知名數據分析專家王厚東 在沙龍現場做分享

一、AI+BI新技術，解放人力，用數據化驅動運營為用戶提供更高價值的個性化服務

近兩年，客服圈內對新客服”、大數據”的討論非常熱烈。對于新客服”小編也了解到各家都有自己的理解和定義。但具體在客服數據運營層面來說，小編認為新客服”是服務運營在新技術、新思維、新附加值等維度的更精細化的數據體現。現階段客服人除了需要完成基礎的服務運營工作外，怎么把其中的服務附加值通過數據分析，把客服運營價值最大化是業內客服人在不斷探索且熱衷的話題。

在沙龍現場

現在的客服中心是一個資源規模化、業務碎片化、高度信息化的服務中心。有大量的原始數據留存，相比于其他行業有著天然優勢，多數信息可度量”，形成了高度信息化的特點。

像AI+BI新技術在客服領域應用，服務隨之而來的產品化、規模化、碎片化、個性化等可度量的客戶服務中心，造就了有大量的服務過程與數據積累。從而可以幫助呼叫中心管理者真正去了解客戶服務中心的運營狀態、服務質量與員工表現，支持客戶服務中心各項管理決策。

二、從客服運營角度，該如何運用數據來幫管理做出正確預判與決策呢？

王厚東認為，客服是一個企業產生數據相對最多的部門，每天通過渠道進來的數據可以數以萬計，目前有多少企業的客服管理者能真正重視、運用起來？對于客服部門來講，真正有價值的數據工作者，必須是既精通業務又擅長數據分析技術的復合型人才。而這樣的人才目前無疑是稀缺的，不得不讓我們陷入深思。

1.人才稀缺，不得重視引反思

數據運營體系，是數據分析的集合與應用，也是數據先行的戰略。從管理角度，是自上而下的推動，如果客服管理者對數據沒有足夠的清楚、利用，不重視，那么執行者數據用得再好，對客服中心運營管理者來講也只是半條腿走路。

客服管理者們在應用數據化運營前，有沒有考慮過過如下的問題：

◦你能預判客戶需求嗎？

◦你知道客戶的服務偏好嗎？

◦你的知識庫是否足夠智能？

◦你能簡化客戶的服務獲取流程嗎？

◦你能夠主動進行預防式客戶關懷嗎？

◦你知道客戶為什么不愛用你的自助渠道嗎？

◦你的優秀（落后）員工有什么共性特征嗎？

◦你知道客戶聯絡中提及最多的是哪些產品和服務嗎？

◦你知道客戶的整體情感是正面、負面還是中性嗎？

◦你知道頻繁投訴或聯絡的客戶是什么樣的群體嗎？

◦對于你的服務，大多數客戶最不爽的三點是什么？

其實以上列舉案例問題，都可以通過大數據反應出來，提供給管理者最終決策。

2.客服運營數據的應用場景

從海量數據中發現趨勢、規律、模式或關聯關系，以進行實時判斷或支撐未來決策。客服數據的應用層次包括：服務運營、客戶運營、決策支撐

客服大數據的應用場景：

a.精細化運營，變被動為主動

b.精準化營銷，銷售利潤最大化

c.服務創新，洞悉客戶偏好

d.體驗增值，維系經營

【案例】具體表現在如：

（一）客戶來電目的預判

知己知彼，百戰不殆。在客戶進入人工座席之前如何利用大數據準確判斷客戶的呼入目的，給予客服代表精確的指引，是客服代表最為希望擁有的能力，而客戶的目的往往隱藏在大數據當中，利用以往運營經驗結合大數據資源建立客戶預判模型就能完美地解決這個困難。那如何建立這個客戶預判模型呢？

根據用戶重復聯系和首次聯系的不同，從兩個層面進行數據挖掘：

1、重復聯系：

協同獲取用戶前一次聯系信息（協同包含語音客服、文字客服、APP等各渠道用戶聯系信息），根據用戶首次反饋數據的信息給予預判指引。

2、首次聯系：

（1）根據IVR語音導航中客戶按鍵信息預判指引。

（2）根據客戶資產重要數據信息給予指引，例如用戶賬戶有充值、欠費、套餐用超、套餐協議到期判斷、符合公司當前重點活動目標客戶條件判斷等信息給予預判指引。 通過這些數據的收集來預判客戶可能的來電目的，并給予客服代表精確的提醒，從而達到精確服務和精確營銷的客戶服務目標。

（二）話務結構監控

在每日幾萬多通的客戶呼入中，如何及時發現異常情況的出現，是困擾很多大型呼叫中心的難題。每天有200多人接話，靠人工干預判斷來發現一些影響面不是特別大的異常話務根本不太可能，而大數據管理恰恰完美解決了這一難題。

話務監控所要做的就是，統計出這些節點中所有話務構成的占比。建立數據評估模型，一旦話務結構出現變化就能準確發現是哪一類型的問題造成，為下一步精確評估提供了有力的依據，另外這一話務結構監控也為排班、能力提升安排等日常運營管理提供了有效的數據支撐。

（三）班組能力健康”模型

在客服中心通常是以班組KPI來評價一個班組的好壞，這沒有問題，但如果一個班組在能力提升過程中，僅僅只關注KPI，很多基層管理者尤其是新任值班長，在管理經驗不足的情況下，就容易出現忽略班組能力的問題。從而導致就指標做指標的現象。如何全面地評價班組之間的差異是所有管理迫切需要的，大數據可以做到這一點。從長遠來看，優秀團隊與末位團隊呈現出來的肯定不僅僅是KPI上的差異，因此管理更多應該關注團隊本身結構的差異，主要可以從 3 個維度來進行監控：

