呼叫中心質(zhì)量管理的6大科學(xué)問(wèn)題
許乃威 2007/11/12
這是"從統計學(xué)看質(zhì)量管理"的續篇,我們上一期從統計學(xué)角度講到了質(zhì)量管理,這一期我們不再講統計學(xué)公式,要從更宏觀(guān)的角度來(lái)看這些問(wèn)題。
筆者最近在演講時(shí),都會(huì )跟大家討論什么是心理的概率模型,什么是科學(xué)的概率模型。呼叫中心到處充滿(mǎn)了概率模型,像是排班和預測,就像是中央電視臺作天氣預報一樣,就是建立一個(gè)客戶(hù)來(lái)電的概率模型,然后利用這模型進(jìn)行預測。
心理的概率模型,就是似是而非的一些想法,最有名的代表就是莫非定律。莫非定律告訴我們,如果你擔心會(huì )有什么事情發(fā)生,那件事通常會(huì )發(fā)生,如果你很希望有件事發(fā)生,那通常都不會(huì )發(fā)生。
大家在排隊時(shí),有沒(méi)有覺(jué)得旁邊那一排,永遠動(dòng)的比自己這一排要快?但如果你換到了旁邊那一排,那一排就不動(dòng)了。而如果你不換,你站的越久,你越有可能是站錯了排。
這就是有名的莫非定律。
莫非定律是心理的概率模型還是科學(xué)的?
顯而易見(jiàn)的,是心理的。如果莫非定律是科學(xué)的,那天下豈不是要大亂了。
有一個(gè)有名的錯覺(jué),叫做“觀(guān)光客錯覺(jué)”。大家出門(mén)去玩,有沒(méi)有這種經(jīng)驗,要到目的地,覺(jué)得路途怎么這樣遙遠,好像走了好久好久,但從目的地要回家,同樣的一條路,感覺(jué)卻是快了很多。去的時(shí)候路途不熟,感覺(jué)比較久,回來(lái)走同樣一條路,路途熟悉,感覺(jué)比較快,這就是有名的“觀(guān)光客錯覺(jué)”。
“觀(guān)光客錯覺(jué)”是心理的概率模型,還是科學(xué)的?
大家幾乎都會(huì )說(shuō),是心理的。
不好意思,這是科學(xué)的。
科學(xué)家霍藍德在1930年就用科學(xué)的方法測量出來(lái)當人心理焦躁時(shí),生理時(shí)鐘就會(huì )走得特別快,當生理時(shí)鐘變快時(shí),外面的世界你就感覺(jué)變慢了。
生理時(shí)鐘的加速,也充分解釋了為何你的客戶(hù)打電話(huà)到呼叫中心,只是在在線(xiàn)等待了20秒,你覺(jué)得只是短短的20秒,他卻覺(jué)得等了2分鐘。
因為等待造成了生理時(shí)鐘的加速,讓客戶(hù)感覺(jué)這20秒特別的漫長(cháng)。
筆者真正的問(wèn)題要來(lái)了:
請問(wèn),質(zhì)量管理是心理的概率模型,還是科學(xué)的概率模型?
大家在情緒上,一定都會(huì )說(shuō),是科學(xué)的概率模型。
在理智上,也必須要說(shuō)質(zhì)量管理是科學(xué)的概率模型,萬(wàn)一它不是,那更大一個(gè)問(wèn)題就來(lái)了:
我們每個(gè)月發(fā)工資,都是利用質(zhì)量管理打出來(lái)的分數,當作獎勵或處罰的依據,如果質(zhì)量管理是心理的概率模型,這就代表質(zhì)量管理是沒(méi)有真正的科學(xué)根據,打出來(lái)的分數,跟擲骰子擲出來(lái)的結果是一樣的。
如果打出來(lái)的分數,跟擲骰子擲出來(lái)的結果是一樣的,座席員下個(gè)月發(fā)工資又被扣錢(qián)時(shí),她心里會(huì )服氣嗎?
如果質(zhì)量管理是心理的概率模型,整個(gè)績(jì)效考核制度還可以像是現在這樣存在嗎?
