隨著互聯網、移動互聯網技術的迅猛發展，以及業務特性復雜程度的日趨加深，單一服務渠道很難及時解決客戶的問題，越來越多的客戶習慣于通過多個渠道獲取服務。
面對著客戶行為習慣發生的改變，整個客戶服務體系的建設導向、及建設內容也在發生改變。本文將從服務、數據、產品三個方面，詳細闡述新形勢下客戶服務體系建設的新思考。
三、 新思考：由大服務到大數據，深挖數據價值、實現數據變現
【概述】
近幾年來大數據一詞的熱度有目共睹，各行各業也都在根據自身特點和需求不斷探索符合不同行業特性的大數據應用場景。
呼叫中心作為連接企業和企業用戶的溝通樞紐，其在日常運營中也會獲取、使用、或者是產生大量的數據。雖然從數據的量級來看，呼叫中心的運營數據規模相對有限，然而對于呼叫中心自身的運營管理，乃至于企業來講這部分數據的價值卻是無可限量的。
以下，將以運營可視、管理可控、數據可用作為主線條，對呼叫中心的大數據應用進行詳細闡述。
【詳述】-管理可控
管理可控是指：構建數字化運營管理體系，也即：依托系統支撐和規范建立，擴大數據采集范圍，構建數據立方體，建立呼叫中心的數字化運營管理體系。通過對數據的深加工和關聯性分析，以及內部流程和管理體制的優化，不斷提升運營效率和運營品質。
管理可控，即呼叫中心數字化運營管理體系構建的實現步驟為：
以下，將分別打開、詳細說明。
(一) 數據分類
1. 明確數據分類
根據用途不同，可將呼叫中心的數據指標分為如下三類：
運營類數據是指：用于客觀真實監控、反映呼叫中心整體及個體（個人）運營情況的數據。具體又可細分為：
① .整體運營數據
A 呼入語音服務項目整體運營數據
呼入語音服務項目整體運營數據指標項目包括：
| 序號 |
數據指標項目 |
| 1 |
人工請求量（個） |
| 2 |
人工接起量（個） |
| 3 |
20S內人工接起量（個） |
| 4 |
應答前平均等待時長（秒） |
| 5 |
ATT（秒） |
| 6 |
ACW（秒） |
| 7 |
AHT（秒） |
| 8 |
CPH（個） |
| 9 |
人工服務滿意度評價觸發量（個） |
| 10 |
參加人工服務滿意度評價量（個） |
| 11 |
人工服務滿意量（個） |
| 12 |
人工服務不滿意量（個） |
| 13 |
一次解決人工服務請求量（個） |
| 14 |
重復來訪量（個） |
| 15 |
簽入總時長（分鐘) |
| 16 |
空閑總時長（分鐘) |
| 17 |
示忙總時長（分鐘) |
| 18 |
用餐總時長（分鐘) |
| 19 |
單小時空閑時長（分鐘) |
| 20 |
單小時示忙時長（分鐘) |
| 21 |
單小時整理時長（分鐘) |
| 22 |
人均簽入時長（分鐘) |
| 23 |
人均示忙時長（分鐘) |
| 24 |
人均空閑時長（分鐘) |
| 25 |
人均用餐時長（分鐘) |
| 26 |
呼入營銷彈窗提示數量（個） |
| 27 |
呼入營銷彈窗打開數量（個） |
| 28 |
呼入營銷成功數量（個） |
| 29 |
呼出電話數量（個） |
| 30 |
轉接電話數量（個） |
| 31 |
正確轉接電話數量（個） |
| 32 |
提交工單數量（個） |
| 33 |
正確提交工單數量（個） |
| 34 |
在線人員數量（人） |
| 35 |
XXXXXX |
附注：各呼叫中心可根據不同企業的實際情況，在上述數據指標項目的基礎上進行刪減或增加。
以上運營數據指標項目，將與時間維度相結合，形成二維形式的整體運營數據統計報表，表結構示例見下：
考核類數據是指：用于客觀真實監控、反映呼叫中心整體及個體（個人）運營結果的數據（也即考核KPI數據）。具體又可細分為：
① 整體考核數據
A. 呼入語音服務項目整體考核數據
呼入語音服務項目整體考核數據指標項目包括：
| 序號 |
