Analyser och rapportering
Utforska rapporter, mätvärden för kontrollpanelen, filter och engagemangsinsikter för Zoom Virtual Agent.
analyser och rapportering för Zoom Virtual Agent
Administratörer kan skapa en enda prenumeration som innehåller de olika rapporter som beskrivs i det här avsnittet. De kan filtrera prenumerationer efter specifika agenter, agentgrupper eller rapporttyper såsom Översikt, Prestanda för virtuell agent, Kunskapsprestanda, Query Insight, Konversationsdetaljer och Konsumentengagemangsundersökningar. Mottagarna får ett e-postmeddelande med alla valda rapporter, märkta efter rapporttyp och agentomfång.
Rapportprenumerationer erbjuder nu utökad leveransfrekvens, kontrollpanelsomfattning och e-postinnehåll. Administratörer kan välja vilken veckodag som helst för veckovis leverans eller byta till daglig leverans. Ett bredare urval av kontrollpaneler som de har rätt till finns nu att prenumerera på, och e-postmallen för rapporten har reviderats för att innehålla fler mätvärden och en AI-genererad sammanfattning.
Filter på kontrollpanel stöder även precision för tid på dagen och sparade vyer. Utöver datumintervall kan administratörer ange start- och sluttider på timme och minut för att avgränsa ett intervall, exempelvis ett enskilt arbetspass eller en period med hög trafik, och relativa datumintervall är också tillgängliga. En filtrerad kontrollpanel kan sparas som en namngiven vy som bevarar dess filter och diagramval för snabb återanvändning, och en sparad vy kan delas med alla användare på konto.
Datadictionaryn tillhandahåller transparenta definitionsbeskrivningar av mätvärden för Zoom Virtual Agent-analyser
Zoom Virtual Agent-analyser inkluderar en integrerad Datadictionary. Administratörer kan bläddra bland datamängder och rapporter för att förstå definitioner av mätvärden, beräkningar, filter och tolkningsvägledning. Definitioner kan exporteras för delning, vilket hjälper till att förtydliga KPI:er och uppmuntra användning i olika team.
Kontrollpanelsmätvärden stöder drilldown på plats och verktygstips för kolumner
Administratörer kan klicka på vilket mätvärde som helst i Zoom Virtual Agent-kontrollpanelen för att borra ned i konversationerna bakom det. Aktiva kontrollpanelfilter följer med automatiskt, så att du kan gå från konversationslistan till en enskild avskrift och tillbaka utan att tappa sammanhanget. Varje rapporttabell lägger också till verktygstips på kolumnrubrikerna. Hovra över ett mätvärde för att se dess definition och en direktlänk till posten i hela Datadictionaryn.
Rapporten om prestanda för virtuell agent beskriver resultat för verktyg, färdighet och latens under slutanvändarengagemang
Rapporteringen om prestanda för virtuell agent tillhandahåller data för viktiga prestandaindikatorer för AI-agenten.
Viktiga mätvärden: Unika och totala anropade verktyg, unika och totala anropade färdigheter, latensmätvärden (P90/P50 för första-token-latens), latenstrend, andelen som hanteras utan eskalering, eskaleringsgrad, engagemangsanvändning och kostnadsbesparingar.
Initierat mätvärde: Ett nytt förbättrat mått som mäter när och hur engagemang initieras och ger tydligare insyn i hur användare kommer in i Virtual Agent-upplevelsen. Måttet hjälper administratörer att bedöma startpunktsprestanda, utvärdera dirigeringsstrategier och förstå hur ändringar i arbetsflöden eller startytor påverkar det övergripande engagemangsbeteendet.
Totala meddelandemätvärden: Ger aggregerade antal av alla meddelanden som utbyts i engagemang i Zoom Virtual Agent och Zoom AI Expert Assist. Dessa mätvärden hjälper administratörer att analysera konversationsvolym, jämföra meddelandemönster mellan kanaler och bättre förstå den multimodala belastningen på AI-drivna supportarbetsflöden.
Säkerhetsgränser: En aggregerad vy över aktivitet i bakändens säkerhetsgränser, inklusive totalt antal överträdelser, överträdelsefrekvens per 1 000 engagemang, uppdelning per kategori och trend över tid. Om man borrar ned i den aggregerade vyn öppnas de påverkade konversationerna i rapporten Konversationsdetaljer, förfiltrerade efter den valda säkerhetsgränskategorin. Rapporteringen om säkerhetsgränser omfattar både röst och chatt.
