• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    基于桌面行为大数据分析的客服管理

    引言

    国网客服中心成立于2012年,主要负责为全国26个省(直辖市)4.5亿电力客户提供95598电力咨询、故障报修、资费查询、信息发布等服务,业务范围涉及金融、保险、电动汽车,座席人数已逾4000人,是国内少数特大型呼叫中心之一。大规模集中带来了人员培训培养、日常服务能力提升以及服务品质管控等诸多方面的管理挑战。如何有效破局,迅速提升客服专员队伍的服务能力,有效规范客服专员的服务手段和服务内容,不断实现服务创新创优,并实现成本和效率的平衡,是摆在中心管理团队面前的主要问题。本文详细回顾了国网客服中心在现场管理破局过程中的思路、方法,并对取得的成效进行了总结。
    一、客服中心现场管理的主要问题
    座席规模迅速扩张后,国网客服中心现场管理主要面临以下三个问题:
    (一) 现场管理缺乏有效的技术监控手段,精细化管理难
    对于客服专员的实际服务流程和业务规范的执行情况,例如知识库的使用情况、桌面各类窗口和页面的操作行为轨迹、业务操作的实际流程等,中心缺乏有效的技术手段进行跟踪和量化记录。以知识库的热点知识点击为例,知识库的应用情况仅能通过点击量进行衡量,而对这些知识是在什么服务场景下被点击,在服务受理环节起到了什么作用,均无法进行实时追踪。由于无法准确定位热点知识的用途,并根据热点知识有效地优化在受理环节知识库内容的查找与呈现方式,中心无法更有效地发现业务热点,并进而制定热点知识对客服专员进行辅助。此外,客服系统、业务系统等的使用情况也缺乏数据衡量与轨迹记录,无法为精细化的数据分析提供支持,从而无法提供精细化的决策辅助。
    (二) 客服专员服务评估维度较为单一,个性化辅导难
    因缺乏相对全面数据支撑,中心之前主要利用已有的平均通话时长、案头时长以及事后语音质检等有限指标进行客服专员服务评估。仅仅通过指标结果对客服专员进行评估,难以实现过程跟踪,由于缺乏全面的评估数据,中心无法根据评估结果推断或评估客服专员所需的培训辅导内容、强度、优先顺序及覆盖面,从而无法快速、有效地提升客服专员服务能力和中心整体的服务质量水平。
    (三) 工单模板种类多样,应用准确率较低
    由于电力业务的复杂性,中心客服系统工单模板达到几百个,且缺乏有效的模板检索体系和适用模板的实时推荐,致使客服专员在每次受理过程中都需要花费大量的时间进行模板检索适配,不仅模板的使用准确率不高,工单生成的及时性也较低,严重影响了中心客户服务的效率。
    二、基于座席桌面行为数据分析的现场管理创新思路和方法
    归纳前述问题的症结,是缺乏有效的技术手段和一整套有效的数据采集,分析和应用机制,来实现实时跟踪、采集客服专员系统和程序操作行为轨迹,并在此基础上构建客服专员现场精细化管理体系,以提高运营管理工作的水平。
    (一) 总体思路
    经过中心多次研究以及和外部的多次交流,最终确定了以下总体解决思路:通过引入座席桌面行为数据采集及分析系统,全面、精确地获取客服专员在使用CRM、知识库、核心业务系统及各类应用程序时的桌面行为数据,如点击量、点击轨迹和操作流程等,并利用大数据分析技术对客服专员的系统操作熟练程度、合规性、准确性以及操作效率等进行全面深入分析,并以此为基础提出精确匹配中心实际需求的服务提升建议。
    (二) 具体解决方案
    具体解决方案包括桌面数据监控采集、桌面数据分析和数据分析应用三部分。
    1. 桌面数据监控和采集
    运用桌面数据监控和采集工具,实现包括客服专员输入数据、登入登出、屏幕和访问字段、事件触发、使用时间等在内的行为数据的全面自动化采集,并同步采集系统和应用程序的性能表现数据。
    在系统中运用了应用程序项目触发事件关键技术,不仅能实现桌面操作数据的实时采集,还能在不修改现有应用程序、脚本和编码的情况下实时触发事件,这为流程自动化工作提供了可能。触发事件类型主要包括AppAlert触发事件,系统项目触发事件和极限触发事件。其中:
    l AppAlert触发事件自动实时监控桌面程序、业务系统事件和信息。
    l 系统项目触发事件和AppAlert的配置方法大体相同,但可获得更多的普通系统项目”,比如用户登入或登出。
    l 极限触发事件可在用户使用应用程序达到某个已被定义的极限时自行启动。极限值可以是一天、一周和一个月。比如,一个极限触发事件可以在用户超过他每天/每周/每月网络使用极限时,自动发送电子邮件提醒。
    2. 桌面数据分析
    桌面数据分析是指通过分析业务支持系统、知识库系统等应用程序的桌面活动,鉴别客服专员使用应用程序的顺序、方式方法、起止时间和使用时长等,从而为系统和程序应用性能问题识别、流程自动化机会识别、客服专员培训和实时指导需求识别等提供支持。桌面数据分析结果最终以细节可视化报告的形式输出,这些报告可以作为中心精简和改善运营的依据。
