移動時代，呼叫中心考核亟待重新定義
加入技術交流群
[背景]
本文引用地址：http://m.butianyuan.cn/article/221007.htm呼叫中心始終是連接企業(yè)和市場、消費者的重要環(huán)節(jié)。其服務質量的優(yōu)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(tài)、即時反饋的消費特性對精準統(tǒng)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(tǒng)上，企業(yè)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(yè)的消費者感知造成潛在風險。
那么，什么原因造成了傳統(tǒng)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(xiàn)有的呼叫中心客戶滿意度優(yōu)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(yè)紛紛建立起一套統(tǒng)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(tǒng)計方法問題。
[正文]
衡量相關性常規(guī)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(shù)(即Excel里面常用的CORREL函數(shù))，從統(tǒng)計學的角度來看這個問題：皮爾森相關系數(shù)是對于符合正態(tài)分布的連續(xù)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(shù)據(jù)進行操作。其中滿意度的數(shù)據(jù)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(shù)，并不能代表員工的實際質檢成績，因此，由這些數(shù)據(jù)得出的皮爾森相關系數(shù)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(具體數(shù)據(jù)見附一)
據(jù)業(yè)內(nèi)水平，一個坐席一個月能被抽到的錄音數(shù)量約為20通。
統(tǒng)計學結論：本身通過抽查計算的質檢分數(shù)，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(shù)據(jù)計算相關性。
單通錄音打分表事例如下：
|
序號 |
客戶評價 |
能夠理解客戶需求 |
服務態(tài)度不惡劣 |
方案便捷、能夠解決問題【已客戶主觀判斷為準】 |
|
1 |
1 |
1 |
1 |
1 |
|
2 |
1 |
1 |
1 |
1 |
|
3 |
1 |
1 |
1 |
1 |
|
4 |
3 |
0 |
1 |
1 |
|
5 |
2 |
1 |
1 |
1 |
|
6 |
2 |
1 |
1 |
0 |
|
7 |
1 |
1 |
1 |
1 |
|
8 |
1 |
1 |
1 |
1 |
|
9 |
2 |
1 |
1 |
0 |
|
10 |
2 |
1 |
1 |
0 |
|
11 |
1 |
1 |
1 |
1 |
|
12 |
1 |
1 |
1 |
1 |
|
13 |
3 |
1 |
1 |
0 |
|
14 |
2 |
0 |
1 |
1 |
|
15 |
2 |
0 |
1 |
0 |
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(shù)據(jù)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%。
備注：此數(shù)據(jù)結論是基于200通錄音打分后的結果
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(yè)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(diào)上揚等，更不用說后臺的CRM錄入、流程的執(zhí)行、工單派發(fā)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(jīng)非常好了!
舉例：
評論