Filter: Datumintervall, agenttyp (röst, chatt, chatbot) och specifik AI-agent.
Ämnesgrupper finns också tillgängliga som ett filter och en visningsdimension i analyserapporter, vilket gör att chefer kan se prestandadata på affärskategorinivå.
Användningsfall: Hjälper administratörer att utvärdera effektiviteten hos AI-agenten, övervaka användningen av verktyg och färdigheter samt följa trender för latens och andelen ärenden som hanteras utan eskalering för att förbättra prestanda och ROI.
Rapporten om kunskapsprestanda ger detaljer om hur kunskapsartiklar används under engagemang
Den här rapporten ger insikt i hur artiklar i din kunskapsbas bidrar till att lösa dina kunders problem.
Viktiga mätvärden: Kunskapsassisterade engagemang, kunskapsassisterad engagemangsgrad, refererade artiklar och genomsnittligt antal refererade artiklar per engagemang.
Filter: Datumintervall, agenttyp (röst, chatt, chatbot), specifik AI-agent och artikelkälla.
Artikelkällfiltret har två värden — AI-föreslagen och manuellt tillagd — och varje artikelrad visar en källetikett, så att administratörer kan granska hur mycket rekommendationsmotorn bidrar.
Användningsfall: Hjälper administratörer att bedöma effektiviteten hos kunskapsinnehåll och optimera det för bättre lösningsgrad.
Aktiv/inaktiv märkning för KB: Den här funktionen lägger till en märkeikon till KB-artiklar som har ersatts eller uppdaterats. Både den gamla och den nya versionen förblir synliga i ZVA-rapporten med tydliga statusindikatorer som visar om varje artikel är aktiv eller inaktiv.
Artikeltabellen innehåller en Ärendehantering kolumn som visar varje artikels ärendehanteringsgrad för chatt- och röstengagemang. Graden är antalet hanterade engagemang som använde artikeln dividerat med alla engagemang som använde den. Detta visar administratörer vilka artiklar som faktiskt hjälper till att lösa problem, inte bara vilka agenten hämtar.
Administratörer kan också se varför slutanvändare bedömde en artikel som inte hjälpsam. Widgeten Fördelning av orsaker till inte hjälpsam under Analyser och rapporter > Kunskapsprestanda, delar upp inskick där artikeln inte var hjälpsam efter orsaken som slutanvändare valde. Om du väljer en orsak i diagrammet filtreras vyn, så att administratörer kan fastställa varför specifika artiklar underpresterar och prioritera innehållsuppdateringar.
Rapporten Query Insight ger en detaljerad vy över konsumentfrågor som hanteras av virtuella agenter
Den här rapporten ger dig en överblick över frågedata, inklusive frågevolym, matchtäckning, koppling till engagemang och resultat på ämnesnivå.
Viktiga mätvärden: Totalt antal frågor, genomsnittligt antal frågor per engagemang, populära ämnen, lösta ämnen, eskalerade ämnen och trender för frågematchning.
Filter: Datumintervall, agenttyp (röst, chatt, chatbot), AI-agent, frågeträfftyp, artikel, ämne, engagemangsutfall, kunskapsbas och språk.
Användningsfall: Hjälper administratörer och analytiker att förstå frågebeteende, bedöma ämnesomfattning och identifiera områden för att förbättra svarskvaliteten och automatiseringsprestandan.
Zoom Virtual Agent-analyser erbjuder också Topic Groups, en hierarki med två nivåer som automatiskt organiserar detaljerade ämnen i affärsanpassade kategorier som "Fakturering och betalningar" eller "Frakt och leverans." Handledare kan identifiera viktiga kontaktorsaker med en blick via kategorinivån samtidigt som de behåller möjligheten att analysera specifika ämnen mer ingående.
Maskeringsregler som konfigurerats i Zoom Virtual Agent-tenantens inställningar tillämpas nu enhetligt över hela kontrollpanelen Query Insights, inklusive frågelistan och fördjupningsvyerna. Dessa vyer återgav tidigare råa yttranden oavsett den konfigurerade regeluppsättningen; de följer nu samma maskeringsregler som resten av produkten.