    3. 数据分析应用
    桌面数据分析后的应用包括系统改造优化、服务流程优化、高风险业务实时提醒、客服专员定向培训及实时指导等方面。
    (1)系统优化改造
    利用大数据分析,识别系统和应用程序在产品设计上存在的问题,帮助中心进行系统和应用程序的优化改造,提升系统和应用程序的使用效率,使其更好地对客服专员的服务提供辅助。
    (2)服务流程优化
    服务流程优化主要包括智能信息获取和填充以及流程引导两方面。
    智能信息获取和填充方面,通过将业务支持系统、知识库系统、核心业务系统等的数据集成互通,将涉及多个程序操作的复杂数据输入合并成单一窗口,并智能获取相关客户数据和其他应用程序的信息,实现系统帮助客服专员自动填写工单内容,减少由于各系统切换对客服专员操作的影响。基于业务规则弹出可捕捉的桌面程序数据并自动导入目标应用程序,过程中不需要整合应用程序或数据库,减少了复制数据、数据输入和返工过程中的失误。
    流程引导方面,通过预定义的业务逻辑规则,系统实时、智能地判别、匹配业务应用场景的下一最佳操作步骤,并通过弹屏或高亮的方式提醒,优化座席执行方案。比如,流程引导可以就流程中的明确步骤,向客服专员提供基于屏幕活动和内容的实时指导。又如,自动启动下一个步骤所需的应用程序,或根据屏幕上的关联数据启动知识库文章,甚至提醒主管哪些客服专员需要额外帮助。对于简单的流程引导,系统可自动在适当时机提供有效的信息提示;对于复杂的流程引导,可自定义触发条件,自动引导到新的目标业务界面或者目标程序,并完成自动输入已知数据、自动操作界面按钮等动作。
    (3)高风险业务实时提醒
    通过实时监控客服专员应用程序操作情况,采集其操作数据并进行分析,及时发现不合规操作或易错流程,并进行预警,确保在风险发生之前进行及时干预,从而降低服务风险。
    (4)客服专员定向培训及实时指导
    通过对比客服专员的操作数据和最佳操作模型数据,针对两者之间的差距,识别客服专员在操作中存在的问题,将其转化为客服专员定向培训需求,并给予客服专员实时指导。
    三、客服现场管理创新成效小结
    经过半年多的运行,中心通过每周提取座席应用程序、业务系统、即时通讯、知识库及文本文档工具的使用数据并进行分析和应用,在业务流程优化、服务规范性提升、人员管理精细化、运营成本降低等诸多方面取得了良好效果。
    (一) 业务流程优化
    通过对咨询、报修等业务流程监控数据的分析,得出最佳业务操作模型,然后对客服专员进行针对性培训和实时辅导,使得客服专员能够按照最佳业务操作模型进行流程操作,实现业务流程的优化。
    系统数据的集成互通实现了多个应用程序查询数据的单一窗口展示,并且能够智能获取相关客户数据、知识库内容以及其他应用程序的相关信息,有效减少了客服人员的操作步骤,实现业务流程优化。
    (二) 服务规范性提升
    利用桌面分析工具,发现知识库系统使用时长严重低于业务支持系统,各客服部通过制定有效管理手段,要求客服专员使用知识库来回答客户问题,在有效提升知识库使用率的同时,改善客服专员不利用知识库提供规范服务的情况。
    利用桌面操作行为抓取功能,实时监控和分析客服专员在受理环节的操作行为,发现客服专员在服务过程中的各类不规范操作,据以开展针对性的客服专员培训,提升受理环节的服务规范性。
    利用数据进行关键业务操作分析,发现易混淆、易出错的关键信息点。通过创建触发器,在客服专员进行业务点操作时,进行弹屏提示和操作引导,有效避免提交信息失败,提升了业务流程操作的规范性。
    利用数据对文本文档的使用情况、内容进行监控、分析和通报,基本杜绝了座席终端的异常使用情况,同时保障了电力用户的信息安全,提升了客服现场管理的规范性。
    (三) 人员管理精细化
    通过对客服专员桌面操作数据的实时监控、抓取、分析,能够对每一个客服专员的工作状态、工作量、存在问题、培训需求等进行把握,并采取行之有效的奖惩、培训、心理辅导等措施,在管理上做到精细到人,提升中心客户服务的效率和质量。
    (四) 运营成本降低
    通过工单抓取,获得相似问题工单排名,在业务部门对问题进行分析后,将可以通过IVR语音流程处理的问题增加至IVR语音回复,减少人工座席接入量,从而降低人工座席需求,进而降低运营成本。
    通过应用程序报表分析,了解客服专员在工作活动中的潜在问题。比如,在电费余额查询上操作时间较长,可能存在技能问题;无桌面活动时长过长,可能存在偷懒问题。通过对潜在问题的分析,制定有效的培训计划,提升了中心人员培训和辅导的有效性,减少了无效培训,降低了运营成本。
    上一篇:共享客服离我们有多远?
    下一篇:基于注意力曲线模型的“实景化、互动式、体验式”教学模式的构建
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    基于桌面行为大数据分析的客服管理 基于,桌面,行为,大,数据分析,