知名数据分析专家王厚东 在沙龙现场做分享

一、AI+BI新技术，解放人力，用数据化驱动运营为用户提供更高价值的个性化服务

近两年，客服圈内对新客服”、大数据”的讨论非常热烈。对于新客服”小编也了解到各家都有自己的理解和定义。但具体在客服数据运营层面来说，小编认为新客服”是服务运营在新技术、新思维、新附加值等维度的更精细化的数据体现。现阶段客服人除了需要完成基础的服务运营工作外，怎么把其中的服务附加值通过数据分析，把客服运营价值最大化是业内客服人在不断探索且热衷的话题。

在沙龙现场

现在的客服中心是一个资源规模化、业务碎片化、高度信息化的服务中心。有大量的原始数据留存，相比于其他行业有着天然优势，多数信息可度量”，形成了高度信息化的特点。

像AI+BI新技术在客服领域应用，服务随之而来的产品化、规模化、碎片化、个性化等可度量的客户服务中心，造就了有大量的服务过程与数据积累。从而可以帮助呼叫中心管理者真正去了解客户服务中心的运营状态、服务质量与员工表现，支持客户服务中心各项管理决策。

二、从客服运营角度，该如何运用数据来帮管理做出正确预判与决策呢？

王厚东认为，客服是一个企业产生数据相对最多的部门，每天通过渠道进来的数据可以数以万计，目前有多少企业的客服管理者能真正重视、运用起来？对于客服部门来讲，真正有价值的数据工作者，必须是既精通业务又擅长数据分析技术的复合型人才。而这样的人才目前无疑是稀缺的，不得不让我们陷入深思。

1.人才稀缺，不得重视引反思

数据运营体系，是数据分析的集合与应用，也是数据先行的战略。从管理角度，是自上而下的推动，如果客服管理者对数据没有足够的清楚、利用，不重视，那么执行者数据用得再好，对客服中心运营管理者来讲也只是半条腿走路。

客服管理者们在应用数据化运营前，有没有考虑过过如下的问题：

◦你能预判客户需求吗？

◦你知道客户的服务偏好吗？

◦你的知识库是否足够智能？

◦你能简化客户的服务获取流程吗？

◦你能够主动进行预防式客户关怀吗？

◦你知道客户为什么不爱用你的自助渠道吗？

◦你的优秀（落后）员工有什么共性特征吗？

◦你知道客户联络中提及最多的是哪些产品和服务吗？

◦你知道客户的整体情感是正面、负面还是中性吗？

◦你知道频繁投诉或联络的客户是什么样的群体吗？

◦对于你的服务，大多数客户最不爽的三点是什么？

其实以上列举案例问题，都可以通过大数据反应出来，提供给管理者最终决策。

2.客服运营数据的应用场景

从海量数据中发现趋势、规律、模式或关联关系，以进行实时判断或支撑未来决策。客服数据的应用层次包括：服务运营、客户运营、决策支撑

客服大数据的应用场景：

a.精细化运营，变被动为主动

b.精准化营销，销售利润最大化

c.服务创新，洞悉客户偏好

d.体验增值，维系经营

【案例】具体表现在如：

（一）客户来电目的预判

知己知彼，百战不殆。在客户进入人工座席之前如何利用大数据准确判断客户的呼入目的，给予客服代表精确的指引，是客服代表最为希望拥有的能力，而客户的目的往往隐藏在大数据当中，利用以往运营经验结合大数据资源建立客户预判模型就能完美地解决这个困难。那如何建立这个客户预判模型呢？

根据用户重复联系和首次联系的不同，从两个层面进行数据挖掘：

1、重复联系：

协同获取用户前一次联系信息（协同包含语音客服、文字客服、APP等各渠道用户联系信息），根据用户首次反馈数据的信息给予预判指引。

2、首次联系：

（1）根据IVR语音导航中客户按键信息预判指引。

（2）根据客户资产重要数据信息给予指引，例如用户账户有充值、欠费、套餐用超、套餐协议到期判断、符合公司当前重点活动目标客户条件判断等信息给予预判指引。 通过这些数据的收集来预判客户可能的来电目的，并给予客服代表精确的提醒，从而达到精确服务和精确营销的客户服务目标。

（二）话务结构监控

在每日几万多通的客户呼入中，如何及时发现异常情况的出现，是困扰很多大型呼叫中心的难题。每天有200多人接话，靠人工干预判断来发现一些影响面不是特别大的异常话务根本不太可能，而大数据管理恰恰完美解决了这一难题。

话务监控所要做的就是，统计出这些节点中所有话务构成的占比。建立数据评估模型，一旦话务结构出现变化就能准确发现是哪一类型的问题造成，为下一步精确评估提供了有力的依据，另外这一话务结构监控也为排班、能力提升安排等日常运营管理提供了有效的数据支撑。

（三）班组能力健康”模型

在客服中心通常是以班组KPI来评价一个班组的好坏，这没有问题，但如果一个班组在能力提升过程中，仅仅只关注KPI，很多基层管理者尤其是新任值班长，在管理经验不足的情况下，就容易出现忽略班组能力的问题。从而导致就指标做指标的现象。如何全面地评价班组之间的差异是所有管理迫切需要的，大数据可以做到这一点。从长远来看，优秀团队与末位团队呈现出来的肯定不仅仅是KPI上的差异，因此管理更多应该关注团队本身结构的差异，主要可以从 3 个维度来进行监控：

