如何使用AI、機(jī)器人和大數(shù)據(jù)增加FCR

基于筆者在2018年4月的專欄“使用人工智能，機(jī)器人，大數(shù)據(jù)和分析來減少對支持的需求，作為客戶體驗（CX）領(lǐng)導(dǎo)者面臨的七大挑戰(zhàn)之一，今天我將討論如何面對第二個挑戰(zhàn)，即提高首次聯(lián)絡(luò)解決率（FCR）。

人工智能，機(jī)器人，大數(shù)據(jù)和分析的強(qiáng)大功能現(xiàn)在使我們能夠?qū)崿F(xiàn)“我們?nèi)绾卧诙鄠€渠道和接觸點創(chuàng)建和維持一致且令人敬畏的客戶體驗”這一整體目標(biāo)，從而提高可持續(xù)收入，實現(xiàn)更高利潤率，并維持更高水平的客戶滿意度和忠誠度。

讓我們深入探討第二個挑戰(zhàn)，即提高FCR。

經(jīng)過研究證實，聯(lián)絡(luò)中心和其他支持功能的首次聯(lián)絡(luò)解決率（FCR）是客戶滿意度的最大驅(qū)動因素。然而，大多數(shù)公司過分依賴平均FCR等點數(shù)統(tǒng)計，他們忽略了今天客戶開始查詢或在線搜索支持的事實，在IVR系統(tǒng)中失敗的事實，然后他們才會通過電話、電子郵件或聊天來聯(lián)系客戶服務(wù)代表。想一想：如果客戶無法在網(wǎng)上得到他們想要的東西，并且在IVR遭到挫折，那么他們與座席的互動是第三次接觸=非常不滿意，而且代價高昂！

客戶在座席級別了解FCR會不會更好，更令客戶滿意（哪些座席比其他座席有更高的解決率，哪些座席不會產(chǎn)生重復(fù)聯(lián)絡(luò)）？并找出第一次難以解決哪些問題，產(chǎn)生重復(fù)聯(lián)絡(luò)？并分析客戶在網(wǎng)站上啟動的FCR，并盡可能多地解決這些交互？最后一點還涉及我之前關(guān)于減少對聯(lián)絡(luò)中心需求的專欄，并在我的第一本書“最佳服務(wù)是無服務(wù)”和我的第二本書“客戶規(guī)則”的關(guān)鍵部分中整齊地聯(lián)系起來！

在這篇文章中，我將不討論如何定義和改進(jìn)IVR遏制，因為還有很多其他的地方可以找到方法。為什么增加FCR如此困難的一些原因，特別是在我提出的全渠道基礎(chǔ)上，包括：

（1） 渠道通常由不同的團(tuán)體或職能部門“擁有”；

（2） 渠道發(fā)展不協(xié)調(diào)；

（3） 渠道報告同樣不協(xié)調(diào)，存放在不同的數(shù)據(jù)庫中；

（4） FCR沒有單一的定義；

（5） 我們經(jīng)常依賴FCR的“平均值”，就像處理時間（AHT）等許多其他指標(biāo)一樣，而不是深入到座席級別或問題級別上。

最后一條是因為缺乏足夠精確的數(shù)據(jù)來預(yù)測績效，因為座席加入，被培訓(xùn)或離職，并且使問題或原因或多或少地變得復(fù)雜。

然而，通過使用AI，機(jī)器人，大數(shù)據(jù)和分析，解決這五個原因并跟蹤FCR的持續(xù)增長變得更加容易。我將回顧解決這個關(guān)鍵問題的五個步驟：“我們?nèi)绾晤A(yù)測重復(fù)接觸；第一次完全解決它們；并專注于開始重復(fù)接觸過程的問題，原因代碼和座席（或創(chuàng)建滾下山的”雪球“），以及能夠解決重復(fù)接觸的過程和座席（或”融化雪球““）？”

