簡(jiǎn)單來(lái)講，呼叫中心的客戶細(xì)分有兩個(gè)目的：精益化運(yùn)營(yíng)和精準(zhǔn)營(yíng)銷。
精益化運(yùn)營(yíng)：麥肯錫曾經(jīng)有過(guò)一項(xiàng)調(diào)查，呼叫中心平均有51%的客戶來(lái)電是由14%的客戶造成的。而平常在項(xiàng)目中和上課跟學(xué)員交流的過(guò)程中也發(fā)現(xiàn)，很多呼叫中心每天的來(lái)電量里面存在想當(dāng)比例的重復(fù)來(lái)電，有的甚至高達(dá)30%以上。這14%的客戶是什么樣的客戶?有什么共同特征?如何針對(duì)這部分人群制訂相應(yīng)的服務(wù)策略以減少他們的來(lái)電請(qǐng)求?如何降低每天的重復(fù)來(lái)電占比?什么樣的客戶的什么樣的問(wèn)題適合什么樣的聯(lián)絡(luò)渠道去解決，如何把客戶導(dǎo)向最佳匹配的聯(lián)絡(luò)渠道?在運(yùn)營(yíng)成本本就局促的呼叫中心，這些問(wèn)題是每一個(gè)運(yùn)營(yíng)管理者不得不考慮的。
精準(zhǔn)營(yíng)銷：盲目的電話外呼營(yíng)銷在大多數(shù)接到電話的人的心目中已經(jīng)不再是一個(gè)正面的舉動(dòng)，面對(duì)客戶日益增強(qiáng)的抵觸心理和普遍不信任的社會(huì)環(huán)境，成功率普遍低下是不得不面對(duì)的一個(gè)問(wèn)題。即使通過(guò)短期非正常手段獲得了不錯(cuò)的轉(zhuǎn)化率，但客戶生命周期能否持久，流失曲線是否平緩，總體生命周期價(jià)值貢獻(xiàn)高低等問(wèn)題值得去深思。在這種情況下，經(jīng)過(guò)客戶細(xì)分后的精準(zhǔn)營(yíng)銷策略，則會(huì)顯著提高產(chǎn)品推薦的針對(duì)性和相關(guān)性，并最終提升轉(zhuǎn)化率、銷售額和利潤(rùn)率。而同時(shí)坐席的收入和成就感也會(huì)從中受益。例如，下圖中就展現(xiàn)了經(jīng)過(guò)客戶精準(zhǔn)細(xì)分之后的收益變化情況。從圖中可以看出，并不是呼出的越多你的收益就越高，而是在經(jīng)過(guò)對(duì)客戶的判斷與挑選后，用相對(duì)最少的呼出量而獲取最大化收益才是我們追求的目標(biāo)。
除了呼出營(yíng)銷，建立在良好服務(wù)基礎(chǔ)上的呼入營(yíng)銷近年來(lái)也越來(lái)越受到重視。交易的前提是信任，而持續(xù)一致的良好的服務(wù)品質(zhì)恰恰可以建立這種信任。在信任建立的基礎(chǔ)上，通過(guò)數(shù)據(jù)挖掘的支撐，為不同類別的客戶匹配他們最有可能購(gòu)買的產(chǎn)品和服務(wù)，客戶接受度要好的多，而轉(zhuǎn)化率和成功率自然也會(huì)得到提升。如果把這種服務(wù)營(yíng)銷一體化的運(yùn)營(yíng)機(jī)制再提升一個(gè)層次，嵌入到客戶經(jīng)營(yíng)和體驗(yàn)管理的循環(huán)圈中，則服務(wù)和營(yíng)銷會(huì)自然融為一個(gè)有機(jī)的整體，何愁呼叫中心的價(jià)值得不到體現(xiàn)。
那么如何進(jìn)行這種更精益化的客戶細(xì)分呢?大體上要從幾個(gè)方面去考慮：有沒(méi)有數(shù)據(jù)，有沒(méi)有工具，有沒(méi)有人才支撐，如何部署實(shí)施，如何檢驗(yàn)效果。而這些也正是整體大數(shù)據(jù)應(yīng)用需要考慮的問(wèn)題。
真正基于大數(shù)據(jù)的客戶細(xì)分一定會(huì)涉及到數(shù)據(jù)的深度與廣度的問(wèn)題。可惜的是現(xiàn)在呼叫中心數(shù)據(jù)管理是一個(gè)很讓人頭疼和復(fù)雜的問(wèn)題，且不說(shuō)各種運(yùn)營(yíng)指標(biāo)定義與算法的亂與泛，單就從系統(tǒng)后臺(tái)能不能取到完整真實(shí)的話務(wù)數(shù)據(jù)都是一項(xiàng)很大的挑戰(zhàn)。而客戶的細(xì)分不但需要話務(wù)數(shù)據(jù)，更重要的是需要把話務(wù)數(shù)據(jù)跟業(yè)務(wù)數(shù)據(jù)和客戶的社會(huì)背景信息統(tǒng)計(jì)數(shù)據(jù)結(jié)合起來(lái)，有一個(gè)全景的視圖，才會(huì)有更好的細(xì)分效果。而業(yè)務(wù)數(shù)據(jù)及客戶社會(huì)背景統(tǒng)計(jì)信息的記錄和獲取又會(huì)涉及到部門協(xié)作以及系統(tǒng)支撐的問(wèn)題。鑒于呼叫中心在企業(yè)中的地位，這種努力的結(jié)果也不是太樂(lè)觀。
