnh có bước xử lý sau để xác định sự kiện 'Service Request Re-Opened'. Bạn có thể tùy chỉnh logic này. Logic kiểm tra xem cùng khách hàng có tương tác mới trong khoảng thời gian quy định sau khi tương tác trước đó được giải quyết hay không.
Tạo nhật ký sự kiện: Dữ liệu đã chuyển đổi được tổng hợp thành pandas DataFrame, có cấu trúc tương tự nhật ký sự kiện dùng cho process mining.
Xuất tệp CSV hoàn chỉnh: Tập lệnh lưu DataFrame cuối cùng thành tệp CSV có tên genesys_event_log.csv. Tệp này được định dạng để tải trực tiếp lên ProcessMind.

Cấu hình

Thông tin xác thực API: Cần có OAuth Client ID và Client Secret để xác thực. Tạo các thông tin này trong giao diện quản trị Genesys Cloud CX.
Quyền API: Vai trò gắn với OAuth client cần có quyền analytics:conversationDetail:view để truy cập dữ liệu cuộc trò chuyện cần thiết.
Khoảng thời gian trích xuất: Tham số interval trong phần thân truy vấn API xác định khoảng thời gian cần trích xuất. Với môi trường có lượng dữ liệu lớn, nên trích xuất thành các đợt nhỏ liên tiếp, chẳng hạn mỗi lần một tuần, để tránh API hết thời gian chờ và kiểm soát mức sử dụng bộ nhớ.
Bộ lọc dữ liệu: Bạn có thể sửa phần thân truy vấn API để thêm conversationFilters, segmentFilters hoặc evaluationFilters nhằm thu hẹp phạm vi trích xuất. Ví dụ, lọc theo queueId hoặc mediaType cụ thể để tập trung vào một phần của quy trình dịch vụ khách hàng.
Logic mở lại: Bạn có thể cấu hình khoảng thời gian dùng để xác định sự kiện 'Service Request Re-Opened' trong tập lệnh. Mặc định là 72 giờ, nhưng nên điều chỉnh theo quy tắc nghiệp vụ của tổ chức.
Môi trường: Cần có môi trường Python cục bộ với SDK và thư viện cần thiết để chạy tập lệnh. Không cần truy cập trực tiếp vào máy chủ hoặc cơ sở dữ liệu Genesys Cloud CX.

Truy vấn mẫu 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()

