欢迎使用 Customer Service Management 应用
客户服务的未来
客户服务的未来，早已不只是快速处理请求单。核心在于提供极致的端到端客户体验，为整体业务创造正向价值。因此，行业顶尖组织都已开始做出调整，借助前沿技术，实现这种正向净效益。
我们正是基于这一初衷打造了 Customer Service Management。客户支持团队要想发挥最佳工作效能，就必须清晰掌握组织内部整体动态，并与开发、运营、产品团队保持联动。Atlassian 将客户支持团队与产品研发及运营团队汇聚至同一平台，依托 Teamwork Graph 呈现关键业务背景信息。这在人工智能时代尤为可贵，因为我们能助力企业搭建人工智能-人类协作团队，而非让人工人员脱离业务流程。
要实现这一目标，组织有三个至关重要的核心角色。
求助用户
求助用户指寻求服务支持的外部客户。他们通过各类服务渠道与组织进行交互。目标是为其提供流畅、高效且个性化的服务体验，让用户能在需要的时候及时获得所需帮助。
客服支持人员
客服支持人员负责在客户请求接入时予以解决。他们与相关利益相关者协作，规划最高效、最优的问题解决路径。在这一全新的人工智能时代，其目标是致力于运用自身的共情能力、专业素养与判断力，处理人工智能无法独立完全解决的复杂请求，为客户提供个性化支持体验。
人工智能支持主管
我们承认，每家组织的人工智能就绪度以及应用落地意愿都各不相同。因此鼓励团队探索最适合自己的方式。
Atlassian 的理念是：以保留支持团队全程参与的方式引入人工智能，能够提升而非削弱整体客户体验。重要的是要理解，人工智能支持主管并非全新增设岗位，而是支持团队在人工智能时代工作模式的演进。
人工智能支持主管的核心职责是确保始终保留人工参与业务流程。他们负责监控人工智能支持人员的服务成效、复盘历史对话以理解人工智能的决策逻辑、提供辅导与反馈以指导后续应答、管理支持人员版本、对照黄金数据集开展测试与评估，同时借助优化工具挖掘改进机会，例如缺失的帮助文档等。他们还保障人工智能支持人员持续优化，并始终符合支持团队的服务标准。
继续阅读本指南，您将了解如何配置 Customer Service Management，以便为以上三类角色赋能，并为其打造最佳使用体验。
从 Jira Service Management 迁移至 Customer Service Management
若您当前依托 Jira Service Management 处理外部客户支持，可考虑迁移至 Customer Service Management，享用专为客户支持打造的高阶功能。
若您使用付费版 Service Collection，可沿用现有 Jira Service Management 空间的配置新建 Customer Service Management 空间，无需从零搭建。
建立队列与服务级别协议 (SLA)
队列可帮助团队梳理和管理工作项，聚焦展示待办工作，便于对客户请求进行分类、优先级排序并采取行动措施。客户提交请求后，其会进入对应队列，以便团队快速解决。
服务级别协议 (SLA) 可帮助您跟踪和管理团队响应和解决客户请求的速度。SLA 有助于轻松设定明确预期、划分工作优先级，并衡量团队工作绩效。
添加客户和组织背景信息
当求助用户发起咨询时，只希望请求能尽快得到解决。但多数情况下，求助用户好不容易排队接入支持人员后，往往会倍感困扰，因为还需逐一回答一系列相关问题，例如请求涉及的产品、所在地区等，这只会拖慢支持团队处理进度。
越是深入了解客户，越能提供个性化、更高效且更精准的客户服务。因此，完善客户背景信息至关重要。
可通过两种方式实现，第一种是客户档案。客户档案便于快速了解客户身份、所属组织、产品授权以及任何过往交互详情等信息。如此一来，您可直接切入问题核心，无需在客户每次咨询时都浪费时间收集基础信息。
完善背景信息的第二种方式是组织档案。组织档案可帮助团队快速了解组织的发展历史、合作关系及业务需求，从而提供更有效的支持。
一旦创建好客户档案与组织档案，团队便可随时调取这些背景信息，让支持人员能够立刻掌握支持请求完整概况及请求发起方，无需再费时搜索。这意味着可直接查看所在地、采购历史记录、过往请求、客户经理、服务层级、许可证数量等信息，从而实现更高效、更个性化的问题处理。
