大數據時代–客戶經驗管理的大未來 (Big Data Generation – The Future of Customer Service Experience Management)

187-3-1

因應大數據時代與語音辨識技術的沿革發展後,改變企業甚巨,其中還產生一個新的職位CXO – Customer Service Executive。凌駕於傳統客服之上,同時兼具整合企業與客戶線上線下(O2O)的整體服務策略,確保客戶從所有通路能得到滿意的、一致的服務體驗,具體作為要從資料辨識後得到的非結構化數據進行分析開始說起。

非結構化數據並不只有語音辨識的內容,包括網路交談、社群網站、影像內容…等,因此在分析前,必須針對個別客服特性訂立目標。由於非結構化數據資料龐大,廠商若沒有具備足夠的知識,將難以協助客戶達成目標。

一般客服中心可訂立的目標包括下列項目:

187-3-2

  • 1.減少AHT:要減少AHT,必須先將客服流程標準化,再逐一檢視影響AHT的因子,例如有個企業在授權流程佔了該類型通話的30%~50%的時間,那麼針對授權流程的改善即可看到明顯的效果,像是自動化身份驗證的方案等。當然這是必須有聲紋比對的機制。
  • 2.QM自動化:利用語音辨識的關鍵字的高辨識率特性,可作為通話標準流程的核對,讓系統依據關鍵字的出現與否,針對該通話進行給分或扣分,並自動對全部通話進行基礎評分工作。而主管人員則能夠更針對所設定的議題深入評分與檢視出根本原因,因此能夠針對根本原因加以擬定改善方案,成為全面自動評分機制。

187-3-3

  • 3.話者分離:在大數據分析之前,必須針對通話內容進基本處理成可分析的資料,因此,話者分離是分析前最重要的基本分類,它能夠將值機員與客戶的通話內容分離處理。這樣才能夠分析出正確的數據。例如:同樣的關鍵字「卡片掛失」在值機員與客戶是不同意義的,值機員的表達可能只是對卡片掛失的說明,但客戶表達的可能是真的需要卡片掛失的流程。
  • 4.自動篩選熱門議題:在大數據分析中,熱門議題分析是很重要的一項分析功能,它不需要事先定義關鍵字,即可分析客戶所關注的議題,例如iphone6, android…等。當然,熱門議題分析的應用不會只侷限在語音分析的平台上,包含社群網站的熱門議題需要使用的文字分析平台等。分析出了熱門議題後,即可了解最近客戶在想什麼,關心什麼,而後企業以及QM的方向即可依此一分析結果加以調整。

187-3-4

187-3-5

  • 5.減少重覆來電:要減少重覆來電,另一個面向則是提昇首次來電解決率。這樣的目標的困難點在於定義何謂重覆來電。一般定義重覆來電的幾種方式,包括值機員註記、或是從電腦操作軌跡來偵測、或者也可以從通話過程中的關鍵字來分析等。值機員註記當然是最容易的方式,但其中也牽涉到人性的問題,因此對客戶服務上比較客觀的作法,是利用電腦操作軌跡或通話關鍵字來分析。而這二種作法,又有建置上的差別,例如電腦操作軌跡在建置經費上要比通話關鍵字少數倍之多,但通話關鍵字卻比較能夠深入到客戶的意見回饋等的層面。
  • 6.高風險客戶的警示:對系統建置來說,如何定義高風險客戶是最困難的地方,因為它已經不是系統好壞的問題,而是行業別不同,考驗的是廠商的經驗與業界專業的問題,也就是什麼時候要加風險係數。例如客戶來電提到我們競爭者的名字時,此時是否要把風險係數加上去呢?或者客戶提到利率很高的問題時是否要加呢?還是當值機員操作要退租/停卡等畫面時要立刻發警示給主管人員…等。

大數據時代帶給企業更大的商機,企業可以善用語音分析工具,深度分析平日與客戶時已經擁有的大量非結構化的資訊,透過系統加以結構化分析出我們可以改善的方向。此外,客服中心更大大轉變其戰略位置,許多公司已經紛紛設立客戶服務首長(Customer Service Executive),以更高的策略位置來通管所有可能接觸到客戶的通路,包括:實體旗艦店/分行/分店、客服中心、催收中心、電銷中心、文字客服、社交媒體、電子商務等等。徹底達到:線上黏、線下親的客戶經驗管理。

廣告

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com Logo

您的留言將使用 WordPress.com 帳號。 登出 / 變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 / 變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 / 變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 / 變更 )

連結到 %s