Jämförelseanalyser visar två datasegment sida vid sida
Administratörer kan jämföra två datasegment direkt i Zoom Virtual Agent-kontrollpanelerna utan att exportera eller växla skärmar. Från vilken rapport som helst klickar du på Jämför, markerar en uppsättning filter och kontrollpanelen renderas om i en layout med två kohorter så att du kan läsa de två segmenten mot varandra. Jämförelseanalyser fungerar tillsammans med kontrollpanelens fördjupnings- och korsfiltreringsfunktioner.
Korsfiltrering beräknar om kontrollpanelvisualiseringar per dimension
Handledare kan klicka på ett dimensionsvärde på sidorna Query Insights, Konversationsdetaljer, Kunskapsprestanda och Agentprestanda för att korsfiltrera alla visualiseringar på sidan. De klickbara värdena inkluderar ämnen, agenter, verktyg eller diagramsegment.
Ett filterchip visar det aktiva valet och kan rensas genom att klicka x, markera värdet igen eller klicka utanför det. Flera korsfilter kan kombineras med varandra och med befintliga inställningar i filterfältet för att visa överlappande resultat. Om du hovrar över ett filterbart element visas en pekare och ett verktygstips som förhandsvisar åtgärden.
Rapporten Konversationsdetaljer ger engagemangsbaserade insikter om konversationer för virtuella agenter
Rapporteringen Konversationsdetaljer tillhandahåller data för viktiga indikatorer för AI-agenters engagemang.
Viktiga mätvärden: Totalt antal engagemang, engagemang med flera turer, genomsnittlig och total interaktionsvaraktighet samt engagemangsloggar med metadata (ämnen, verktyg, färdigheter, eskaleringsorsaker och svarare). För driftsättningar med flera instanser lägger rapporten också till en Instans -kolumn som identifierar vilken instans som hanterade varje engagemang.
Filter: Datumintervall, agenttyp (röst, chatt, chatbot), AI-agent, verktyg, engagemangsutfall, senaste svarande, färdighet, ämne, överföring accepterad (endast röst) och utlösare för "AI-agenten avslutade" (endast röst), samt — för driftsättningar med flera instanser — instans och instansgrupp.
Användningsfall: Gör det möjligt för administratörer att analysera engagemangskvalitet, följa prestanda för AI-agenter och färdigheter samt granska beteende på konversationsnivå för optimering, operativ tillsyn och intern rapportering.
När en konversation utlöser en säkerhetsspärr i backend flaggar rapporten Konversationsdetaljer den med ett skyddsmärke på det berörda engagemanget och en panel som visar vilka skyddskategorier som utlöstes och i vilken tur. Administratörer kan filtrera engagemangslistan efter överträdelsekategori — till exempel våldsbrott, missbruk av kodtolk, integritet eller förtal — för att granska endast de konversationer som utlöstes av en regel. Det här är Zooms säkerhetsspärrar i backend, inte skyddsspärrar som en administratör skriver in i Agent Guidance.
Konversationsdetaljer innehåller också en konfigurerbar visualiseringsremsa högst upp i kontrollpanelen. Du kan bygga dina egna visualiseringar för variabler — både system- och anpassade — och välja mellan paj-, stapel- och linjediagram. Visualiseringar kan läggas till, flyttas och ändras i storlek, och dina inställningar sparas på kontonivå till nästa session. Fästa diagram respekterar sidans aktiva filter, vilket ger dig en tydlig bild av variabelfördelningen precis där du behöver den.
Rapporten Consumer Engagement Surveys visar konsumentfeedback som samlats in från enkäter efter engagemang i Zoom Virtual Agent
Den här rapporten sammanställer feedback från enkäter efter engagemang för att mäta kundnöjdhet, framgång i lösningen och möjligheter till förbättring.
Viktiga mätvärden: Tilldelad till agent, startar, svar, svarsfrekvens, fullföljandegrad, starttrend, svar på enkätsfrågor och fördelning av fritextfeedback.
Filter: Datumintervall, AI-agent och bot (inklusive varianter om flera finns).
Användningsfall: Gör det möjligt för administratörer att bedöma konsumentsentiment, mäta chattbotens prestanda och identifiera möjligheter att förbättra engagemangskvaliteten och användartillfredsställelsen.
Mått för implicit lösning härleder kundutfall från engagemangsbeteende
Administratörer kan bedöma virtuella agenters prestanda med implicit lösning, som automatiskt drar slutsatser om användarens problemlösning och nöjdhet baserat på verkligt beteende, såsom slutförande av arbetsflöden och engagemangsnivåer.