打造人工智能支持人员体验
客户服务人工智能支持人员适用于 Standard、Premium 和 Enterprise 计划的客户。若您当前使用 Free 计划但希望体验人工智能支持人员的功能，建议试用 Standard 计划免费试用版。
客户并不关心人工智能能为企业节省多少成本，只在意企业能有多快速、精准、省心地解决自身问题。正因为如此，客户服务人工智能支持人员内置于 Customer Service Management，致力于助力团队提供极致的客户体验。无论是全天候自助服务，还是判断何时转接人工坐席、同步完整背景信息以快速解决问题，都能将人工服务的人文关怀与人工智能的原生高效能力相融合，树立客户服务新标准。
如果您目前暂不适合公开部署人工智能支持人员，可暂不进行设置。只有完成设置、发布并添加可访问的客户后，人工智能支持人员才会上线。
设置人工智能支持人员的第一步是定义身份，这决定了人工智能支持人员的自我介绍方式、企业形象呈现以及与客户的交互风格。从支持人员的名称、沟通语气，到开启新对话时支持人员发送的第一条消息，以及供客户选择开启对话的推荐问题，按您的需求完成身份设定，能确保支持人员精准代表您的客户支持团队。
设定好身份后，下一步就是将知识接入支持人员。您可以在《如何借助 Customer Service Management 打造优质求助用户体验》章节中，了解如何创建帮助文档。
知识包含以下两部分：
- 已创建并展示在支持站点的文章
- 企业内部留存、不面向客户公开的各类其他文档
它是人工智能支持人员应答客户的基础，能确保其始终提供标准统一、品质可靠的支持。
不过，知识并不是人工智能支持人员应答客户的唯一基础。通过接入操作，可让人工智能支持人员与 API 或服务交互来执行特定任务。这能让人工智能支持人员不再“只是单纯的答疑机器人”，而是真正的问题解决者，因为您会拓展其能力，实现常见支持任务自动化。所有这些都有助于为客户更快地解决问题，并为团队腾出更多时间来专注于需要关注的请求单。
有时会遇到这类问题：仅凭借知识或操作，人工智能支持人员无法作答，或是相关问题需要上报交由团队凭借专业能力处理。
通过指引，您可以提前设定人工智能支持人员对客户的应答方式来做好准备。您可以精准设定在各类特定场景下人工智能支持人员的话术或行为，例如用户请求表述模糊时主动追问问题补充信息，以此提供精准、实用且一致的支持。有两种类型的指引：
- 应答指引：用于明确设定支持人员在特定场景下的回复话术。您可以提供回复示例，并使用 Markdown 格式，让回复内容结构清晰、更有吸引力。
- 转接指引：设定支持人员何时将对话上报给人工客服，例如遇到的问题过于复杂或涉及敏感事项时。
导入客户和组织详细信息
当请求按照您设定的指引转接人工，或是客户表现出不满情绪时，人类-人工智能协作服务便真正落地生效。
通过转接流程，人工智能支持人员可在需要时无缝对接客服支持人员，并同步全部对话上下文，实现问题快速解决。人工智能支持人员会根据与客户的对话自动填写表单，从而生成请求单并同步给客户及支持团队。因此，客户无需反复复述问题、徒增困扰，支持团队也能减少收集背景信息的时间，把更多精力用于尽快处理客户请求。
创建和优化您的队列
在将支持人员发布供客户使用之前，您可以随时对支持人员进行测试。测试时，您可以模拟与支持人员的实时对话，化身客户进行交互。因此，您可以提出各类问题，包括常见问题和非常规问题，以确保其面向客户部署使用时，回答准确、实用有效。
创建和优化您的队列
如果您对以上所有配置都满意，现在就可以发布支持人员，让其为客户提供应答服务！
您可以从客户服务支持人员设置中的任何配置页面发布支持人员。在屏幕底部的浮动栏中，选择发布。
与人工智能团队伙伴 Rovo 协作
我们刚刚分享了大量人工智能配置方法，旨在打造极致的客户体验，不过不必担心，我们同样也为支持团队准备了专属功能。
Rovo 是内置在 Customer Service Management 中的人工智能团队伙伴，有了它，您将拥有一位全天候在线的人工智能团队伙伴，助力更快、更稳妥地处理各类服务请求。它具备以下能力：
- 处理服务请求时，它能为您即时推送所需的相关知识及已解决的相似案例，从而缩短问题解决时长
- 草拟更新内容，您可进行查看、编辑，再发送给客户，让客户随时了解处理进展