筆者必須要講一個(gè)很不幸的消息,就是筆者看過(guò)這么多的呼叫中心,至少90%以上的質(zhì)量管理,都是心理的概率模型,而不是科學(xué)的。
筆者列出來(lái)6大問(wèn)題,只要你的呼叫中心有違反了其中一條,從統計學(xué)的角度,你很可能打出來(lái)的分數,就沒(méi)有太大的統計學(xué)上的意義。
沒(méi)有統計學(xué)上的意義,并不代表你目前的質(zhì)量管理沒(méi)有發(fā)揮作用,只是它發(fā)揮的作用是在心理層面上的,是屬于恐嚇管理,它發(fā)揮的作用,不是科學(xué)管理上的,不是從數字化管理的角度出發(fā)的,因為評分出來(lái)的數據,從統計學(xué)的角度來(lái)說(shuō),“誤差太大”。
下面是這6大問(wèn)題:
1 抽樣數太少
筆者在上一期文章"從統計學(xué)看質(zhì)量管理"曾經(jīng)說(shuō)過(guò),如果你只用10通錄音檔的成績(jì)來(lái)計算某個(gè)座席員的質(zhì)檢分數,假設你打了85分,她真正的分數可能是分布在92分到78分之間,有12分的誤差范圍。
也就是說(shuō),如果只進(jìn)行10通錄音檔的抽樣,一個(gè)座席員的分數是90分,一個(gè)座席員的分數是80分,兩者相差了10分左右,但很可能這兩位的表現是一樣好的,因為這10分的差距,都還在誤差范圍之內。
也就是說(shuō),90分的那位座席員,她的分數會(huì )高于另外一位,很可能是因為“運氣好”的原因。
這也是很容易理解的,座席員為何對質(zhì)檢存在有不信任的感覺(jué)?因為大家普遍覺(jué)得質(zhì)檢分數存在高度運氣的成分,一整天服務(wù)的都很盡心盡力,但只要一通電話(huà)沒(méi)有服務(wù)好,這時(shí)莫非定律就再度發(fā)威,這通電話(huà)一定會(huì )被質(zhì)檢員給抽到。
座席員每天的電話(huà)都非常多,沒(méi)有辦法進(jìn)行全面的檢查,只能進(jìn)行抽樣調查。利用抽樣來(lái)調查母體的真實(shí)情況,抽樣數目越多,看到的誤差會(huì )越小。筆者說(shuō),抽樣數太少,那到底應該要抽多少通呢?
筆者將座席員按照質(zhì)檢分數大約分成了五個(gè)類(lèi)別,按照分數高低排列下來(lái),每個(gè)類(lèi)別的抽樣數目不同:
座席員類(lèi)別 |
樣本數目 |
A |
11 |
B |
27 |
C |
61 |
D |
96 |
E |
171 |
從這張表,大家看到了兩件事情,一個(gè)是每一類(lèi)的座席員要求的樣本數是不一樣的,另一個(gè)是從C類(lèi)開(kāi)始的座席員,要求的樣本數已經(jīng)超過(guò)了60通,高的驚人。
進(jìn)行抽樣調查時(shí),統計學(xué)有個(gè)有趣但很重要的特性,就是被調查的對象她的標準差不同,需要的樣本數不一樣。更簡(jiǎn)單講,一個(gè)好的座席員,她表現得很穩定,她只需要少量的抽樣,就能確認她的表現是否仍舊很好。一個(gè)表現很不穩定的座席員,你要確認她的表現是否仍舊很不穩定,你需要遠遠超過(guò)前面那位好的座席員的抽樣數目。
表現不穩定的座席員需要的抽樣數目過(guò)于驚人,每個(gè)月要抽60通以上的電話(huà),幾乎很少呼叫中心可以做到,因為成本過(guò)于驚人,這時(shí)有變通的辦法來(lái)確認座席員的表現,我們在以后幾期再來(lái)談這部分。
關(guān)于抽樣數的問(wèn)題,可以參考筆者上一期文章"從統計學(xué)看質(zhì)量管理"。
2 抽樣偏見(jiàn)
大部分呼叫中心都是使用人工抽樣,用人工方式來(lái)抽出錄音檔進(jìn)行評分,這時(shí)抽出的錄音檔,到底有沒(méi)有抽樣上的分布均衡,就是一個(gè)很大的問(wèn)題。
大家普遍都知道,要在抽樣時(shí)動(dòng)手腳,只要抽比較長(cháng)的電話(huà),或是月初和禮拜一早上的電話(huà),或是抱怨的電話(huà),這通錄音文件的分數一般就會(huì )偏低。
抽樣樣本在統計分布上是否有達到均衡,必須要進(jìn)行檢查,詳細內容也可以看筆者上一期文章"從統計學(xué)看質(zhì)量管理"。
3 質(zhì)檢員評分標準不一致
一個(gè)質(zhì)檢員打分打的寬松,一個(gè)質(zhì)檢員打分打的很?chē)溃瑑蓚(gè)人的標準不一致,打出來(lái)的分數就很難有一個(gè)比較的基礎。
要如何來(lái)檢查兩位質(zhì)檢員評分的標準是否一致呢?
