無(wú)論是聯(lián)絡(luò )處理數據，還是客戶(hù)交互內容數據，大部分客服中心每天都會(huì )有幾千、幾萬(wàn)甚至幾十萬(wàn)條。再加上企業(yè)數據平臺的支撐，客服中心可以獲取的數據其實(shí)是非常多的，也可以說(shuō)是海量的。但與此形成鮮明對比的是，大多數客服中心對于數據的分析與應用仍然停留在比較低的層次上，基本以日常運營(yíng)報表以及一些專(zhuān)項運營(yíng)分析為主，缺乏系統性、全方位的數據化運營(yíng)支撐與服務(wù)增值拓展。
客服數據的應用可以主要從三個(gè)層次上來(lái)展開(kāi)。第一個(gè)層次是對精益化、智能化運營(yíng)的支撐。利用每天積累的日常運營(yíng)數據觀(guān)察運營(yíng)現狀，發(fā)現運營(yíng)差距，探索規律、模式、場(chǎng)景、細節瓶頸與問(wèn)題根源，預測發(fā)展趨勢，進(jìn)而給出預防與矯正建議。AI服務(wù)的應用本質(zhì)上也離不開(kāi)數據的支撐。第二個(gè)層次是對精準化營(yíng)銷(xiāo)以及客戶(hù)增值經(jīng)營(yíng)的支撐。通過(guò)客戶(hù)標簽、畫(huà)像與分群，客戶(hù)需求探索，目標客戶(hù)定位，關(guān)聯(lián)及交叉營(yíng)銷(xiāo)設計，呼出與呼入營(yíng)銷(xiāo)監測與評估等，使營(yíng)銷(xiāo)更加精準、收益比更高、客戶(hù)感知與粘性更好。第三個(gè)層次是對企業(yè)整體的決策支撐。每一次客戶(hù)投訴與抱怨都是真實(shí)的VOC，每一通客戶(hù)聯(lián)絡(luò )中也都含有VOC的成分。根據結構化的顯性聯(lián)絡(luò )處理數據，把企業(yè)在品牌、產(chǎn)品、運營(yíng)、營(yíng)銷(xiāo)、市場(chǎng)等各個(gè)方面的所暴露出的問(wèn)題進(jìn)行歸納和整理；根據錄音、文本、視頻、圖片等非結構化聯(lián)絡(luò )數據，歸納和挖掘客戶(hù)顯性及隱性的問(wèn)題、意見(jiàn)、建議、偏好、傾向、情感、意愿等信息；然后推動(dòng)企業(yè)內部整體運營(yíng)循環(huán)的持續改進(jìn)與提升，贏(yíng)得客戶(hù)的持續認可與忠誠。
客服數據應用仍然存在不少障礙。第一是人才的匱乏。應用型數據人才是復合型人才，既要懂業(yè)務(wù)又要懂數據。由于客服行業(yè)的自身人才特點(diǎn)以及企業(yè)地位，往往會(huì )出現復合型數據人才培養難、吸引難、留不住的困境。第二是數據治理機制及數據質(zhì)量的問(wèn)題。現實(shí)中觀(guān)察到很多客服中心的數據崗位員工要花費大量的時(shí)間來(lái)整理、清洗和轉換不規范的數據，只有很少的時(shí)間可以真正用在數據背后的業(yè)務(wù)洞察上。第三是數據工具的使用問(wèn)題。時(shí)至今日，仍然有少數客服中心的EXCEL版本停留在2003版。對于除了EXCEL之外的其它更加高效便捷的諸如SPSS、JMP、R、SAS、Tableau、PowerBI等數據分析與挖掘工具了解很少。而即便在功能已經(jīng)非常強大的EXCEL面前，大多數人也仍然只是會(huì )用最基本的幾個(gè)功能而已。
總之，客服中心的數據運營(yíng)前景光明，但仍需打好基礎，緊扣運營(yíng)，次第提升。