Các bước

Xác nhận tổ chức Genesys Cloud CX của bạn có khả năng tích hợp EventBridge, quyền quản trị phù hợp, quyền truy cập sự kiện cuộc trò chuyện và tài khoản AWS có quyền nhận sự kiện. Cùng người phụ trách hệ thống xác nhận AWS Region, event bus của EventBridge và các bộ lọc theo tổ chức, division, queue hoặc media.
Trong Genesys Cloud CX, cấu hình tích hợp AWS EventBridge theo giao diện quản trị hiện tại và tài liệu tích hợp của tổ chức. Chọn tài khoản AWS, Region, event bus đích và các nhóm sự kiện cuộc trò chuyện cần theo dõi chi tiết vòng đời tương tác. Nhãn menu và schema sự kiện có thể khác nhau tùy tổ chức và phiên bản. Với đường dẫn hoặc cài đặt riêng của tổ chức, hãy dùng [Cấu hình theo hệ thống của bạn].
Cấu hình AWS EventBridge để nhận sự kiện Genesys Cloud trên event bus đã chọn. Áp dụng quyền tối thiểu cần thiết, mã hóa, thời hạn lưu trữ, giám sát và đích dead-letter nếu được hỗ trợ. Tạo rule chuyển tiếp các sự kiện cần thiết đến nơi tiếp nhận dữ liệu, chẳng hạn data lake, kho dữ liệu, bộ xử lý luồng hoặc vùng lưu trữ đối tượng.
Ghi nhận payload EventBridge thô mà không thay đổi dấu thời gian hoặc mã định danh gốc. Lưu payload, thời điểm nạp dữ liệu, loại sự kiện, nguồn, loại chi tiết và metadata chuyển phát tại [Nơi lưu trữ sự kiện thô của bạn]. Giữ nguyên payload thô để có thể kiểm tra lại các ánh xạ khi schema Genesys Cloud thay đổi.
Tạo bước chuẩn hóa bằng Python để đọc payload thô, xác định mã cuộc trò chuyện, thông tin người tham gia và phiên, hàng đợi, nhân viên hỗ trợ, loại media, dữ liệu wrap-up và dấu thời gian sự kiện, sau đó xuất một hàng đã chuẩn hóa cho mỗi hoạt động được ghi nhận rõ ràng. Dùng đúng đường dẫn trường từ các mẫu sự kiện nhận được trong tổ chức. Không suy đoán hoạt động nếu không có sự kiện hoặc chuyển trạng thái cụ thể ghi nhận hoạt động đó.
Ánh xạ các thay đổi trạng thái cuộc trò chuyện và người tham gia được ghi nhận rõ ràng trong Genesys Cloud sang giá trị ActivityName cần thiết. Ghi Interaction Started khi có sự kiện tạo cuộc trò chuyện; Conversation Routed to Queue khi có sự kiện định tuyến; Agent Offered Interaction khi trạng thái nhân viên là alerting; Agent Accepted Interaction khi nhân viên chấp nhận hoặc kết nối; Hold Placed on Interaction và Hold Removed from Interaction cho các lần chuyển trạng thái giữ tương ứng; Interaction Transferred khi có sự kiện chuyển tiếp cụ thể; After-Call Work Started và After-Call Work Ended khi có chuyển trạng thái ACW cụ thể; Wrap-Up Code Assigned khi có sự kiện gán mã wrap-up; và Interaction Disconnected khi cuộc trò chuyện hoặc phiên cuối cùng của người tham gia liên quan bị ngắt kết nối.
Xử lý riêng Service Request Re-Opened và Customer Satisfaction Survey Sent. Sự kiện cuộc trò chuyện từ EventBridge không phải lúc nào cũng cung cấp trực tiếp hai hoạt động này. Nếu tổ chức có nguồn sự kiện khảo sát cụ thể, chỉ thêm hoạt động khi nhận được sự kiện đó. Chỉ tính Service Request Re-Opened trong một quy trình riêng có ghi lại quy tắc nghiệp vụ, sau đó thêm hàng kết quả vào nhật ký sự kiện. ProcessMind không tính hoặc suy đoán hoạt động này.
Điền ServiceRequest bằng mã yêu cầu dịch vụ hoặc cuộc trò chuyện ổn định theo ánh xạ nghiệp vụ của bạn. Điền ActivityName bằng đúng một nhãn hoạt động bắt buộc, EventTime bằng thời điểm bắt đầu hoạt động, EventEndTime nếu có, SourceSystem bằng Genesys Cloud CX và AWS EventBridge, và LastDataUpdate bằng thời điểm làm mới dữ liệu. Điền các thuộc tính tùy chọn khi có dữ liệu, nếu không thì để NULL.
Loại bỏ sự kiện trùng lặp bằng mã sự kiện của nhà cung cấp nếu có, hoặc bằng khóa ghép đã được ghi lại, gồm ServiceRequest, ActivityName, EventTime, mã người tham gia hoặc nhân viên và mã sự kiện nguồn. Tính đến việc EventBridge gửi lại và sự kiện đến không đúng thứ tự. Không loại bỏ các lần giữ, chuyển tiếp, đề nghị tương tác hoặc hoạt động lặp lại hợp lệ khác.
Đối chiếu dữ liệu đã chuẩn hóa với số lượng payload thô, dấu thời gian sự kiện, mã cuộc trò chuyện, thông tin hàng đợi và nhân viên hỗ trợ, cùng danh sách hoạt động đầy đủ. Xuất tệp phẳng hoặc nạp bảng có các cột bắt buộc ServiceRequest, ActivityName, EventTime, SourceSystem và LastDataUpdate, cùng các cột khuyến nghị nếu có. Đảm bảo dấu thời gian dùng múi giờ và định dạng nhất quán mà ProcessMind chấp nhận, sau đó tải nhật ký sự kiện lên làm dữ liệu đầu vào cho quy trình Service Request.

