呼叫中心數據價(jià)值分析應用攻略

　　近幾年來(lái)“大數據”一詞的熱度有目為睹，各行各業(yè)也都在根據自身特點(diǎn)和需求不斷探索符合不同行業(yè)特性的大數據分析應用。呼叫中心作為連接企業(yè)和企業(yè)客戶(hù)的溝通樞紐，其在日常運營(yíng)中也會(huì )獲取、使用、或者是產(chǎn)生大量的數據，雖然從數據的“量級”來(lái)看呼叫中心的運營(yíng)數據規模有限，然而對于呼叫中心自身的運營(yíng)管理乃至于企業(yè)來(lái)講這部分數據的價(jià)值卻是“無(wú)可限量”的。

　　呼叫中心的運營(yíng)數據按照數據格式劃分，包括：

　　是指可以使用關(guān)系型數據庫表示和存儲，表現為二維形式的數據。比如：用于體現呼叫中心日常運營(yíng)情況的運營(yíng)類(lèi)數據；用于記錄和呈現呼叫中心整體及個(gè)體（班組和個(gè)人）日常運營(yíng)結果的考核類(lèi)數據（KPI數據）；以及，基于客服人員日常受理記錄（工單）所形成的業(yè)務(wù)受理統計數據（二維形式）等。

　　是指數據結構不規則或不完整，沒(méi)有預定義的數據模型，不方便使用數據庫二維邏輯表來(lái)表現的數據，各種文檔、圖片、視頻/音頻等都屬于非結構化數據。

　　對于呼叫中心來(lái)講，特指客服人員與客戶(hù)的通話(huà)錄音數據，以及受理工單中的文本數據。以往采用傳統的人工質(zhì)檢、報表統計等手段，對于這些數據價(jià)值的分析利用僅是“冰山一角”，大量的價(jià)值信息有待挖掘。

　　以下，將對呼叫中心結構化數據和非結構化數據的挖掘分析及結果應用進(jìn)行詳細說(shuō)明。

　　對于結構化數據的分析應用攻略，其核心點(diǎn)在于構建呼叫中心的“數字化管理機制”，也即：

　　具體可拆解為以下三個(gè)動(dòng)作：

　　明確需要采集的數據體系，包括：運營(yíng)類(lèi)數據、考核類(lèi)數據、業(yè)務(wù)類(lèi)數據，并明確每一類(lèi)數據所要采集的數據種類(lèi)、數據名稱(chēng)、數據來(lái)源、計算方法、呈現模式等。

　　根據數據指標體系明細分類(lèi)，及每一個(gè)指標的數據規則，完成數據的自動(dòng)提取、加工計算和結果呈現。包括：

　　① 數據采集平臺-須建設統一的數據采集管理平臺。

　　② 數據采集規范-須建立數據采集規范，分別從技術(shù)側和管理側來(lái)確保采集數據的準確性、及時(shí)性和完整性。

　　根據完整版數據指標體系，將數據挖掘分析結果應用于以下幾個(gè)方面：

　　① 目標管理

　　② 結果管理

　　③ 預測管理

　　④ 策略管理

　　⑤ 內部相關(guān)部門(mén)/合作伙伴管理

　　以下將對“數據分析應用”的五個(gè)方面詳細打開(kāi)說(shuō)明。

　　明確每一個(gè)結果KPI指標的定義、計算方法、數據來(lái)源等，統一認知和理解。以“人工語(yǔ)音服務(wù)”結果KPI指標分解為例：

　　根據分解結果、完成數據采集，對呼叫中心的整體運營(yíng)工作進(jìn)行目標設定，并對目標完成情況進(jìn)行統一監控。以使用“可視化平臺工具”為例：

　　A. 根據上述分解結果，在可視化平臺工具后臺完成“數據邏輯”的規則設定，由工具自動(dòng)完成基礎數據的采集和加工計算環(huán)節。

　　B.將上述分解結果中的考核標準設為不同結果KPI指標的目標值，日常運營(yíng)結果數據則為實(shí)際值。

　　C.將實(shí)際值與目標值進(jìn)行比對，最終通過(guò)可視化平臺工具進(jìn)行“形象化”呈現（比如：以地圖“晴雨表”形式展現不同指標的達標情況）。

　　根據階段性運營(yíng)數據完成情況，及時(shí)調整并下發(fā)下階段目標值（即動(dòng)態(tài)目標值），須在數據采集分析平臺增加目標調整功能模塊，用于對呼叫中心運營(yíng)目標的調整管理。

　　對日常運營(yíng)數據及結果進(jìn)行分析監控，并設定相應告警機制，以及結果的傳達機制，督促呼叫中心管理人員及時(shí)采取措施。以使用“傳統方式（EXCEL表格）”為例：

