面对着客户行为习惯发生的改变，整个客户服务体系的建设导向、及建设内容也在发生改变。本文将从服务、数据、产品三个方面，详细阐述新形势下客户服务体系建设的新思考。

　　一、 新形势：宏观环境发生改变

　　(一) 外部宏观环境发生改变，客户服务工作压力加大

　　宏观环境的改变主要体现在以下三个方面：

　　对于以上三个转变的详细解读为：

　　1. 关于流程运作

　　流程运作的线条在拉长，具体表现在：

　　1) 面向客户：面向外部客户的接触点也即服务渠道越来越多，包括：实体服务渠道（营业厅、俱乐部、大客户经理等）、人工语音及非语音服务渠道（呼叫中心）、自助服务渠道（IVR、网厅、掌厅、微博、微信、在线客服等）。

　　2) 面向内部及合作伙伴：面向内部（集团总部相关部门/子公司、省公司相关部门、地市公司相关部门等），面向合作伙伴（BATJ、虚商、SP/CP等）的服务协同点越来越多。

　　2. 关于支撑效率

　　正是因为流程运作线条（对外、对内）的拉长，对于系统平台的支撑效率和支撑质量提出了更高要求。

　　为此，企业需要建设起面向客户、面向内部、面向合作伙伴的统一的系统支撑平台，为业务发展和客户服务提供技术支撑。

　　3. 关于服务评估

　　流程运作线条（对外、对内）的拉长，将会导致对于服务效果无完整的系统评估体系。

　　为此，企业需要建立起面向客户、面向内部、面向合作伙伴的统一的服务评估体系及管理规范，从而确保服务管理的标准性和规范性。

　　4. 关于产业整合

　　在整个服务的产业链条上，不只有企业和企业所服务的客户，还包括有众多的合作伙伴：BATJ、虚商、SP/CP等。

　　因而，企业需要从点状、分散、产业链断裂的管理模式，向整合全量服务数据、实现全产业链条协同发展的整合运营转型。

　　(二) 服务标准化对内部运营提出更高要求

　　1. 业务特性越来越复杂，单一服务渠道很难及时解决客户的问题，越来越多的客户习惯于通过多个渠道获取服务。

　　2. 在多服务渠道并行的大环境下，需要通过分析不同客户群的接触信息，了解不同客户群的服务行为、渠道的业务承载情况以及客户对渠道的偏好，构建CPC（客户-业务-渠道）模型。也即：不同的客户适配不同的渠道偏好，不同的业务适合承载到不同的渠道上，不同的客户群拥有不同的业务需求，并适当加以引导、以培养客户的使用习惯。

　　3. 不同服务渠道获取的信息不一致是影响客户满意度的重要因素之一。因而，企业需进一步完善大服务体系，整合包括：实体服务渠道（营业厅、俱乐部、大客户经理等）、人工语音及非语音服务渠道（呼叫中心）、自助服务渠道（IVR、网厅、掌厅、微博、微信、在线客服等）在内的多重服务渠道。建设一点接入、全网共享、高效运转、快速响应的客户服务体系，并借助移动互联网手段，打造全新服务品牌，以适应客户侧服务渠道多元化的新要求。

　　4. 前端客户服务渠道的多样性，对内部精细化运营管理提出了更高的要求。对于前端无法解决的客户问题，则需要建立起后端的流程穿越机制（也即内部服务协作机制），并完善相应的系统平台支撑功能，以加强服务协同，及时响应和处理客户的需求及问题。

　　(三) 海量价值数据有待挖掘利用

　　呼叫中心作为连接企业和企业客户的沟通枢纽，其在日常运营中也会获取、使用、或者是产生大量的数据。呼叫中心的运营数据具备4V特性：

　　1. Volume（大量）

　　据调查统计，仅传统热线服务渠道，XX运营商每月就有30亿次的客户接触记录和通话录音。

　　2. Variety（多样）

　　呼叫中心的运营数据按照数据格式划分，包括：

　　1) 结构化数据

　　结构化数据是指可以使用关系型数据库表示和存储，表现为二维形式的数据。比如：

　　用于体现呼叫中心日常运营情况的运营类数据；

　　用于记录和呈现呼叫中心整体及个体（班组和个人）日常运营结果的考核类数据（KPI数据）；

　　基于客服人员日常受理记录（工单）所形成的业务受理统计数据（二维形式）等。

　　2) 非结构化数据

　　非结构化数据是指数据结构不规则或不完整，没有预定义的数据模型，不方便使用数据库二维逻辑表来表现的数据，各种文档、图片、视频/音频等都属于非结构化数据。

　　对于呼叫中心来讲，特指客服人员与客户的通话录音数据，以及受理工单中的文本数据。以往采用传统的人工质检、报表统计等手段，对于这些数据价值的分析利用仅是冰山一角，大量的价值信息有待挖掘。

　　企业需要通过整合多服务渠道的客户服务数据，建设运营指标库和客户标签库，并借助大数据挖掘分析技术，及自然语言识别技术(NLP，Natural Language Processing)，实现数据变现。

　　3. Velocity（快速）

　　呼叫中心需要借助大数据挖掘分析技术及自然语言识别技术(NLP，Natural Language Processing)，建设智能客服助手。从而实现在客服人员与客户的互动交流中快速定位问题并智能匹配解决方案，同时亦可适时推荐营销。

　　4. Value（价值）

　　据调查统计，在呼叫中心的运营数据中，非结构化数据（录音数据和文本数据）的占比高达80%。而真正能够反映客户真实心声的价值信息，恰恰就在这些依靠传统人工手段、难于被挖掘利用的非结构化数据中。

　　因而，呼叫中心需要应用大数据挖掘分析技术及自然语言识别技术(NLP，Natural Language Processing)，自动将海量录音转写为文本语句，并进行文本分析应用，如关键词检索、筛选、归类等，挖掘分析出价值信息，传递至公司相关部门，从而为企业的产品创新、营销完善、服务优化等提供现实、客观、全面、且有价值含金量的信息。

　　(四) 基于SaaS云，实现客服平台功能产品化

　　现阶段云服务提供商大多提供的是云存储、云计算等基础的ICT服务，未来越来越多的企业将更青睐于云服务商所提供的业务云服务。

　　对于呼叫中心云服务提供商来讲，可将呼叫中心一线客服人员日常使用类平台软件的功能模块，以及呼叫中心运营管理及大数据应用类平台软件的功能模块部署在SaaS（Software-as-a-Service软件即服务的简称）平台上，并实现按需快速交付，服务即平台，平台即服务，丰富产品应用、拓展解决方案，为外部行业客户提供客户服务平台能力。

　　【未完待续】

　　王丹丹

　　2020年1月

　　Dece1118@126.com