高级分析助力呼叫中心实现客户第一

编者按

本文于2019年1月刊于麦肯锡网站，由盖伊·本杰明（Guy Benjamin）、杰夫·伯格（Jeff Berg）、阿维纳什·钱德拉·达斯（Avinash Chandra Das）和维内·古普塔（Vinay Gupta）合著。盖伊·本杰明是麦肯锡纽约办事处的准合伙人，杰夫·伯格为麦肯锡南加州办事处合伙人，阿维纳什·钱德拉·达斯是麦肯锡班加罗尔办事处高级知识专家，维内·古普塔是麦肯锡北美知识中心知识专家。文章指出，公司若不应用高级分析工具和技术，就会错失重要的客户服务改善机会。为了充分发挥高级分析的优势，公司必须预先奠定合适的基础，让自身的数据发挥最大的作用。

为了做到顾客第一，客户服务负责人越来越多地要求实时分析能够提供准确且详细的绩效情况。基本的数据和分析工具正成为呼叫中心的标准配置。这迈出了良好的第一步，但多数组织似乎并没有充分发挥该技术的作用。也就是说，他们在运用高级分析工具和应用时并没有真正做到将顾客摆在首位。只有37%的组织认为高级分析真正创造了价值，这说明大量机会被错失。此前的数据和分析解决方案可以帮助公司了解呼叫中心当前的情况，而高级分析能通过兼顾内部和顾客的应用来帮助呼叫中心知道接下来会发生什么，自己又应该相应地采取何种行动。这种技术的应用可以降低成本，提高营收，最为重要的是能提高顾客满意度。

由此，高级分析工具和技术已经从根本上改变了呼叫中心的角色，让他们从提供基本的服务（和企业的纯成本支出）变成了战略性差异化工具，可以大幅提高顾客满意度和财务绩效。应用高级分析的公司已经通过将处理时间缩短40%，自助服务率提高5%～20%，员工成本降低高达500万美元，并且将电话咨询后的销售转化率提升了近50%。与此同时，顾客满意度和员工敬业度也得到了改善。公司可以通过大量的工具来改善绩效，例如通过教练指导和流程合理化等对运营方式加以调整。高级分析只是这众多工具中的一种，但它是一种非常强大的工具。

公司容易犯错的领域

既然高级分析如此强大，为什么众多公司没能充分发挥其优势呢？简单来说，众多公司并未奠定合适的基础。之所以如此，原因在于根深蒂固的组织架构和流程、过去遗留下来的IT系统，以及其他种种挑战。高级分析之所以应用速度缓慢，根源有两个。

1．缺少跨渠道的数据整合

很多公司的呼叫中心在工作中都是“单打独斗”。呼叫中心生成大量的数据，但公司缺乏方法对数据进行系统性整合，将这些数据变为单一真相信息源，便于经理们去理解。有些公司购买了一系列特别的解决方案和资产来解决问题，却没有围绕单一的整合平台来开发一套战略性方法。此外，质量管理队伍、人事管理队伍和数据队伍相互之间不交流，有时甚至无法获取相同的数据。

2．无法将分析所得与行动联系起来

有些公司会在分析中获得洞察，但并没有将这些洞察转化成行动。或者会采取部分行动，却没有让这些分析成果充分发挥作用。例如，多数组织会进行顾客的声音分析，来计算一次性解决率（FCR）和顾客满意情况测量指标。但他们并没有使用顾客的反馈意见来重新设计流程或采取其他举措来创造更具革命性的影响。导致这些问题最常见的原因，就是运营经理不清楚要怎么使用分析工具和技术。

分析驱动型呼叫中心所具备的特征

呼叫中心会生成大量的数据，但苦于无法让数据发挥作用。现在有大量的供应商和技术可以提供帮助，而且这些供应商和技术的数量还在不断增加。呼叫中心如果想要让数据发挥最大潜能，就必须建立合适的基础。这些基础包括：

1．清晰的愿景和明确的战略

呼叫中心必须对分析工具有明确的愿景。该愿景必须同整体业务战略挂钩，并且有路线图来指导具体的案例，例如改善一次性解决率或提供更多自助服务选项来减少对呼叫中心的需求。

2．内部分析能力和敏捷的组织

公司必须围绕组织的战略目标打造强大的内部分析能力，而且必须建立敏捷的机制来充分利用得到的洞察。例如，一家优秀的信用卡公司建立了交互式语音应答（IVR）分析实验室，能在交互式语音应答系统发生改变后立即对顾客满意度和自助服务率的变化进行评估。