　　根據所采集的數據，建立起對日常運營(yíng)結果的分析機制，對運營(yíng)結果實(shí)施精細化管理，確保呼叫中心持續提升運營(yíng)品質(zhì)和服務(wù)水平。

　　以“人工語(yǔ)音服務(wù)-接通率”指標分析為例：

　　A.已知條件

　　--CPH、時(shí)段進(jìn)量

　　為驗證有效排班對接通率的影響，CPH及時(shí)段進(jìn)量均為定值，比如：CPH9個(gè)，時(shí)段進(jìn)量50個(gè)。

　　--出勤率

　　為驗證有效排班對于接通率的影響，出勤率設為定值100%。

　　--排班遵循度

　　科學(xué)規范的排班其根本目的在于確保排班遵循度，即實(shí)際排班人數與應排班人數的比例，假設其從90%提升為95%。

　　B.計算原理

　　--通過(guò)排班遵循度計算實(shí)際排班人數

　　排班遵循度=實(shí)際排班人數/應排班人數X100%

　　實(shí)際排班人數=應排班人數X排班遵循度

　　當排班遵循度為90%時(shí)，實(shí)際排班人數=（50/9）X90%=5人

　　當排班遵循度為95%時(shí)，實(shí)際排班人數=（50/9）X95%=5.3人

　　--通過(guò)實(shí)際排班人員數量計算接通率

　　接通率=人工接起電話(huà)數量/呼入人工電話(huà)數量X100%

　　當人員數量為5人時(shí)，接通率=（9X5）/50X100%=90%

　　當人員數量為5.3人時(shí)，接通率=（9X5.3）/50X100%=95.4%

　　C. 推導結果

　　--當排班遵循度呈提升趨勢時(shí)，接通率呈提高態(tài)勢，為正比關(guān)系。

　　--有效排班可確保排班遵循度，從而最終可以直接保證接通率指標。

　　② AHT、CPH與接通率指標的關(guān)聯(lián)性分析

　　A.已知條件

　　--個(gè)體平均AHT數據

　　假設通過(guò)產(chǎn)能管理制度的制定和實(shí)施，個(gè)體平均AHT從400S降低至360S。

　　--個(gè)體平均工作飽和度數據

　　為驗證AHT變化對于接通率的影響，個(gè)體平均工作飽和度數據為定值，不發(fā)生變化，比如:90%。

　　--時(shí)段進(jìn)量數據

　　為驗證AHT變化對于接通率的影響，特取一個(gè)時(shí)段的平均進(jìn)量，且此進(jìn)量設置為定值，不發(fā)生變化，比如:10個(gè)。

　　--時(shí)段排班人數

　　為更加簡(jiǎn)單直觀(guān)的體現推導結果，假設時(shí)段排班人數為定值1人，且出勤率為100%。

　　B. 計算原理

　　--通過(guò)AHT計算CPH

　　CPH=3600/AHTX平均工作飽和度

　　當AHT為400S時(shí)，CPH=3600/400X90%=8.1個(gè)

　　當AHT為360S時(shí)，CPH=3600/360X90%=9個(gè)

　　--通過(guò)CPH計算接通率

　　接通率=人工接起電話(huà)數量/呼入人工電話(huà)數量X100%

　　當CPH為8.1個(gè)時(shí)，接通率=8.1/10X100%=81%

　　當CPH為9個(gè)時(shí)，接通率=9/10X100%=90%

　　C. 推導結果

　　--當AHT呈縮短趨勢時(shí)，CPH呈提升態(tài)勢，最終導致接通率提高。

　　--AHT與CPH為反比關(guān)系，CPH與接通率為正比關(guān)系。

　　A. 已知條件

　　--個(gè)體平均AHT數據

　　為驗證工作飽和度變化對于接通率的影響，個(gè)體平均AHT數據為定值，不發(fā)生變化，比如:360S。

　　--個(gè)體平均工作飽和度數據

　　通過(guò)受話(huà)管理制度的制定和實(shí)施，個(gè)體平均工作飽和度從90%提升至95%。

　　--時(shí)段進(jìn)量數據

　　為驗證工作飽和度變化對于接通率的影響，特取一個(gè)時(shí)段的平均進(jìn)量，且此進(jìn)量設置為定值，不發(fā)生變化，比如:10個(gè)。

　　--時(shí)段排班人數

　　為更加簡(jiǎn)單直觀(guān)的體現推導結果，假設時(shí)段排班人數為定值1人，且出勤率為100%。

　　B. 計算原理

　　--通過(guò)工作飽和度計算CPH

　　CPH=3600/AHTX平均工作飽和度

　　當工作飽和度為90%時(shí)，CPH=3600/360X90%=9個(gè)