步驟1=在每個渠道和跨渠道定義FCR

正如所指出的那樣，對于FCR沒有一致的定義，并且周圍的內(nèi)容被稱為渠道不同的東西（網(wǎng)絡(luò)支持和IVR支持的“遏制”，聯(lián)絡(luò)中心的FCR平均值）。讓我們首先使用相同的術(shù)語來表示重復(fù)的，未解決的聯(lián)系人（“雪球”）；在網(wǎng)站上開始客戶啟動的地方；并發(fā)送平均值以達(dá)到座席和問題級別。我們可以通過多種方式定義FCR，最受歡迎的是“同一個客戶在7天內(nèi)沒有再次與我們聯(lián)系”；然而，通常引用的“聯(lián)系人”是在聯(lián)絡(luò)中心，而不是在所有渠道上，也不是從網(wǎng)絡(luò)上開始。因此，讓我們將FCR定義為“同一客戶沒有因為任何渠道中的同一問題在4天內(nèi)再與我們聯(lián)系，”，更嚴(yán)格的時間表等同于客戶更大程度的不耐煩。

步驟2=在座席和問題級別收集FCR數(shù)據(jù)點

這一步驟大大提升了大數(shù)據(jù)的力量，以“混搭”無數(shù)的數(shù)據(jù)源，并整理出具有最高預(yù)測價值的數(shù)據(jù)源。這是我們在所有問題上擊倒“平均”FCR和整體FCR的地方；相反，我們需要收集所有渠道，座席和問題的數(shù)據(jù)點，問題=客戶語言中的一組有限的“原因代碼”，例如“我的退款在哪里？”或“我如何獲得另一個過濾器？”您會發(fā)現(xiàn)該網(wǎng)站的FCR非常低（我們經(jīng)?？吹狡骄W(wǎng)絡(luò)支持FCR約為30％?。?，值得密切關(guān)注，使網(wǎng)絡(luò)支持變得簡單。您會發(fā)現(xiàn)某些問題的FCR非常低，可能是因為政策混亂（參見步驟4），有些問題可能接近100％FCR，因此不太注意修復(fù)。

通過構(gòu)建一個輸入--輸出表來顯示哪些座席解決問題，哪些不解決問題，您最終可以超越平均值并將座席匯總到他們的團(tuán)隊中以生成基于管理員的FCR結(jié)果。在這里你會看到一些座席的FCR低于50％，拉低了整體平均FCR，可能是因為培訓(xùn)不足（參見步驟4），有些幾乎是完美的100％，值得你持續(xù)保持對他們的關(guān)注。

步驟3=在座席和問題級別可視化FCR數(shù)據(jù)

現(xiàn)在是有趣的部分......將粒狀FCR數(shù)據(jù)點加載到清晰且可操作的模型中。幾年來，我的團(tuán)隊一直在使用Microsoft PowerB I，Qlik或Tableau等工具構(gòu)建這些模型，還有其他可用的可視化工具。最好將輸入，趨勢視圖和“所有者”顯示與所有者=負(fù)責(zé)開發(fā)或改進(jìn)影響FCR的流程和系統(tǒng)的高管結(jié)合起來。

步驟4=測試預(yù)測模型以增加FCR

通過步驟2中發(fā)現(xiàn)的一些假設(shè)，使用AI，您可以找到FCR可能驅(qū)動程序的原因和結(jié)果，例如重新設(shè)計的Web支持頁面，新培訓(xùn)，簡化的知識共享頁面以及對座席的反饋（以便每個人都可以看看他們的工作如何影響客戶滿意度）。您還可以開始預(yù)測哪些客戶和問題可能是雪球，使勞動力管理能夠?qū)⑺麄兟酚傻礁鼘I(yè)的座席那里，這些座席具有融合雪球的成熟技能。

第5步=慶祝成功（并推下加速器）！

在最后一步中，您將能夠識別能夠解決更多聯(lián)系人的座席，而不是送雪球下坡，開發(fā)人員能夠增加WebFCR，以及可視化專家能夠?qū)⑺羞@些都集中在一起。然后，您可以從這些成功中學(xué)習(xí)，并建立在它們之上，進(jìn)入持續(xù)改進(jìn)的良性循環(huán)當(dāng)中。

通過遵循這五個步驟并使用AI，機(jī)器人，大數(shù)據(jù)和分析，您將增加FCR并提高客戶滿意度。你還會：

避免在座席和問題級別使用更精確的數(shù)據(jù)點的“平均值”瘟疫；

降低客戶支持成本；

讓導(dǎo)致問題的“所有者”深入了解解決方法并采取最佳行動。