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。
-
機(jī)器人
+關(guān)注
關(guān)注
210文章
27838瀏覽量
204574 -
AI
+關(guān)注
關(guān)注
87文章
28875瀏覽量
266199 -
大數(shù)據(jù)
+關(guān)注
關(guān)注
64文章
8805瀏覽量
136991
原文標(biāo)題:如何使用AI,機(jī)器人和大數(shù)據(jù)提高首次聯(lián)絡(luò)解決率
文章出處:【微信號:ctiforumnews,微信公眾號:CTI論壇】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論