　　當工作飽和度為95%時(shí)，CPH=3600/360X95%=9.5個(gè)

　　--通過(guò)CPH計算接通率

　　接通率=人工接起電話(huà)數量/呼入人工電話(huà)數量X100%

　　當CPH為9個(gè)時(shí)，接通率=9/10X100%=90%

　　當CPH為9.5個(gè)時(shí)，接通率=9.5/10X100%=95%

　　C. 推導結果

　　--當平均工作飽和度為提升趨勢時(shí)，CPH呈提升態(tài)勢，最終導致接通率提高。

　　--工作飽和度與CPH及接通率均為正比關(guān)系。

　　附注：

　　除上述“接通率”與過(guò)程因素指標的關(guān)聯(lián)性分析外，呼叫中心的指標有很多、相應的對于不同指標間的關(guān)聯(lián)性分析也是一個(gè)不斷探索的過(guò)程。在本人的另外一篇文章《如果數據會(huì )說(shuō)話(huà)：呼叫中心運營(yíng)指標關(guān)聯(lián)性分析淺析》中，則著(zhù)重對“員工效能和人力配比”指標間的關(guān)聯(lián)性進(jìn)行了分析論證，以客觀(guān)數據為基礎對呼叫中心的人力配置優(yōu)化及人員效能提升提供了現實(shí)依據。

　　1. 根據所采集的數據，建立起數據分析預測機制，分析預測未來(lái)某階段的趨勢數據，從而確保未來(lái)的運營(yíng)軌跡處在可監控、可預知態(tài)勢中。

　　2. 根據包括“客戶(hù)基礎屬性指標”和“客戶(hù)投訴根因指標”在內的完整“業(yè)務(wù)特征指標”，提取歷史投訴數據（包括：投訴工單、投訴錄音），通過(guò)數據分析技術(shù)，以時(shí)段、地域、品牌、業(yè)務(wù)為維度預測出投訴群體（數量）。

　　3. 對于不同類(lèi)型的潛在投訴，呼叫中心可在投訴發(fā)生之前，提前制定統一的服務(wù)策略，包括：統一應答口徑、統一處理流程、統一服務(wù)補救，以及加強品質(zhì)管理、適當調整績(jì)效策略等措施。

　　1. 將日常的運營(yíng)管理經(jīng)驗/方法固化為服務(wù)策略集，比如：

　　2. 在平臺上設置異動(dòng)指標閾值，當實(shí)際運營(yíng)數據達到閾值時(shí)自動(dòng)觸發(fā)相應服務(wù)策略，人工審核后自動(dòng)加載運行。

　　3. 對服務(wù)策略加載后的運營(yíng)KPI數據進(jìn)行追蹤，并修訂優(yōu)化原有服務(wù)策略集。

　　1. 根據所采集的數據，對除呼叫中心之外的內部相關(guān)部門(mén)/合作伙伴實(shí)施監控管理，以確保對外服務(wù)的一致性、及時(shí)性和規范性。

　　2. 設置相關(guān)部門(mén)/合作伙伴工作流程規范，通過(guò)系統對總部派發(fā)或者是一線(xiàn)客服提交的流轉工單處理情況進(jìn)行有效監控，對處理不及時(shí)、不規范的相關(guān)部門(mén)/合作伙伴進(jìn)行及時(shí)或者是定期通報，并將工單問(wèn)題解決率納入對相關(guān)部門(mén)/合作伙伴的KPI考核。

　　3. 對于同一類(lèi)型的工單，當未處理數量達到一定閾值時(shí)，可觸發(fā)更高層級的“督辦單”，并對“督辦單”的處理過(guò)程進(jìn)行監控（預警和告警），對處理結果進(jìn)行綜合評估。

　　一、 概述

　　對于非結構化數據的分析應用攻略，其核心點(diǎn)在于“用大數據傾聽(tīng)客戶(hù)聲音”，也即：

　　應用語(yǔ)音與語(yǔ)言分析核心技術(shù)，自動(dòng)將海量錄音轉寫(xiě)文本語(yǔ)句，并進(jìn)行文本分析，如關(guān)鍵詞檢索、篩選、歸類(lèi)等，挖掘提煉價(jià)值信息，并傳遞至公司相關(guān)部門(mén)，為產(chǎn)品創(chuàng )新、營(yíng)銷(xiāo)完善、網(wǎng)絡(luò )優(yōu)化等提供價(jià)值信息。