筆者在之前的文章談過(guò)幾次,必須要做落點(diǎn)分布圖,比較兩位質(zhì)檢員的落點(diǎn)分布圖,就可以看出評分行為的一致性問(wèn)題。
4 檢測內容的非客觀(guān)性
質(zhì)檢評分表里面,主要有三種類(lèi)別:
業(yè)務(wù)準確性,態(tài)度,和效率。第一項是黑紙白字,是屬于客觀(guān)性的檢查內容,但態(tài)度和效率就屬于相對主觀(guān),往往質(zhì)檢員跟座席員發(fā)生爭吵沖突的,也就是這兩項內容的扣分。
質(zhì)檢員說(shuō),你這通電話(huà)態(tài)度不夠誠懇,講話(huà)語(yǔ)氣過(guò)于平淡,座席員說(shuō),我講話(huà)就是這德行,我已經(jīng)很誠懇了,我已經(jīng)很熱情了,不然你表演給我看看。
對于態(tài)度和效率這兩類(lèi)屬于主觀(guān)判定的檢查內容,在抽取的樣本數不夠的情況下,是造成座席員覺(jué)得質(zhì)檢評分完全是靠運氣決定的主要因素。有時(shí)遇到好客戶(hù),大家講話(huà)愉快,抽到這一通,分數自然就高,遇到刁難的客戶(hù),不管你怎么服務(wù),態(tài)度和效率這兩項的分數一定高不起來(lái)。
當座席員沒(méi)有辦法靠努力來(lái)贏(yíng)取分數時(shí),這種管理辦法的有效性自然大打折扣。
為了要對付態(tài)度和效率這兩項主觀(guān)性的檢查項目,筆者建議至少要用三個(gè)月的連續表現,才能稍微有效一點(diǎn)的進(jìn)行好與壞的判定。只單從一個(gè)月幾通電話(huà),就認為某甲的態(tài)度良好,某乙的態(tài)度欠佳,都是不科學(xué)的。
5 質(zhì)檢員的不作為
如果前面這四大問(wèn)題,不能說(shuō)服你質(zhì)檢作業(yè)很大部分是心理的概率模型,而不是科學(xué)的,第五大問(wèn)題,應該會(huì )更有點(diǎn)說(shuō)服力。
什么是質(zhì)檢員的不作為?就是質(zhì)檢員打分時(shí),有些錄音檔給了滿(mǎn)分過(guò)關(guān),但其實(shí)該通錄音檔是有問(wèn)題的。
質(zhì)檢員在評分時(shí),會(huì )不會(huì )放水?很多質(zhì)檢員其實(shí)不是故意放水的,但質(zhì)檢員每天都在龐大的壓力底下工作,她扣的每一分,都會(huì )有一個(gè)座席員不開(kāi)心,都會(huì )有一個(gè)可能的投訴。
筆者在客服論壇上看到一個(gè)很難笑的笑話(huà),它說(shuō),什么是質(zhì)檢員?就是大家要到她墳上吐口水還要排隊2小時(shí)的那種人,就是質(zhì)檢員(質(zhì)檢何時(shí)落到了這田地)。
因為這些龐大壓力,天天扣人工資,有時(shí)就會(huì )良心發(fā)現(套用座席員的話(huà)),有幾天就會(huì )放水,讓大家日子好過(guò)些。
放水,誰(shuí)都不得罪,每個(gè)人都快樂(lè ),只要不是天天放水,或是針對特定人放水,這種讓大家都快樂(lè )的事情,何樂(lè )而不為?
