新聞中心/行業動態/重新定義呼叫中心考核管理

重新定義呼叫中心考核管理

       呼叫中心始終是連接企業和市場、消費者的重要環節。其服務質量的優劣直接決定消費者的直接消費感知。尤其在移動時代,實時、在線、動態、即時反饋的消費特性對精準統計客戶滿意度,進而快速、無誤地對客戶需求做出反應提出更高要求。因此,呼叫中心的考核標準亟需重新定義。

       傳統上,企業一般通過質檢成績同客戶滿意度進行相關性檢驗。但是,這種質檢往往和呼叫中心的客戶滿意度不相一致。這直接影響到呼叫中心的服務質量把控,對企業的消費者感知造成潛在風險。

        那么,什么原因造成了傳統方式的失靈?如何更新質檢方式,保證客戶滿意度的準確以及提升,以適應移動時代的新要求?這一切都將從現有的呼叫中心客戶滿意度優化方式說起。

       為了對呼叫中心的客戶滿意度進行準確把控,企業紛紛建立起一套統一的質量控制(QC)打分標準。然而,這套QC標準往往和呼叫中心的客戶滿意度不相關。這源于其評估方式的統計方法問題。

       衡量相關性常規做法是使用質檢成績同客戶滿意度來做相關性檢驗,檢驗使用的是皮爾森相關系數(即Excel里面常用的CORREL函數),從統計學的角度來看這個問題:皮爾森相關系數是對于符合正態分布的連續型變量進行的檢驗,即需要對于N名員工的質檢成績與N名員工的滿意度結果數據進行操作。其中滿意度的數據獲取非常容易,且符合樣本量的需求,但是N名員工的質檢成績是通過抽查計算的質檢分數,并不能代表員工的實際質檢成績,因此,由這些數據得出的皮爾森相關系數并不準確。

        來看一下《抽樣計算器》的計算結果:

        假設呼叫中心的客戶滿意度為90%,那么歷史缺陷比為10%;22個工作日,每日接線80通,一個月的樣本量為:22x80=1760,計算下需要抽查的樣本量為315通。

        據業內水平,一個坐席一個月能被抽到的錄音數量約為20通。

        統計學結論:本身通過抽查計算的質檢分數,并不能代表員工的實際質檢成績,因此無法得出正確的結論。

       問題隨之而來,究竟如何來判定質檢成績和客戶滿意度的相關性?質檢標準究竟是不是和客戶的實際需求相關的?

       其實操作很簡單:引入單通錄音評分和單通錄音客戶滿意度的相關性,即使用Logistic回歸分析方式,對于N列離散數據計算相關性。

       單通錄音打分表事例如下:

        打分表和客戶評價的滿意度的相關性是多少呢?

        使用JMP軟件中的Logistic分析操作下,得出的W檢驗數據如下:

       可以看出這三個評分標準與客戶滿意度的卡方值非常高,且P值低于0.005,表明此標準與客戶滿意度相關。

       同時也可以使用JMP中特有的“刻畫器”工具進行預估,它使我們能夠清楚的知道,這三項的質檢成績對于滿意度的影響情況。

        如果這三項都得1分的情況下,客戶的不滿意度為3%。

        如果這三項都得0.7分的情況下,客戶的不滿意度為32%。

       如果運用這個評估質檢標準同客戶滿意度相關性的計算模型,對公司的打分表和客戶滿意度進行相關性計算,不出意外的話,質檢標準和客戶滿意度的相關性會很差。

       如果從業務的角度來看這個問題:

       質檢評分標準中的多個項目是公司要求的,例如:稱呼客戶姓氏、要確認客戶問題、語速適中語調上揚等,更不用說后臺的CRM錄入、流程的執行、工單派發準確率等,但是也別灰心,通過這個方式,如果能夠找到2-3個打分標準有較高的相關性就已經非常好了!

        舉例:


注明:文章轉自ZDNet CIO與應用頻道 

設置
福彩20选8开奖号码