3．平台和数据资源

优秀的组织还必须建设全面的数据战略和生态系统，以支持更宽泛的分析战略。平台和数据源要求一流的数据治理、IT架构以及基础设施和数据安全框架。众多顶尖级的呼叫中心已经打造数据湖，将其作为所有顾客、客服代表、产品绩效、调查和其他方面的单一数据源。

4．合作伙伴生态系统

鲜有公司可以单靠自己来满足所有数据和分析需求。他们必须辨识哪些需求可以在内部得到处理，哪些又必须外包给专业合作伙伴。

5．客观决策的文化

一流的呼叫中心会根据数据来进行日常决策，而不是靠直觉。例如通过分析来进行招聘、有针对性地进行培训和指导、根据绩效来确定奖金，以及采取其他举措来改善业绩。

应用高级分析并不需要这五大因素全部具备。随着科技快速发展，更好的方法是根据现有数据来明确具体应用，全面进行开发，对项目进行试点，然后再迭代。

四大用例

高级分析如何帮助公司从多个方面积极改善呼叫中心的绩效？我们介绍应用高级分析的4个主要用例。

1．降低平均处理时间

呼叫中心的非结构化数据中，占最大比例的是文本（包括语音），因此高级分析有机会发挥重要的作用。公司的文本数据常常源于社交媒体、与客服代表的交谈、调查、反馈表格、保修投诉和其他数据源。要让这些数据发挥作用，就必须从各种渠道收集数据（包括将客服电话记录转换成文本），然后对文本进行清理，剔除掉不重要的词语、标点符号和特殊字符。在数据得到清理之后，公司可以着手从数据中获取有意义的洞察（见图1）。

例如，某科技公司通过语音和文本分析将平均处理时间（AHT）缩短了约40%。该公司对非结构性通话记录进行筛选，寻找、解决流程中的各种变异，从而对特定的事件类型进行分析。公司根据文本数据从该事件类型的通话记录中找出关键词，更好地了解这些关键词对平均处理时间的影响。公司再以此为基础，设计了一套自动化的自主学习解决方案，可以使用文本分析来查找潜在的平均处理时间改善领域，例如重新设计提问来更好地把握顾客的问题、优化流程、消除冗余的步骤、对客服代表的问题解决指南进行标准化处理。公司在此基础上可以积极地查找和处理其他问题，改善客户服务。

2．减少呼叫量

图1 使用不同的机器学习算法来预测聊天的目的

高级分析可以帮助公司针对数百万顾客数据点进行全面的端对端分析，通过文本和呼叫量来积极地查找潜在的改善空间。公司可根据这些分析结果来设计解决方案，改善顾客体验之旅（根据影响、所需投资和可行性来确定各项举措的优先顺序），然后再通过敏捷的方法在为期两周的时间里推出最小可行产品，对产品进行测试和迭代。交互式语音应答快速模拟可以进一步加快测试和调整速度，而交互式仪表盘能够根据呼叫类型和顾客类型来衡量影响。

例如，一家金融服务公司正面临大量重复呼叫的问题。平均每100个顾客，却要接到160多个电话。公司通过分析学来研究3个具体的因素，即顾客、客服代表和流程。公司发现，顾客中有些人会为了小事情而常常打电话，例如了解已经解决的问题的最新情况。有些顾客则会因为不满意最初的解决方案而一再打客服电话。例如有些顾客没有从某位客服代表处获得满意答案，就可能再次致电呼叫中心，希望到另一位客服代表处碰碰运气。

同样，该公司对呼叫中心的客服代表进行了分析，找出那些解决率低或在小问题上花费太多时间的客服代表。最后，该公司又对流程进行了分析，查找漏洞或系统问题（例如新卡未能按时送到）。有了这些信息后，公司成功将重复呼叫量降低了15%。

3．积极地提高网络韧性

在人员管理方面，组织正日渐低估网络韧性方面的挑战，以及停电对顾客满意度的影响。通常而言，公司每年会遇到多达5起重大的停电情况，以及25到30例网点营业中断的情况。对于普通的金融服务公司而言，为期2天的停电需要长达一周的时间来恢复正常业务，而顾客放弃率将会增长10%～30%。多数呼叫中心的人力资源部并没有积极地针对停电的后果建立模型。