　　具體可拆解為以下三個(gè)動(dòng)作：

　　語(yǔ)音解析

　　文本分析

　　結果應用

　　1. 將客戶(hù)通話(huà)語(yǔ)音轉譯成可視、可檢索、可分析的文字，語(yǔ)音識別原理框架由三個(gè)重要部分組成：早期模型訓練，前端語(yǔ)音識別，后端識別處理。

　　2. 在語(yǔ)音識別的處理流程中，由語(yǔ)音檢測、語(yǔ)音分類(lèi)、聚類(lèi)、識別、自適應、重打分等模塊合在一起，最后得到最終結果，構成了完整的識別引擎系統。

　　3. 語(yǔ)音解析結果示例：

　　文本分析工具通過(guò)文本搜索、文本分詞、詞性分析、關(guān)鍵詞挖掘、語(yǔ)義聚類(lèi)、文本分類(lèi)等流程實(shí)現對文本的解析，核心功能包括：

　　1. 熱詞分析：通過(guò)文本分詞，過(guò)濾一些常用關(guān)鍵詞，將分詞結果以頻率方式呈現出來(lái)，了解熱點(diǎn)詞匯信息。

　　2. 歸類(lèi)分析：通過(guò)人工選定典型場(chǎng)景，根據場(chǎng)景文件篩選場(chǎng)景關(guān)鍵詞，通過(guò)有序或無(wú)序關(guān)鍵詞組合規則，實(shí)現對大批量文件的識別歸類(lèi)。具體操作步驟包括：

　　A. 一級熱詞分析結果說(shuō)明-流量類(lèi)業(yè)務(wù)是客戶(hù)關(guān)注的熱點(diǎn)。

　　B. 二級熱詞分析結果說(shuō)明：客戶(hù)關(guān)注度比較高的流量產(chǎn)品有:500M、30M、70M、100M等，同時(shí)對于贈送類(lèi)和疊加類(lèi)流量產(chǎn)品也較為關(guān)注。

　　C. 三級熱詞分析結果說(shuō)明：

　　A. 針對于客戶(hù)重點(diǎn)關(guān)注的流量產(chǎn)品，優(yōu)化營(yíng)銷(xiāo)政策，適當開(kāi)展精準營(yíng)銷(xiāo)，亦可利用呼入渠道開(kāi)展營(yíng)銷(xiāo)動(dòng)作。

　　B. 針對于咨詢(xún)且辦理了大額流量包，或者多次辦理疊加包的客戶(hù)，進(jìn)行重點(diǎn)分析（分析其當前資費套餐的匹配度），適時(shí)引導客戶(hù)進(jìn)行資費套餐升檔。

　　C. 通過(guò)各種方法進(jìn)一步提升客戶(hù)的流量使用習慣，拉升DOU值。

　　使用可視化平臺工具，將熱詞分析結果“形象化”展現，以下為示例：

　　應用語(yǔ)音與語(yǔ)言核心技術(shù)，自動(dòng)將海量錄音轉寫(xiě)文本，并對文本進(jìn)行規則篩選歸類(lèi)分析，最終形成價(jià)值分析報告定期傳遞到相關(guān)部門(mén)。

　　以下為示例：

　　A.前臺客服代表：幾分鐘內從成千上萬(wàn)條來(lái)電原因中識別客戶(hù)的來(lái)電原因很難，只好設定為“其它”。

　　B. 后臺處理人員：類(lèi)別不準影響效率，導致錯單。

　　C. 后臺分析人員：類(lèi)別不準無(wú)法統計，得出的結論可信度不高。

　　根據語(yǔ)音文本分析結果（規則篩選歸類(lèi)分析），提供來(lái)電原因選擇頁(yè)面，前臺客服代表通過(guò)手工輸入關(guān)鍵詞模糊查詢(xún)來(lái)電原因類(lèi)型，提高效率和準確率。

　　本文秉承“實(shí)踐應用”原則，對呼叫中心結構化數據和非結構化數據的挖掘分析及結果應用進(jìn)行了分析闡述，亦是作者本人日常工作中的“心得”積累，與行業(yè)同仁共勉！

　　未來(lái)，隨著(zhù)技術(shù)的發(fā)展和行業(yè)的變革，呼叫中心所使用或產(chǎn)生的數據內容將愈加豐富，數據價(jià)值也必將日益提升。因而，更需要持續不斷地進(jìn)行數據分析、深挖數據背后的價(jià)值信息，從而在不斷提升自身運營(yíng)品質(zhì)的基礎上，進(jìn)一步推動(dòng)呼叫中心由服務(wù)中心向價(jià)值傳導中心轉型，充分體現呼叫中心在企業(yè)發(fā)展中的核心驅動(dòng)力。