近幾年來大數據一詞的熱度有目為睹，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。呼叫中心作為連接企業和企業客戶的溝通樞紐，其在日常運營中也會獲取、使用、或者是產生大量的數據，雖然從數據量級來看呼叫中心的大數據規模有限，但對于呼叫中心自身的運營乃至于企業來講這部分數據的價值卻是無可限量的。以下將分別從whywhathow三個方面簡單剖析一下呼叫中心的大數據應用。
　【why—呼叫中心為什么要引入大數據應用】
　一、從外部宏觀環境的改變來看
　外部宏觀環境發生改變，客戶服務工作壓力加大，具體表現在以下幾個方面：
　1. 流程運作
　隨著行業和技術的不斷演進，面向客戶的接觸點即接觸渠道增多，同時也導致面向內部協同運作的節點增多，從而對責任定位、流程閉環提出了更高要求。
　2. 服務評估
　正是由于對外及對內的節點增多，也就勢必要求建立起一套完整的服務監督評估體系，以確保對外服務的一致性和規范性。
　3. 產業整合 　

在整個服務鏈條上，不僅有企業自身和客戶，還包括有合作伙伴、合作渠道，產業鏈的拉長也必將導致服務管理的延伸 　二、從內部運營管理的痛點來看
　從宏觀到微觀、從外部到自身，呼叫中心內部的運營管理仍然不可避免的面臨如下問題：
　1. 管理側
　 對于運營結果的分析主要依賴手工模式，存在滯后性及偏差性，且對于管理人員的經驗要求較高。
　 整體KPI及個體KPI的考核權重設置和調整人工干預因素較多，未與KPI的實際完成情況關聯。
　 數據預測及檢驗主要依賴手工模式，精準性較差，且采集的歷史數據源不完整。
　 服務質量管理，從考核標準設定、樣本規模計算、抽樣計劃制定，到質檢結果分析，基本依賴人工，存在一定的偏差性，對于管理人員的經驗要求較高。
　 。。。。。。
　2. 營銷側
　 向客戶推薦不需要的產品和服務
　 在不合適的時機或通過不合適的接觸點進行營銷
　 不能深入了解、洞察客戶的特征和客戶需求
　 過度打擾客戶
　 營銷結果沒有跟蹤，重復營銷
　 交叉營銷缺乏支撐，開展水平低
　 營銷效果不能及時得到監控、評估
　 。。。。。。
　3. 傳導側
　呼叫中心忙于針對單個事件的被動式服務，反饋和推動客戶問題根因解決的力量弱，存在不聚焦/不及時/不閉環的問題。
　三、從呼叫中心的數據特性來看
　1. 數據容量海量
　傳統熱線渠道，XX運營商每月就有30億次的客戶接觸記錄和通話錄音。
　2. 數據格式多樣
　結構化、半結構化、非結構化數據并存，且半結構化和非結構化數據的占比及增長率遠高于結構化數據。
　3. 數據價值有待挖潛
　傳統的人工質檢、報表統計等手段，對于數據價值的挖掘僅是冰山一角，大量的價值數據有待挖掘。
　【what—呼叫中心的大數據應用包括哪些內容】
　面對著外部環境、內部管理的挑戰和需求，守著呼叫中心大量有待挖掘且形式多樣的數據，呼叫中心的大數據應用又包括哪些內容呢？概括起來就是六個字可視、可控、可用，具體包括：
　一、運營可視 　通過可視化手段，統一展示客戶服務的整體運營情況，可根據不同部門、地市以及日常運營需求，差異化定制運營視窗。 　二、管理可控
　構建數據立方體，建立數字化運營管理規范，對客戶服務質量實施有效管控。將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。
　三、數據可用
　整合多渠道服務數據，建設運營指標庫和客戶標簽庫，實現數據變現：
　1. 對外：借助數據分析與挖掘技術，全面了解客戶行為，主動發現客戶問題和營銷機會。
　2. 對內：用大數據傾聽客戶聲音，借助大數據分析技術從海量客戶聲音中提煉價值信息，并傳遞至公司業務部門，為產品創新、營銷完善、網絡優化等提供價值信息。
　【how—呼叫中心的大數據應用具體應如何操作落地】
　一、運營可視
　以采集的數據為基礎，從不同維度提供運營監控視窗，實現運營管理決策可視化。比如：
　1. 建設全網管理監控視窗，直觀了解全網客服運營總體情況，尤其是影響客戶滿意度的關鍵服務指標，及時準確鎖定熱點問題、區域情況及責任部門。
　2. 建設省分管理監控視窗，直觀了解本省客服運營總體情況，降低部門之間的溝通門檻，使運營人員及時發現服務問題，監控并采取合適的調度策略，確保運營穩定、客戶滿意。
　3. 建設相關部門管理監控視窗，將客戶投訴的熱點信息數據及時傳遞至相關業務部門，便于業務部門及時有效采取調整和改進措施。
　4. 建設合作伙伴監控視窗，將合作業務的運營情況、客戶服務情況集中展示，統計匯總后向各合作伙伴提供數據開放，便于及時了解合作業務及客戶滿意度情況。