1、班组指标健康程度监控：建立班组整体指标走势图，根据实际情况建立月度走势和每日走势，并监控运营的平稳性（有没有波动）和健康性（持续上升还是下降）。

2、班组员工结构差异监控：建立TAN员工结构占比监控表，能让所有管理者及时了解组内占比和各班组之间 差异。

3、班组执行能力监控：建立全面评价体系，将重点工作的执行过程纳入班组健康程度监控体系，建立数据管控模型。

通过上述手段，改变了基层管理者只看数据指标的习惯，更加注重班组自身的健康”状况，提高了管理的视角。

（四）员工健康档案

员工能力的提升是呼叫中心永恒的主题，而大型呼叫中心员工指标构成复杂，如销售能力、故障处理能力、投诉处理能力、学习能力等等。但影响员工这些能力的因素除了能力本身之外往 往还有员工意愿因素的影响。那如何快速准确发现员工工作过程中能力的变化和意愿的变化呢？

相信不少班组长在接收数据的过程中有着这样的痛点：

1.各班组以自己的视角出具的各项数据缺少整合。

2.以单一部门的信息去判断员工的问题很容易误判员工短板的根源，从而导致长时间提升无效果。

在信息不全的情况下，即便是优秀的管理人员也难免会得出错误的结论。那么如何去准确关联各方面的数据呢？这其实就要我们先有一个大数据整合的思维逻辑去挖掘数据间的关联，这样才可以让数据更好地为管理服务。员工健康档案就是解决这一难题的利器。

一项全新的重点业务从接应到落地会经过这样 4 个环节：

1.业务学习：员工有没有学习当天的业务。

2.业务检查：学了之后有没有理解业务点。

3.应用检查：在模拟场景训练中能不能将知识点运用起来。

4.执行检查：有没有在最终的给用户服务的过程中去执行。

这4个环节如果单独看，只能判断出员工的部分问题，但健康档案会自动将员工的问题结合起来判断出员工真正的问题，并给出一定的解决方案，帮助管理人员做针对性提升。

不难看出，通过数据模型来进行分析换算，对我们的业绩增长，乃至精准化营销都会起到决定性作用。而服务创新，体验增值与维系，也同样可以通过数据反映的情况，做出提前调整或策略优化。

三、未来已来：数据赋能成核心驱动力，引领客服精准营销

我们可以将客户服务工作与销售工作或者科技工作对比一下，对于后两类工作的管理，只要管好销售金额或者系统稳定性，就足以衡量工作的好与坏了，这是典型的显性工作”。然而服务工作很难使用显现、单一的数据指标一锤定音的衡量工作质量，属于隐性工作”。

热情分享

以海底捞的服务为例，他们的服务员总是热情洋溢，马不停蹄的为顾客倒水、递毛巾、更换骨碟。其实在餐厅的角落，一位总部派驻的服务督察员在冷眼旁观，服务员的工作表现他一目了然。

但是在客户服务中心，这样的做法显然行不通。就算是经验再丰富的老师，不辞辛苦频繁在客服中心的现场巡视，也无法聆听到话筒另一端客户的声音。与座席员朝夕相处的班组长呢，他们能够从座席的语气、表情中察觉到服务状况的异常，但在大多数情况下，班组长只能进行知识技能的辅助与事后的补救。至于客户服务中心的质检团队呢，他们会复听一小部分录音，但也只是一小部分而已，加上人工的监听会带有主观判断，仍然无法依靠质检团队准确了解服务的全貌。

所以说，在这样规模化、信息化、碎片化”并且提供隐性”服务的客户服务中心行业，我们需要且只能用科学的数据分析方式，抽丝剥茧、穿过层层迷雾，才能看到客户服务中心各方面运营的真实情况，清晰反馈庞杂客户服务过程中的各种细节，审视客户服务需求与资源分配的匹配程度，客观评价成百上千座席员的服务表现，最终推动客户服务中心的运营管理水平与综合服务品质不断提升。

小编认为，客服中心运营数据是藏在客服中心的秘密，据具有隐蔽性。它不只是客服部的更是企业的黄金”，但在今天它仍然面临巨大挑战。

四、对于客服数据运营、应用依然面临挑战

王厚东表示，虽然数据的应用目前已经较为成熟了，但是对于客服数据方面还是要面临一些应用上的挑战，如：

人才，数据方面的人才不仅要懂得业务还要拥有一定的数据技术。

数据，数据的获取、数据质量的保障、数据的应用等。

工具，即数据分析和挖掘的工具，如一些软件平台。

三者之前的关系也是相辅相成的，而最终的目的在于，从业务中来，最终回归到业务中去。即挖掘出来的数据，是从业务中挖掘的，最终的意义也在于指导业务的推进。

写在最后：

呼叫中心从无到有，客服行业内的我们，应该清楚的认识到，更多依赖人治的第一个时代已经接近尾声了。规模化、信息化、碎片化，并且高度依赖数据驱动运营管理提升的时代正在走来。

通过沙龙现场听王厚东的分享，小编认为，客服管理者应从客户服务中心运营管理的视角出发，植入并且更加全面的应用一些数据驱动运营管理理念。从而来达到提升客服中心的运营管理、服务质量。并且借助数据分析工具加以应用实践。在客服中心运营与数据不能分家。在客服中心的运营中，所有不以业务服务提升为目的数据分析运营，在互联网+服务的时代，将变得一文不值。