Cấu hình

Tích hợp và đích nhận dữ liệu: Cấu hình tích hợp Genesys Cloud CX với AWS EventBridge cho tài khoản AWS, Region và event bus đích. Dùng [Cấu hình theo hệ thống của bạn] cho các cài đặt tích hợp riêng của tổ chức chưa được nêu trong mẫu sự kiện hiện có.
Phạm vi sự kiện: Đăng ký các sự kiện chi tiết về cuộc trò chuyện, người tham gia, phiên, định tuyến, trạng thái, chuyển tiếp, ngắt kết nối, wrap-up và ACW có trong tổ chức Genesys Cloud của bạn. Trước khi triển khai chính thức, hãy xác nhận chính xác loại sự kiện và đường dẫn payload bằng một tương tác thử nghiệm có kiểm soát.
Mã định danh trường hợp: Dùng mã cuộc trò chuyện hoặc yêu cầu dịch vụ ổn định theo ánh xạ nghiệp vụ của bạn làm ServiceRequest. Nếu hệ thống khác có mã yêu cầu dịch vụ riêng, hãy lập tài liệu đối chiếu mã đó với mã cuộc trò chuyện Genesys Cloud.
Khoảng thời gian: Bắt đầu với dữ liệu lịch sử từ 3 đến 6 tháng để phân tích quy trình. Để vận hành gần thời gian thực, hãy dùng khoảng thời gian ngắn giữa các lần kiểm tra hoặc điểm kiểm tra luồng dữ liệu, đồng thời giữ một lớp dữ liệu thô có thể phát lại. Khi khôi phục sau sự cố, hãy dùng khoảng thời gian chồng lấn rồi loại bỏ bản trùng theo mã sự kiện của nhà cung cấp.
Bộ lọc: Chỉ áp dụng các bộ lọc riêng của tổ chức đã được xác nhận, chẳng hạn division, queue, loại media, đơn vị kinh doanh hoặc ngày tương tác. Không lọc theo Company Code hoặc Document Type, trừ khi các khái niệm này đến từ nguồn tích hợp và được ánh xạ rõ ràng trong hệ thống của bạn.
Xử lý dấu thời gian: Giữ dấu thời gian sự kiện nguồn làm EventTime. Lưu riêng thời điểm nạp hoặc làm mới dữ liệu làm LastDataUpdate. Chuẩn hóa mọi dấu thời gian theo múi giờ đã ghi lại, ưu tiên UTC, đồng thời giữ độ lệch múi giờ ban đầu nếu cần cho kiểm tra.
Thuộc tính tùy chọn: Có thể lấy AgentId và AgentName từ thông tin người tham gia hoặc người dùng, QueueName từ dữ liệu định tuyến, WrapUpCode từ dữ liệu wrap-up, MediaType từ kênh cuộc trò chuyện hoặc phiên, và EventEndTime từ chuyển trạng thái kết thúc cụ thể hoặc thời lượng do nguồn cung cấp.
Hiệu suất: Phân vùng dữ liệu thô và đã chuẩn hóa theo ngày sự kiện, và theo tổ chức hoặc division nếu được hỗ trợ. Xử lý tăng dần bằng điểm kiểm tra EventBridge. Ghi dữ liệu theo lô vào kho dữ liệu hoặc data lake, theo dõi độ trễ và tránh quét lại toàn bộ lịch sử nhiều lần.
Độ tin cậy: Thiết lập xử lý thử lại, xử lý dead-letter, quy trình phát lại, phát hiện bản trùng và giám sát lỗi chuyển phát, thay đổi schema cũng như độ trễ sự kiện.
Điều kiện cần: Cần có quyền quản trị hoặc tích hợp Genesys Cloud, quyền AWS EventBridge, quyền truy cập event bus đã chọn và hệ thống lưu trữ phía sau, quyền đọc chi tiết cuộc trò chuyện, cùng các tính năng hoặc giấy phép Genesys Cloud mà tổ chức cần để tích hợp sự kiện. Xác nhận yêu cầu về thời hạn lưu trữ và quyền riêng tư trước khi lưu dữ liệu cuộc trò chuyện.

Truy vấn mẫu 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)

Sẵn sàng bắt đầu?

Khai thác tối đa dữ liệu về hoạt động dịch vụ khách hàng. Làm theo mẫu này để tìm ra thông tin hữu ích và cải thiện hiệu quả.

Quay lại hướng dẫn cải tiến

Tải mẫu xuống

Giảm liên hệ lặp lại, cải thiện dịch vụ khách hàng ngay hôm nay!

Dễ dàng cải thiện CSAT và đạt tỷ lệ giải quyết 80% ngay lần liên hệ đầu tiên.

Bắt đầu dùng thử miễn phí

Không cần thẻ tín dụng. Kích hoạt tài khoản dùng thử chỉ trong vài phút.

Mẫu dữ liệu dịch vụ khách hàng

Mẫu dữ liệu dịch vụ khách hàng

Thuộc tính dịch vụ khách hàng

Hoạt động dịch vụ khách hàng

Hướng dẫn trích xuất dữ liệu

Xuất dữ liệu chi tiết cuộc trò chuyện từ Genesys Cloud Analytics

Các bước

Cấu hình

Truy vấn mẫu python

Tập lệnh Python dùng Genesys Cloud Platform API

Các bước

Cấu hình

Truy vấn mẫu python

Truyền sự kiện qua tích hợp AWS EventBridge

Các bước

Cấu hình

Truy vấn mẫu python

Sẵn sàng bắt đầu?

Giảm liên hệ lặp lại, cải thiện dịch vụ khách hàng ngay hôm nay!