但放水行為,也就是質(zhì)檢員的不作為行為,對質(zhì)檢分數的扭曲卻是比什么都嚴重的,因為其它行為你還可以進(jìn)行誤差估計,心里還有個(gè)底,但放水行為你無(wú)從估計起,不能估計,就不知道你現在手中有的這些分數到底有多大的可靠性。
上一期文章筆者已經(jīng)講到了這問(wèn)題,但沒(méi)有談到要怎么檢測。
質(zhì)檢員的不作為,一定要想辦法進(jìn)行檢測,至少要對質(zhì)檢員指出這項問(wèn)題,盡量減少這方面行為的發(fā)生,不然座席員對質(zhì)檢是純靠運氣的想法是沒(méi)法打破的。
筆者寫(xiě)了一個(gè)放水行為偵測工具,用EXCEL寫(xiě)的,原理就是利用概率的計算。
我們舉一個(gè)例子:
某質(zhì)檢員在8月7號和8號這兩天連續12通錄音文件都沒(méi)有紀錄有任何錯誤,但9號和10號這兩天,連續12通錄音檔確有6通有錯誤。
這種情況發(fā)生的概率,用EXCEL算一下,是跟買(mǎi)體育彩票中六等獎的概率是一樣的。
也就是說(shuō),有可能是質(zhì)檢員放水行為造成的。
如果你有監控每個(gè)座席員每周的錯誤率的情況,質(zhì)檢員放水的情況就比較容易被偵測出來(lái)。
如果一個(gè)座席員這一周一個(gè)錯誤都沒(méi)有,下一周合格率卻只有50%,再一周的合格率又升到90%,再一周又只有60%,這樣大幅的震蕩,不是座席員表現的很不穩定,就是質(zhì)檢員的質(zhì)檢行為有異常了。
錯誤率的偵測,不只對座席員的服務(wù)起到很大的改善作用,對質(zhì)檢員的評分行為是否異常,也有很大的分析幫助,特別是錯誤率的穩定度。
6 質(zhì)檢員本身也不知道錄音檔里面有錯誤
如果上面五項原因都沒(méi)有辦法說(shuō)服你,筆者還有最后一項:質(zhì)檢員本身對業(yè)務(wù)某部分不熟,很認真做了質(zhì)檢工作,但該聽(tīng)出來(lái)的錯誤,因為本身的能力問(wèn)題,并沒(méi)有聽(tīng)出來(lái)。
下面這張表是某呼叫中心的案例:
質(zhì)檢員A |
質(zhì)檢員B |
質(zhì)檢員C |
||||||
錯誤類(lèi)別 |
占比 |
累積百分比 |
錯誤類(lèi)別 |
占比 |
累積百分比 |
錯誤類(lèi)別 |
占比 |
累積百分比 |
6 |
0.18 |
0.18 |
17 |
0.19 |
0.19 |
17 |
0.20 |
0.20 |
20 |
0.17 |
0.36 |
6 |
0.15 |
0.34 |
12 |
0.16 |
0.36 |
12 |
0.13 |
0.49 |
20 |
0.14 |
0.49 |
20 |
0.15 |
0.51 |
作者供稿 CTI論壇編輯
蕭昆龍:軟件服務(wù)化發(fā)展趨勢 以Salesforce.com為例 2008-04-18 |
蕭昆龍:呼叫中心人力優(yōu)化管理Verint Impact 360 2008-04-18 |
宏盛科技蕭昆龍:客戶(hù)服務(wù)的最新發(fā)展趨勢 2008-04-15 |
戴明控制圖中的6、9、12法則 2008-01-15 |
關(guān)鍵KPI指標的定義與參考標竿數字(下) 2008-01-10 |