Uber - 客服案例管理 

1 / 減少成本

如果客戶服務案例一開始未被分配給正確的團隊，可能需要進行多次重新分配。這不僅浪費時間，還可能降低工作效率，因為每次重新分配都需要重新了解案例的內容，影響到案例的平均解決成本。

客戶也期望在最初的接觸中獲得有效的支援。如果案例未能迅速分配給能夠解決問題的團隊，客戶滿意度可能會下降．

​

-> Celonis 使用機器學習模型確保每個案例都被快速、準確地分配到具有最低執行成本且具備專業知識的團隊．
 

2 / 提升生產力

大量相同事件的客戶服務案例可能導致解決時間的延遲。支援團隊可能可以不需要花如此多的時間處理相似的問題，影響到案例的平均解決時間。

​

-> Celonis 支持案例智慧自動分組，實現單一類別單一解決窗口．

3 / 降低 SLA 違規成本

多次重新分配案例會增加解決案例所需的總時間。如果這超出了在SLA中設定的時間限制，就可能違反SLA。

​

-> 使用機器學習模型來預測解決時間並在必要時進行案例緊急度升級．