- 汇总进度，方便您快速掌握情况；当请求转接时，也能让团队伙伴及时了解相关信息
对接负责产品研发与运维的团队
虽然部分请求可以由一线支持团队完全解决，但还有一些请求需要上报并转发给主题专家。无需担心，依托 Atlassian 平台及 Teamwork Graph 的强大能力，您可以将 Customer Service Management 中的工作直接转发给负责产品研发和运维的相关团队。
将请求转发至您开发人员的 Jira 收件箱：无需花费大量时间寻找相关利益相关者，也不必担心上报事项被遗漏。请求会直接送达开发人员的工作平台，并附带所有必要背景信息，助力他们快速着手解决问题。
获取团队绩效的洞察信息
清晰了解支持团队的绩效至关重要。这样，您可以挖掘改进机会，确保在提供客户服务时始终保持最佳水准。
客户服务概览仪表板为支持主管提供所有客户服务活动的高级视图。该仪表板用于跨多项客户体验和项目监控趋势与绩效。您可查看人工智能支持人员对话、已解决工作项、平均完整解决时长等各类信息图表。
借助帮助文章赋能客户自助服务
帮助文章是支持站点的基础。搭建完善的文章集合，您可以：
- 提供即时自助服务：助力客户全天候自行解决常见问题，无需等待人工支持人员回复。
- 打造统一、可信赖的客户体验：每位客户都能获得一致且准确的指导，避免因处理请求单的人员不同而得到不同的答复。
- 让团队专注处理复杂案例：减少团队收到的重复性常规请求数量，使团队能够专注应对需要人文关怀、专业能力与专业判断的高价值复杂案例。
在向客户开放帮助文章前，您需拥有有效的 Confluence 订阅。
若已有编写好的帮助文章，可关联现有空间；若从零开始搭建，则可新建空间。必要时还可关联多个空间，并且随时按需编辑文章，以便为客户提供最新的指导内容。
贴近客户所在场景，提供即时协助
当客户需要帮助时，只求快速解决。以下是借助 Customer Service Management 可利用的渠道总览，让客户求助更便捷、更容易获取支持：
可定制的支持站点
帮助中心门户
您的支持站点是客户服务体验的入口，客户可在此搜索、阅读帮助文章，以自助查找问题答案，也可提交需要团队专业技能的请求。您可自定义支持站点，以贴合企业品牌形象，提供统一连贯的支持体验。
电子邮件
允许客户通过电子邮件与您取得联系。您可以新建电子邮件地址，也可使用已有的电子邮件地址。设置完成后，发送至指定电子邮件地址的请求会自动转化为团队的工作项，您无需担心遗漏请求，也不用管理多个收件箱。
嵌入式 AI 聊天小工具
客户可通过嵌入网站、支持站点、产品内等渠道的聊天界面与人工智能支持人员交互，随时获取常见问题的即时解答。支持人员会调用已关联的支持内容，若无法解决问题，将收集全部必要背景信息进行上报，交由支持团队跟进处理。
语音
借助 Amazon Connect 语音集成，为客户提供直达您团队的通道。您的团队可接听并管理客户来电，系统会自动生成带有通话记录的工作项，便于后续跟进处理。
将您的客户服务团队添加到您的项目中
渠道多样化固然重要，但更要提供统一、智能、流畅的服务体验，让客户无需重复描述问题。通过 Customer Service Management，各类渠道及已收集的背景信息可实现互联互通。客户可从语音通话切换至支持站点内嵌的 AI 聊天小工具，接续之前的对话进程，无需重新说明情况、重复表述问题。
实现无缝上报
当请求需要您的团队介入处理时，务必让团队掌握全部背景信息，以便快速接手并解决问题，最重要的是无需让客户重复描述问题。
表单正具备这一作用，可用于按规范格式接收客户请求并收集详细信息。您可根据产品支持、计费或反馈等咨询类型自定义表单。表单部署在支持网站的联系页面，客户可在此选择并提交表单，以发起求助、反馈意见或进行其他咨询。
根据上一节所述的转接设置，人工智能支持人员还可以引导客户填写联系表单，或代表客户填写并提交表单。
如何通过 Customer Service Management 为人工智能支持主管赋能
可以把人工智能主管比作耕种作物的农户。农户不能只是把种子撒进土里，就指望作物按时顺利成熟收成。农户必须持续悉心照料、用心管护，从保证充足光照到按时浇灌，才能让作物茁壮生长。
借助人工智能支持人员打造人工智能优先的客户支持体验，道理亦是如此。将其部署供客户使用后，绝非可以一劳永逸、放任不管。您必须持续提供引导、把控服务体验，让人工智能支持人员始终保持优化，持续提供优质的客户体验。