數據指標項目 |
| 1 |
接通率（%） |
| 2 |
服務水平（%） |
| 3 |
用戶滿意度（%） |
| 4 |
用戶滿意度參評率（%） |
| 5 |
一次性解決率（%） |
| 6 |
服務瑕疵率（%） |
| 7 |
工作飽和度（%） |
| 8 |
呼入營銷成功率（%） |
| 9 |
質檢得分（分） |
| 10 |
服務投訴率（次/十萬通） |
| 11 |
投訴處理滿意率（%） |
| 12 |
轉交正確率（%） |
| 13 |
員工流動率（%） |
| 14 |
XXXXXX |
附注：各呼叫中心可根據不同企業的實際情況，在上述數據指標項目的基礎上進行刪減或增加。
以上考核數據指標項目，將與時間維度相結合，形成二維形式的整體考核數據統計報表，也即整體KPI數據表，表結構示例見下：
業務類數據是指：用于客觀真實監控、反映呼叫中心整體受理處理業務信息的數據，也即反映用戶服務/營銷受理處理情況的數據。
按照數據格式的不同，業務類數據具體又可細分為：
① 結構化數據
結構化數據是指可以使用關系型數據庫表示和存儲，表現為二維形式的數據。比如：用于體現呼叫中心日常運營情況的運營類數據；用于記錄和呈現呼叫中心整體及個體（班組和個人）日常運營結果的考核類數據（KPI數據）；以及，基于客服人員日常受理記錄（工單）所形成的業務受理統計數據（二維形式）等。
結構化業務類數據，是指基于客服人員日常受理記錄（工單）所形成的業務受理統計數據，也即基于客服人員人工手動選擇的業務受理歸類結果的數據（二維形式）。區別不同項目類型，結構化業務受理數據指標項目見下。
A. 呼入語音服務項目業務受理數據
呼入語音服務項目業務受理數據指標項目包括：
| 序號 |
數據指標項目 |
| 1 |
業務咨詢量（次） |
| 2 |
業務咨詢用戶數（個） |
| 3 |
業務查詢量（次） |
| 4 |
業務查詢用戶數（個） |
| 5 |
業務辦理量（次） |
| 6 |
業務辦理成功量（次） |
| 7 |
業務辦理用戶數（個） |
| 8 |
投訴受理量（件） |
| 9 |
投訴用戶數（個） |
| 10 |
萬用戶投訴量（件） |
| 11 |
重復投訴量（件） |
| 12 |
升級投訴量（件） |
| 13 |
需求建議量（次） |
| 14 |
需求建議用戶數（個） |
| 15 |
呼入營銷成功量（個） |
| 16 |
退費量（次） |
| 17 |
退費金額（元） |
| 18 |
XXXXXX |
附注：各呼叫中心可根據不同企業的實際情況，在上述數據指標項目的基礎上進行刪減或增加。
以上業務受理數據指標項目，將與不同企業呼叫中心的業務受理分類相結合，形成二維形式的業務受理統計數據表，表結構示例見下：
附注：以上表格以4G業務為示例，其它業務分類可參考制作。
② 非結構化數據
非結構化數據是指數據結構不規則或不完整，沒有預定義的數據模型，不方便使用數據庫二維邏輯表來表現的數據，各種文檔、圖片、視頻/音頻等都屬于非結構化數據。
對于呼叫中心來講，特指客服人員與用戶的通話錄音數據，以及受理工單中的文本數據。以往采用傳統的人工質檢、報表統計等手段，對于這些數據價值的分析利用僅是冰山一角，大量的價值信息有待挖掘。
非結構化業務類數據，是指通話錄音及工單文本內容中的業務受理數據，也即反映用戶真實聲音的數據（關于語音數據、文本數據的具體解析方法和數據應用場景，詳見本小節數據可用部分）。
非結構化業務受理數據指標項目與結構化業務受理數據指標項目基本相同，可參考使用。二者的核心不同點就在于數據來源不同，結構化業務類數據的數據源來自于客服人員人工手動選擇的業務受理歸類結果，而非結構化業務類數據的數據源來自于通話錄音及工單文本內容。
【未完待續】
王丹丹
2020年4月
Dece1118@126.com
