大数据时代的客服运营管理

　　最近大数据这个词很火！大数据是指所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具在合理时间内进行撷取、管理、处理并整理，难以发挥它应有的价值。其实大数据在尚未进入“互联网+”时代以前就已经深入到客服行业的各个层面，今天就和大家分享下大数据给客服运营管理带来了怎样的改变。

　　一、数据优势

　　呼叫中心既是数据的集中者，也是数据的制造者。中国电信股份有限公司浙江服务运营分公司台州分中心（以下简称浙江10000台州分中心）每个月100多万通的话务中包含了大量有价值的信息和能力：在用户呼入中蕴涵客户类型、业务类型、客户信息、话务信息；在接话的数据中蕴涵了系统能力、班组能力、员工能力；在日常运营的管理数据中又体现出运营能力、执行能力、心态意愿。这些数据都实时地流转在中心的日常工作当中，运用好这些数据，根据运营管理的需要建立合理的评估模型，将给传统呼叫中心的运营管理带来巨大变化。

　　二、数据的应用

　　（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3万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。10000号的话务主要是由故障、账务、业务咨询、投诉等话务类型组成，而这些话务由于不同时间点，包括月初月底、周末、早晚等差异有着不同结构的变化，同时还受每月出账、欠费停机等固定业务周期的影响。虽然呼入话务总数量上偶有不同，但整个话务组成结构基本是稳定的，而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

　　在呼叫中心中通常是以班组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，目前我们主要由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。

　　健康档案是将员工的意愿表现、能力表现的诸多因子通过数据方式汇聚，并通过一定的逻辑关系来判断员工薄弱环节的模型工具。例如一个员工接话经常出现业务差错，这到底是学习能力不足还是学习意愿欠缺呢？光靠一个数据是无法准确判断。如果结合每日业务学习情况检查和定期的拨测考试检查结果就能得出准确的结论。

　　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。

　　比如我们在业务检查中发现员工业务点出错了，那么我们首先要去看业务学习出了什么问题，业务学习环节通常会有两种情况：一是如果当天检查了10位出错了8位，我们就不应该找员工问题了，而是先判断是不是培训课件或者培训师讲解出了问题，导致员工无法理解或错误理解；二是个别员工问题，就先看员工是否有在小结后对更新点自主去学习了解知识库，如果某位员工经常出错而业务检查时又发现该员工对于知识库运用非常不熟练，这应该归类于员工的学习意愿有问题。如果上述两种情况都没有出现，培训讲解和员工自学都不存在问题，那我们就得回到业务问题上来，员工学了，但是学的有偏差，这就是员工的业务学习能力不足，也就是理解能力不行，这时候就需要值班长教授学习方法来提高员工的学习能力。同时业务学习能力不佳在数据收集完善后还可以进行延伸，我们甚至可以分析出员工到底是在老业务更新上存在问题还是新业务接收的问题，如此更能有针对性地给员工提供帮助。

　　在大数据支撑之下，复杂的呼叫中心管理变得日益数据化、精细化，不断挖掘这些数据并应用到客户服务当中、应用到日常运营管理当中，将会给客服运营管理带来更大价值。

　　金二 蒋巍