1、班組指標健康程度監控：建立班組整體指標走勢圖，根據實際情況建立月度走勢和每日走勢，并監控運營的平穩性（有沒有波動）和健康性（持續上升還是下降）。

2、班組員工結構差異監控：建立TAN員工結構占比監控表，能讓所有管理者及時了解組內占比和各班組之間 差異。

3、班組執行能力監控：建立全面評價體系，將重點工作的執行過程納入班組健康程度監控體系，建立數據管控模型。

通過上述手段，改變了基層管理者只看數據指標的習慣，更加注重班組自身的健康”狀況，提高了管理的視角。

（四）員工健康檔案

員工能力的提升是呼叫中心永恒的主題，而大型呼叫中心員工指標構成復雜，如銷售能力、故障處理能力、投訴處理能力、學習能力等等。但影響員工這些能力的因素除了能力本身之外往 往還有員工意愿因素的影響。那如何快速準確發現員工工作過程中能力的變化和意愿的變化呢？

相信不少班組長在接收數據的過程中有著這樣的痛點：

1.各班組以自己的視角出具的各項數據缺少整合。

2.以單一部門的信息去判斷員工的問題很容易誤判員工短板的根源，從而導致長時間提升無效果。

在信息不全的情況下，即便是優秀的管理人員也難免會得出錯誤的結論。那么如何去準確關聯各方面的數據呢？這其實就要我們先有一個大數據整合的思維邏輯去挖掘數據間的關聯，這樣才可以讓數據更好地為管理服務。員工健康檔案就是解決這一難題的利器。

一項全新的重點業務從接應到落地會經過這樣 4 個環節：

1.業務學習：員工有沒有學習當天的業務。

2.業務檢查：學了之后有沒有理解業務點。

3.應用檢查：在模擬場景訓練中能不能將知識點運用起來。

4.執行檢查：有沒有在最終的給用戶服務的過程中去執行。

這4個環節如果單獨看，只能判斷出員工的部分問題，但健康檔案會自動將員工的問題結合起來判斷出員工真正的問題，并給出一定的解決方案，幫助管理人員做針對性提升。

不難看出，通過數據模型來進行分析換算，對我們的業績增長，乃至精準化營銷都會起到決定性作用。而服務創新，體驗增值與維系，也同樣可以通過數據反映的情況，做出提前調整或策略優化。

三、未來已來：數據賦能成核心驅動力，引領客服精準營銷

我們可以將客戶服務工作與銷售工作或者科技工作對比一下，對于后兩類工作的管理，只要管好銷售金額或者系統穩定性，就足以衡量工作的好與壞了，這是典型的顯性工作”。然而服務工作很難使用顯現、單一的數據指標一錘定音的衡量工作質量，屬于隱性工作”。

熱情分享

以海底撈的服務為例，他們的服務員總是熱情洋溢，馬不停蹄的為顧客倒水、遞毛巾、更換骨碟。其實在餐廳的角落，一位總部派駐的服務督察員在冷眼旁觀，服務員的工作表現他一目了然。

但是在客戶服務中心，這樣的做法顯然行不通。就算是經驗再豐富的老師，不辭辛苦頻繁在客服中心的現場巡視，也無法聆聽到話筒另一端客戶的聲音。與座席員朝夕相處的班組長呢，他們能夠從座席的語氣、表情中察覺到服務狀況的異常，但在大多數情況下，班組長只能進行知識技能的輔助與事后的補救。至于客戶服務中心的質檢團隊呢，他們會復聽一小部分錄音，但也只是一小部分而已，加上人工的監聽會帶有主觀判斷，仍然無法依靠質檢團隊準確了解服務的全貌。

所以說，在這樣規模化、信息化、碎片化”并且提供隱性”服務的客戶服務中心行業，我們需要且只能用科學的數據分析方式，抽絲剝繭、穿過層層迷霧，才能看到客戶服務中心各方面運營的真實情況，清晰反饋龐雜客戶服務過程中的各種細節，審視客戶服務需求與資源分配的匹配程度，客觀評價成百上千座席員的服務表現，最終推動客戶服務中心的運營管理水平與綜合服務品質不斷提升。

小編認為，客服中心運營數據是藏在客服中心的秘密，據具有隱蔽性。它不只是客服部的更是企業的黃金”，但在今天它仍然面臨巨大挑戰。

四、對于客服數據運營、應用依然面臨挑戰

王厚東表示，雖然數據的應用目前已經較為成熟了，但是對于客服數據方面還是要面臨一些應用上的挑戰，如：

人才，數據方面的人才不僅要懂得業務還要擁有一定的數據技術。

數據，數據的獲取、數據質量的保障、數據的應用等。

工具，即數據分析和挖掘的工具，如一些軟件平臺。

三者之前的關系也是相輔相成的，而最終的目的在于，從業務中來，最終回歸到業務中去。即挖掘出來的數據，是從業務中挖掘的，最終的意義也在于指導業務的推進。

寫在最后：

呼叫中心從無到有，客服行業內的我們，應該清楚的認識到，更多依賴人治的第一個時代已經接近尾聲了。規模化、信息化、碎片化，并且高度依賴數據驅動運營管理提升的時代正在走來。

通過沙龍現場聽王厚東的分享，小編認為，客服管理者應從客戶服務中心運營管理的視角出發，植入并且更加全面的應用一些數據驅動運營管理理念。從而來達到提升客服中心的運營管理、服務質量。并且借助數據分析工具加以應用實踐。在客服中心運營與數據不能分家。在客服中心的運營中，所有不以業務服務提升為目的數據分析運營，在互聯網+服務的時代，將變得一文不值。