Detta mått utgör ett alternativ till traditionella enkäter när svarsfrekvensen för explicit CSAT är låg. Det fungerar också tillsammans med befintliga enkätbaserade mått i stället för att ersätta dem. Data för implicit lösning finns tillgängliga i Zoom-webbportal, API eller nedladdningsbara rapporter, vilket hjälper administratörer att optimera effektiviteten i Zoom Virtual Agent.
Logiken som avgör implicit lösning har förbättrats för att läsa konversationer mer exakt, vilket minskar felklassificeringar i båda riktningarna. Som ett resultat återspeglar lösningsgraden mer korrekt de faktiska resultaten. Administratörer kan se en liten förskjutning i mätvärdena när förbättringen träder i kraft.
Zoom Virtual Agent Analyser rapporterar även ett löst utan återkomst mått för röst och chatt. Ett engagemang räknas som löst utan återkomst när det är hanterat och samma kund inte återkommer inom det definierade återkomstfönstret. Eftersom det kombinerar ärendehantering med vad kunden gör härnäst ger detta mått administratörer en starkare signal om verklig lösning än enbart ärendehantering.
Engagemangsloggen ger en detaljerad registrering av varje interaktion mellan AI- och röstagenten, inklusive utfall, varaktighet och transkriptioner för granskning

Engagemangsloggen ger en detaljerad vy över varje interaktion som hanteras av dina AI- eller röstagenter. Den hjälper dig att analysera hur varje konversation hanterades, om den löstes av AI:n eller eskalerades till en liveagent, och de viktigaste prestandamåtten för det engagemanget.
Den här rapporten är värdefull för handledare, administratörer och analytiker som behöver insyn i agenternas effektivitet, kundupplevelsen och systemets prestanda.
Viktiga kolumner i engagemangsloggen
Engagemangs-ID: En unik identifierare för varje interaktion. Du kan använda detta ID för att söka efter och granska specifika konversationer.
Kanal: Anger om engagemanget kom via en chattagent eller en röstagent.
Källa: Visar ingångspunkten, till exempel Zoom kontaktcenter, där interaktionen påbörjades.
Kund: Kunden eller slutanvändaren som initierade engagemanget. Detta kan visas som ett telefonnummer för röstsamtal eller ett användarnamn för chattsessioner.
AI-agent: Identifierar vilken AI-agent som hanterade interaktionen.
Verktyg / Färdighet / Ämne / Artikel: Visar vilka verktyg, färdigheter eller kunskapsresurser AI-agenten använde under engagemanget, till exempel "hämta ärendestatus" eller "begäran om agentöverföring."
Engagemangsutfall: Det slutliga resultatet av engagemanget. "Innehållning" betyder att AI-agenten löste problemet utan eskalering. "Eskalering" anger att interaktionen överfördes till en liveagent. Eskaleringsorsaker visas när tillämpligt, till exempel "Eskalerad enligt design" eller "Eskalering begärd."
Starttid / Sluttid: Tidsstämplarna för när engagemanget började och slutade.
Senaste svarande: Anger vem som slutförde engagemanget, antingen AI-agenten eller en mänsklig agent efter eskalering.
Engagemangets varaktighet: Den totala tid som engagemanget varade.
Interaktionsvändor: Antalet fram-och-tillbaka-utbyten mellan AI-agenten och kunden.
Interaktiv varaktighet: Hur länge kunden deltog i interaktionen, vilket är särskilt användbart för röstsamtal.
Överföring accepterad / AI-agenten avslutade: Visar om överföringen till en mänsklig agent lyckades och om AI-agenten lämnade engagemanget.
Denna rapportering stöder spårbarhet, granskning och utbildning genom att tillhandahålla granskningsspår som kan förbättra både AI- och mänskliga agenters prestanda.
Om till exempel IT Helpdesk Agent visar ett stort antal eskaleringar för uppgifter om att skapa ärenden, kan chefer granska avskrifter för att identifiera varför användare begär en mänsklig agent och uppdatera AI:ns konfiguration eller utbildningsdata.
Agent Tracing ger steg-för-steg-insyn i hur den virtuella agenten fattar beslut
När administratörer granskar ett engagemang kan de använda Agent Tracing för att se hela beslutskedjan, från inmatningsbearbetning till det slutliga svaret. Detta stöder felsökning, granskning av kvalitetssäkring och prestandaoptimering.