　5. 。。。。。。
　數據可視化的工具各有不同、且技術相對完善，不同呼叫中心可根據本企業的情況選擇外部購買或自行研發。
　二、管理可控
　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，建立數字化運營管理體系，具體包括：
　1. 數據分類
　明確統一管理需要采集的數據體系，包括：運營類數據、考核類數據、業務類數據，并明確每一類數據所要采集的數據種類、數據名稱、數據來源、計算方法、呈現模式等。
　2. 數據提取
　根據數據指標體系明細分類，及每一個指標的數據規則，完成數據的自動提取、加工計算和結果呈現。
　3. 數據應用
　根據完整版數據指標體系，將數據結果應用于以下幾個方面：
　1) 目標管理
　 根據所采集的數據，對呼叫中心的運營工作進行目標設定或者是目標調整，并對目標完成情況進行統一監管和分析管理。
　 根據階段性運營數據完成情況，及時調整并下發下階段目標值，須在數據采集分析平臺增加目標調整功能模塊，用于對呼叫中心運營目標的調整管理。
　2) 結果管理
　 對日常運營數據及結果進行分析監控，并設定相應告警機制，以及結果的傳達機制，督促呼叫中心管理人員及時采取措施。
　 根據所采集的數據，建立起對日常運營結果的分析機制，對運營結果實施精細化管理，確保呼叫中心持續提升運營品質和服務水平。
　3) 預測管理
　 根據所采集的數據，建立起數據分析預測機制，分析預測未來某階段的趨勢數據，從而確保未來的運營軌跡處在可監控、可預知態勢中。
　 根據包括客戶基礎屬性指標和客戶投訴根因指標在內的完整業務特征指標，提取歷史投訴數據（包括：投訴工單、投訴錄音），通過數據分析技術，以時段、地域、品牌、業務為維度預測出投訴群體（數量）。
　 對于不同類型的潛在投訴，呼叫中心可在投訴發生之前，提前制定統一的服務策略，包括：統一應答口徑、統一處理流程、統一服務補救，以及加強品質管理、適當調整績效策略等措施。
　4) 指標管理
　 根據所采集的數據，建立起服務分析機制，提升綜合服務水平。
　 須在數據采集分析平臺增加對各項服務數據的監控和分析功能，以便于鎖定服務問題并指導管理人員有針對性的改進。
　5) 相關部門及合作伙伴管理
　 根據所采集的數據，對除呼叫中心之外的內部相關部門/合作伙伴實施監控管理，以確保對外服務的一致性、及時性和規范性。
　 設置相關部門/合作伙伴工作流程規范，通過系統對總部派發或者是一線客服提交的流轉工單處理情況進行有效監控，對處理不及時、不規范的相關部門/合作伙伴進行及時或者是定期通報，并將工單問題解決率納入對相關部門/合作伙伴的KPI考核。
　三、數據可用
　深度挖掘分析服務數據、豐富數據應用，促進服務數據價值最大化，具體包括：
　1. 外部營銷
　構建數據+平臺+運營三位一體的營銷管理體系，提升呼入/呼出營銷成功率，推動呼叫中心由成本中心向利潤中心轉型。
　1) 數據
　通過大數據推薦模型的交付落地，分析客戶需求、引導客戶心理，采用有效的營銷及溝通技巧向目標客戶進行產品推介，在提升營銷成功率的同時，確保客戶滿意度。
　2) 平臺
　通過平臺能力優化，包括：自動彈窗、精準推薦、關聯推薦、腳本引導、結果分析等，促進營銷成功率提升。
　3) 運營
　建立以營銷為目標導向的運營管理規范和監控評估體系，并合理配置和調度營銷人力資源，促進營銷成功率提升。
　2. 內部傳導
　借助大數據技術從海量客戶聲音中（尤其是投訴）提煉價值信息，并傳遞至公司相關部門，為產品創新、營銷完善、網絡優化等提供價值信息，推動呼叫中心進一步向價值傳導中心轉型。實現過程包括三個階段：
　1) 語音解析
　將客戶通話語音轉譯成可視、可檢索、可分析的文字，語音識別原理框架由三個重要部分組成：早期模型訓練，前段語音識別，后端識別處理。在語音識別的處理流程中，由語音檢測、語音分類、聚類、識別、自適應、重打分等模塊合在一起，最后得到最終結果，構成了完整的識別引擎系統。
　2) 文本分析
　文本分析平臺通過文本搜索、文本分詞、詞性分析、關鍵詞挖掘、語義聚類、文本分類等流程實現對文本的解析，核心功能包括：熱詞分析（熱詞提取引擎）、關鍵詞歸類（關鍵詞提取引擎）、場景分類（自動分類引擎）。
　3) 價值傳遞
　依據語音/文本分析平臺能力結合業務開展需求，建立起定期的業務分析機制，以便于鎖定用戶的關注點及意見點，并通過價值分析報告定期傳遞業務信息至相關部門進行有針對性的改進。
　呼叫中心的大數據應用尚處于摸索階段，本文所述也僅限于截止目前階段的個人思考和積累總結，愿與行業同仁共勉！
　悟空話務電話機器人' target='_blank'>電話機器人