全面掌握人工智能支持人员的运行表现
就像需要时刻关注支持团队的工作状态一样，了解人工智能支持人员的运行情况、判断其能否切实为客户提供有效支持，同样至关重要。
作为人工智能支持管理人员，您应把控各类指标，包括对话数量、人工智能自主解决率（无需人工介入即可解决的对话占比）以及问题解决率。在 Customer Service Management 中，关键指标会通过各类图表直观呈现，助力您掌握运行表现，并找准可优化的环节。
帮助人工智能支持人员在每次对话中不断改进
就像通过辅导和指导来培养支持工程师一样，您也可以用同样的方式训练人工智能支持人员。这样能让您始终掌握主导权，对人工智能支持人员进行全程监管，并主导其优化，确保它的服务水准达到支持团队的标准。
借助对话复盘，您可以：
- 查看全部对话：筛选和搜索特定对话，查看对话记录以了解每次互动内容。
- 了解人工智能支持人员的行为：可深入了解人工智能支持人员应答背后的完整逻辑，包括对求助用户诉求的理解、人工智能支持人员执行的各项操作，以及人工智能支持人员为生成应答而调取的内容。
- 提供辅导：对对话进行评分，并针对应答内容给出反馈意见，以此评估对话质量、引导人工智能支持人员后续应答，提升后续服务表现。
将客户支持与产品路线图联系起来
要设置开发人员上报，请执行以下操作：
- 在您的服务项目中，选择项目设置 > 请求类型。
- 选择开发人员上报工作类别。
- 选择 Create request types from template（从模板创建请求类型）。
- 从客户服务类别中选择 Get developer support（获取开发人员支持）。
- 完成选择后，选择审查，然后选择继续。
- 选择保存，将您选择的请求类型分配给其新类别。
在项目管理员将请求类型分配给“开发人员上报”工作类别后，您的支持人员便能创建开发人员上报事务。
您还可以设置自动化，以便在开发团队所拥有的服务上创建上报以及同步事务状态等时在 Slack 或 Microsoft Teams 中通知他们。在此处了解有关自动化的更多信息。
要针对特定事务创建新的开发人员上报，请执行以下操作：
- 打开请求的事务视图。
- 选择上报事务。
- 填写开发人员上报创建表单，然后选择创建。
确保人工智能支持人员的优化投入能够落地见效
虽然您能够复盘过往对话并提供指导，但这也引出了一个有趣的问题。如何判断人工智能支持人员确实在改进？如何长期跟进优化进展，确认所做的变更切实有效？
首先，务必记录每一次对支持人员做出的变更。无论是身份设定、知识、引导、执行动作还是转接规则，版本控制都能让您按需更新支持人员配置。您可以放心复盘和优化各项变更，直至选择发布为止，因为只有到那时，最新版本才会向您的客户正式上线。
将客户支持与产品路线图联系起来
完成任何变更后，测试支持人员的最新版本非常重要。测试并不局限于首次配置支持人员的阶段，您可随时进行测试，以确保部署的是您放心的支持人员体验。
不过，如果您不满足于仅模拟实时对话体验，还可以运行评估。评估能测试支持人员对各类问题的应答方式，并提升其有效性。大型语言模型 (LLM) 评判器会对应答内容进行审核，判断每个问题是否得到妥善解答，并给出整体问题解决率。这对人工智能支持人员的改进至关重要，因为您可以：
- 对照黄金数据集进行衡量：评估功能需要上传黄金数据集，也就是专门用于测试客户服务支持人员应答表现的题库。该题库可由常见问题、支持人员需帮助客户解答的核心业务场景问题等组成。您可一次性上传多达 50 道问题，批量查看支持人员的应答效果。需注意，这和模拟与支持人员实时对话的测试功能并不相同。
- 确认变更是否生效：您可能已对支持人员做出各项变更，例如新增知识来源或引导策略。借助评估功能，您可以查看基于各项变更的不同支持人员版本对问题的应答表现，并对结果进行对比分析。
将客户支持与产品路线图联系起来
开发人员可以作为合作者访问上报，而无需支持人员许可证。要成为合作者，应在您的服务项目中将该用户添加到服务台团队角色中。单击此处了解有关角色的更多信息。
连接您的自助服务知识库
这正是我们将这一过程称之为持续改进的原因！通过复盘人工智能支持人员的历史对话、创建版本、运行测试，并基于支持人员过往表现开展评估，您可以在已有优化成果的基础上持续积累。