Agent Tracing tillhandahåller ett enhetligt, mänskligt läsbart spår kopplat till ett specifikt engagemang. Det innehåller en fullständig kundavskrift tillsammans med systemåtgärder. Varje pipeline-steg är tidsstämplat med start- och sluttider.
Agent Tracing inkluderar:
Inmatningsinsamling
NLU-/intentklassificering
Sök- och hämtsteg (dvs. omskrivning av fråga och val av källa)
LLM-inferens
Verktygs-/funktionsanrop
Svarsrendering
Agent Tracing tillhandahåller också sammanfattningar på engagemangsnivå som snabbar upp felsökningen. En verktygsanropssammanfattning listar varje verktyg som anropades under engagemanget, vart och ett med status för lyckat eller misslyckat, så att administratörer inte längre behöver gå igenom spåret tur för tur för att hitta ett specifikt anrop. En variabelsammanfattning ger en sammanställd vy av varje variabel som sattes under samma engagemang. Tillsammans synliggör dessa sammanfattningar skriptkörningar, färdighetsutlösare och hela interaktionsvägen med ett ögonkast.
Agent Tracing fångar också detaljerad spårnings- och felsökningsinformation för inbyggda verktyg, inklusive sms-verktyget, e-postverktyget, spara svar och avsluta konversation. För varje verktygsanrop registrerar spåret orsaken till att verktyget valdes, de inmatningsparametrar som skickades, utdata från variabelupplösningen, körningsstatus och eventuella fel som returnerades. Spåret visar också varför en konversation avslutades, inklusive om det utlöstes av en instruktion eller av en timeout efter påminnelseförsök.
För att validera ändringar av agenten före driftsättning, se avsnittet Utvärdering nedan.
Utvärdering validerar ändringar av agenten före driftsättning genom scenariotestning och versionsjämförelse
När administratörer ändrar en agents konfiguration, vägledning, Skills eller Tools, behöver de verifiera att ändringarna inte försämrar prestandan innan de publiceras i produktion. Utvärdering tillhandahåller en strukturerad testmiljö för detta.
Admin kan köra utvärderingar mot valfri publicerad eller historisk agentversion, inte bara det aktuella utkastet. Utvärderingar körs skrivskyddat mot den valda versionssnapshoten, så den aktiva agenten ändras inte. Detta förankrar resultaten i en specifik, känd konfiguration.
Du kan sedan utvärdera två agentversioner sida vid sida med samma scenariouppsättning. Resultaten visar versionsspecifika mätvärden (såsom scenariogenomförandegrader, poäng för beteendeöverensstämmelse och mer) så att admin kan se exakt var prestandan förändrades mellan versionerna. En detaljerad avskriftsvy låter admin fördjupa sig i enskilda testfall för att se hur svaren skiljer sig.
Innan en utvärdering körs validerar systemet testfallsintegriteten. Det inkluderar kontroll av saknade verktyg, odefinierade variabler eller schemaavvikelser. Detta förhindrar bortkastade utvärderingskörningar och eliminerar falska negativa resultat som orsakas av konfigurationsfel snarare än faktiskt agentbeteende.
Utvärdering stöder administratörers arbete med att göra agentändringar redo för produktion, vilket kan hjälpa till att snabba upp itereringscykler och hantera risk. Tillsammans med Agent Tracing skapar det ett robust diagnostik- och valideringsarbetsflöde.
ZVA Receptionist-kontrollpanelen ger mindre installationer en prestandavy på en enda skärm
För mindre ZVA Receptionist-installationer som inte behöver hela analysverktygssviten visar en kontrollpanel på en enda skärm prestandan med enkel text. Varje värde summeras från befintliga mätvärden, så ingen ny instrumentering krävs. En huvudrad visar hanterade samtal, hanterad telefontid (uttryckt i timmar) och sparade kostnader. En innehållningsring kombineras med ett antal eskaleringar och länken "Läs dessa samtal" som leder direkt in i de underliggande engagemangen. Kontrollpanelen visar också de vanligaste orsakerna till att personer ringde samt en uppdelning av lösta/olösta utfall, och en tabell per agent samt en förenklad konversationslogg avrundar skärmen — allt avgränsat av en enda filterrad.
Senast uppdaterad
Var detta till hjälp?


