जब ग्राहक सेवा की चैट रिकॉर्डिंग्स बहुत बढ़ जाती हैं, तो सिर्फ इंसानों से एक-एक करके पढ़वाना बहुत टूटने वाला काम हो जाता है: उच्च-जोखिम वाले वाक्य छूट जाते हैं, आँकड़ों का मानक एक जैसा नहीं रहता, और भावनाएँ आसानी से बहकाकर ले जाती हैं। मैं खुद क्वालिटी जाँच के लिए “कन्वर्सेशन एनालिसिस” वाला तरीका ज़्यादा पसंद करता/करती हूँ: इंटेंट, भावना, प्रमुख एंटिटीज़ निकालो, फिर समाधान दर और प्रतिक्रिया गति जैसे मेट्रिक्स देखो—कुशलता काफी बढ़ जाती है。
एक ही बातचीत को ChatGPT Claude Gemini में अलग-अलग डालकर कैसे पूछें
आप किसी बातचीत का अंश पेस्ट कर सकते हैं और सीधे मॉडल से संरचित आउटपुट निकलवा सकते हैं; बाद में उसे टेबल में डालकर आँकड़े निकाले जा सकते हैं।
- सामान्य प्रॉम्प्ट：कृपया उपयोगकर्ता का इंटेंट, भावना (1-5), उत्पाद/कीमत/रिफंड आदि से जुड़ी एंटिटीज़, क्या शिकायत को एस्केलेट किया गया है, एक वाक्य में सुधार सुझाव निकालें, और JSON में आउटपुट करें
- ChatGPT：“नियम” को बहुत सख्ती से लिखने के लिए उपयुक्त—जैसे क्वालिटी जाँच स्कोरकार्ड, निषिद्ध शब्दों की सूची—आउटपुट अधिक स्थिर रहता है
- Claude：लंबी बातचीत का सार निकालने और “यह वाक्य उपयोगकर्ता को क्यों नाराज़ करता है” जैसी सूक्ष्म विश्लेषण में ज्यादा कुशल; पढ़कर थोड़ा ऐसा लगेगा जैसे सीख मिल गई हो
- Gemini：बहुभाषी और चैनल एट्रिब्यूशन जैसे काम साथ-साथ करने के लिए उपयुक्त—जैसे चीनी-अंग्रेज़ी मिश्रित बातचीत को एक ही टैगिंग सिस्टम में统一 करना
क्वालिटी जाँच को ट्रैक करने योग्य KPI में बदलें
सामान्य कन्वर्सेशन एनालिसिस तरीकों को देखें—सिर्फ “समस्या हल हुई या नहीं” मत देखें; इन पर भी नज़र रखें: उच्च-आवृत्ति समस्याओं का Top, नकारात्मक भावनाओं के ट्रिगर पॉइंट्स, पहली प्रतिक्रिया का समय, समाधान दर। जब मॉडल के आउटपुट फ़ील्ड्स तय हो जाते हैं, तो आपके आँकड़ों के मानक को लेकर रोज़ बहस नहीं होगी।
