批量添加标签
操作步骤进入「数据分析」-「标签数据分析」选择「批量添加」点击「下载」，下载批量添加标签的模板。填写好标签内容后点击「上传」上传好所有标签数据后，点击「AI 测试」，可验证当前所选数据的打标情况开启每日监控进入「数据分析」-「标签数据分析」点击「确认」，每一条新进入的对话，都会对应到标签，并形成报表，并可以同步到对应的工单系统（SHULEX 工单，Zendesk等）
手动添加标签
操作步骤「数据分析」-「标签数据分析」点击「设置标签」选择「手动添加」填写标签名称与标签描述上传好所有标签数据后，点击「AI 测试」，可验证当前所选数据的打标情况开启每日监控进入「数据分析」-「标签数据分析」点击「确认」，每一条新进入的对话，都会对应到标签，并形成报表，并可以同步到对应的工单系统（SHULEX 工单，Zendesk等）
什么是 AI Tags
AI Tag 可以针对收件箱的消息 或 本地文件进行打标，结构化所有的用户消息，洞察更多业务问题与机会点，方便对私域数据进行分析，是用来分析消费者问题的最有效方式。工作流程首先我们复习下「AI Tags」的工作流程：标签树标签树，你可以理解为 Solvea 的标签规则。你有 2 种方式来使用标签树：1.可自定义创建标签注：最多可添加 3 级。2. Solvea 预置标签 注：预置标签共 2 万个以上。商品的品类可细分至 4 级，品类下的标签可至 2 级，「品类 * 标签」共 6 级。业务场景电商平台的客户投诉工单分析背景：某大型电商平台每天收到数万条客户投诉工单，涉及商品质量、物流延迟、售后服
AI Tags 概述
AI Tag 可以针对收件箱的消息 或 本地文件进行打标，结构化所有的用户消息，洞察更多业务问题与机会点，方便对私域数据进行分析。Solvea 内置的 AI Tags 工作流程如下：在本章节中，将从以下 2 个部分来介绍 AI Tags：1. 什么是 AI Tagshttps://www.voc.ai/cn/docs/bot/what_is_AI_Tags2.如何手动添加 AI Tags https://www.voc.ai/cn/docs/bot/Manually_add_AI_Tags3.如何批量添加 AI Tags https://www.voc.ai/cn/docs
标签数据分析
AI Tag 可以针对收件箱的消息 或 本地文件进行打标，结构化所有的用户消息，洞察更多业务问题与机会点，方便对私域数据进行分析。操作步骤第一步： 选择分析数据进入「数据分析」-「标签数据分析」，点击「AI 测试」⭐️ 注：分析数据的方式，可以选择「收件箱中的历史对话」或「分析本地文件」，其中前者可以需要选择时间范围点击「分析数据」在弹窗中选择「前往」，即可在「下载中心」查看到本次的测试结果，包含以下字段：
用户满意度分析
在此分析模块中，可以进行 Solvea 与人类客服服务质量的对比。通过对比，既能基于数据识别 AI 在标准化问题处理上的效率优势，又能发现人类客服在复杂情感或问题的技巧，从而迭代 Solvea 在任务处理上的 SOP 、也为构建人机协同机制提供决策依据，最终推动客服体系效率的提升，及精细化运营的升级。指标维度Chat ID：会话唯一标识，用于区分不同会话处理人：负责处理该会话的是 Solvea 还是人类客服回复内容：针对会话作出的回应内容是否有帮助：衡量回复是否有帮助创建时间：会话创建的时间点客户建议：客户反馈的意见、建议操作步骤① 登录后点击左侧栏「数据分析」，选择「用户满意度分析」② 在此
AI Virtual Assistants: Evolution, Functionality, and Future Trends
In the fast-changing digital world, intelligent virtual helpers have become powerful tools that are changing how people work and interact in various fields and everyday activities.Introduction to AI Virtual AssistantsIn today’s quickly advancing technological environment, artificial intelligence has
来信意图分析
用户来信意图的工单数量和 Solvea 处理率，通过工单数量占比，可明确用户最关注的问题类型，对不同意图及问题的 AI 处理效果差异，相关问题的季节性波动和处理率的周期性变化等，为智能化服务升级提供决策支撑。分析指标► 工单总量：该意图分类下的总服务请求数量► AI 回复量 / 回复率：AI 回复的工单数量及占比（AI 回复量 ÷ 工单总量 ）► AI 处理量 / 处理率：AI 实际解决问题的工单数量及占比（AI 处理量 ÷ 工单总量 ）► 转人工工单 / 比例：需人工介入的工单数量及占比（转人工工单 ÷ 工单总量 ）操作步骤① 登录后点击左侧栏「数据分析」，选择「来信意图分析」② 在此可对创
Agent 效果分析
工作中的智能体处理的工单数量与效果，可以按自定义时间、按消息来源渠道，对使用中的智能体进行分析。分析指标► 工单总量► AI 回复量 / 回复率► AI 处理量 / 处理率► 转人工工单 / 比例操作步骤① 登录后点击左侧栏「数据分析」，选择「智能体表现」，跳转后页面会展示 Agent 相关的指标② 在此可对 Agent 被使用的时间进行筛选③ 在此可以对用户消息的来源渠道进行筛选④ 在此可对 Agent 进行筛选⑤ 点击「详情」，跳转页面 Ⓐ，查看该 Agent 的指标详情⑥ 点击「编辑」，跳转页面 Ⓑ ，可进入该 Agent 的搭建页，查看该 Agent 的配置，支持直接编辑与发布⑦ 对使
AI 安全分析
Solvea 查出问题的工单占比和数量，可以自定义日期对不同渠道的会话或消息进行分析。分析指标► 全部会话数：► 抽检会话数：► 抽检结果：► 问题占比：► 合规的问题表现：► 质检项表现分布：► 质检项表现趋势：操作步骤① 登录后点击左侧栏「数据分析」，选择「问题数量」，跳转后页面会展示 Solvea 检查出来有问题工单的指标② 在此可以进行 Solvea 响应时间的筛选③ 在此可以对 Solvea 消息的来源渠道进行筛选④ 在此可以选择「按会话统计」、或者「按消息统计」⑤ 在此可导出分析报表