通过采用高级分析，公司能够进行模拟、预测各种类型的停电会给服务造成什么样的影响，以及预计需要多长时间才能恢复。公司同样可以明确一系列具体的举措来缩短恢复时间，并根据所影响的网点对这些举措进行轻重缓急的排序。客服领导人由此可以懂得各类事件将带来何种影响，例如呼叫中心完全停摆，只有部分员工可以上班，服务器宕机，或者是其他服务中断情况。

例如，通过模拟可以确定公司客服网络中的某一网点持续3个小时的故障可能导致平均应答速度从10秒钟增加到350秒，而恢复需要17个小时。公司可以通过不同的干预措施（例如增加能力、客服电话转接、交互式语音应答通知等）、每种干预措施的不同启动时间与持续时间进行建模，将恢复时间从17个小时缩短到8.5个小时（见图2）。

图2 紧急情况下若未能快速进行响应，可能会导致顾客的等待时间和业务的恢复时间都有所增加

图3 虚拟销售教练可以提醒呼叫中心客服顾客下一个可能购买的产品，并且提供脚本来帮助客服进行销售

4．提高销售转化率

为了真正地改善绩效，不仅要把高级分析工具用于提高效率和降低成本，还要用它积极地开发新营收。虚拟销售教练可以评估与顾客相关的因素，预测顾客接下来最可能购买的产品。这些因素不仅包括既有的数据（例如人口统计数据、行为特征和购买历史等），还包括当前客服电话实时产生的数据。虚拟销售教练会调出脚本，为销售代表提供特别设计的语言，提高该顾客的转化率（见图3）。

例如，在使用高级分析工具之后，公司可以调出针对同一顾客成功的销售电话记录，对其中的文本内容（不同的产品）加以分析，也可以根据顾客的行为特征积极地、有针对性地设计特定的推销方式。比如，如果某位顾客被确认为可能后悔此前的购买行为，那么脚本就可以强调轻松退货或取消购买的政策。

一家电信公司使用该方法将销售转化率提高了46%。该公司辨识了一系列输入变量，然后进行分析，确认哪些变量对顾客的购买意愿影响最大。所有这些分析都针对公司的各种产品和服务分别进行。此后，该电信公司针对每种产品设计了具体的销售脚本。

如何迈出第一步

要想让高级分析工具发挥最大的作用，关键在于事先奠定合适的基础。但公司不应该等待所有相关因素都到位后再迈出第一步。分析学领域在快速变化，组织必须先着手应用高级分析工具和技术，然后边用边学，从经验中学习。

首先，公司可以辨识分析工具可能带来哪些好处，然后再根据一定的标准对这些收益的优先顺序进行排序。这些标准包括投入产出比、数据的可获得性、顾客的需求、竞争对手的举动，以及其他多个方面。这种排序能够帮助公司将重点放在一种具体的用例上，例如将某呼叫中心网点的问题一次性解决率提高20%。此后，公司可以列举出所需数据的要求，例如客服代表的笔记、顾客的声音信息、路由数据、自动呼叫分配器信息等。多数组织缺乏完美的数据，但这不是拒绝行动的理由。相反，组织应该先从当前所拥有的数据着手，然后再不断地改善自身的数据。

公司如果希望借助高级分析来提高问题一次性解决率，那么可以先进行假设（例如电话被“路由”到错误的队列），然后分析数据来验证或否定各种假设。接下来，公司可以进行分析建模，对模型进行测试，评估测试结果并根据用户反馈来改进模型（在这个过程中要同IT部门和职能部门进行密切合作）。

最后，也是最重要的一步，就是在试点成功之后，公司可以在整个呼叫中心扩大应用范围，最大限度地发挥高级分析的潜能。为了让推广取得成功，呼叫中心各个网点的经理必须密切合作，汲取经验教训，并且在可能的情况下对分析用例自动化，以提高效率。

公司常常说要找到顾客的痛点，而呼叫中心就是很好的切入点，但多数顾客害怕同呼叫中心打交道。优秀的公司认为这是一个很好的机会，能够帮助自己在竞争中脱颖而出。但如果没有高级分析，他们就无法实现这个目标。很多公司早已经有了第一代的数据和分析，但它们同高级分析技巧和方法存在巨大的差异。这些新工具可以帮助公司更加准确地预测可能发生的事情，从而把控自己的未来。