工具問(wèn)題是相對(duì)容易解決的。最基礎(chǔ)的運(yùn)營(yíng)統(tǒng)計(jì)分析工作可以主要由Excel來(lái)完成。隨著Excel版本的不斷升級(jí)，其數(shù)據(jù)處理能力也在不斷攀升，甚至在一臺(tái)配置良好的機(jī)器上，利用Excel的PowerBI套件單機(jī)處理千萬(wàn)級(jí)的數(shù)據(jù)也不是問(wèn)題。真正涉及到客戶的聚類、分類、生存、流失、關(guān)聯(lián)推薦、異常偵測(cè)等分析時(shí)，有現(xiàn)成的專業(yè)化數(shù)據(jù)挖掘工具可供選擇，免費(fèi)的有R，收費(fèi)的有SPSS、SAS、Matlab等，只要企業(yè)預(yù)算允許，這些都不是問(wèn)題。而且隨著以Hadoop和Spark為代表的大數(shù)據(jù)處理平臺(tái)的崛起，基于私云與公云的各種專業(yè)化服務(wù)工具也是層出不窮，可以滿足不同的數(shù)據(jù)分析與挖掘需求。
人才是另外一個(gè)關(guān)鍵問(wèn)題。國(guó)外大數(shù)據(jù)圈子里曾經(jīng)流傳著這么一句話：Big data is like teenage sex,everyone talks about it,nobody really knows how to do it,everyone thinks everyone else is doing it,so everyone claims they are doing it。意思是說(shuō)，大數(shù)據(jù)就像十幾歲孩子的性話題，每個(gè)人都在談?wù)撍珱](méi)有人真正知道如何去做。每個(gè)人都以為其他人在做，所以每個(gè)人都聲稱他們?cè)谧觥？偠灾F(xiàn)在的大數(shù)據(jù)環(huán)境是談概念和趨勢(shì)的多，真正動(dòng)手去做的少，真正做出成果來(lái)的更少。這也就造成了真正實(shí)用性人才的缺乏，而且這種缺乏是全球范圍內(nèi)的缺乏。數(shù)據(jù)產(chǎn)生的速度和人們對(duì)它的潛力預(yù)期大大超出了成熟人才的供應(yīng)速度。對(duì)話呼叫中心來(lái)說(shuō)，只有兩條路，求助于IT或自己培養(yǎng)。求助于IT，往往得到的是最低優(yōu)先級(jí)響應(yīng)，而且很難把IT大牛們真正拉到業(yè)務(wù)場(chǎng)景里來(lái)，這需要企業(yè)管理和考核機(jī)制的變化;自己培養(yǎng)，則需要呼叫中心有足夠的耐心，全力的支持與協(xié)調(diào)和有競(jìng)爭(zhēng)力的薪酬水平能夠讓人才安心成長(zhǎng)與進(jìn)步，能不能等得急、留得住都是問(wèn)題。
置于部署和實(shí)施，只要可靠模型建立了，都不是什么大問(wèn)題。需要的只是根據(jù)每個(gè)周期的運(yùn)營(yíng)效果反饋不斷調(diào)優(yōu)和維護(hù)就行了。
而對(duì)于大數(shù)據(jù)支撐效果的檢驗(yàn)，最直接的莫過(guò)于觀察直觀指標(biāo)的變化趨勢(shì)，例如，客戶對(duì)服務(wù)的滿意度或NPS指標(biāo)是否在改善?重復(fù)來(lái)電占比是否降低?人工話務(wù)占比是否在下降?營(yíng)銷成功率是否上升?員工人均貢獻(xiàn)值是否在上升?員工流失率是否在下降等等。
需要切記的是，大數(shù)據(jù)雖然是強(qiáng)有力的運(yùn)營(yíng)支撐手段，但良好的服務(wù)品質(zhì)和高效的運(yùn)營(yíng)仍然離不開(kāi)呼叫中心的價(jià)值定位、服務(wù)導(dǎo)向、技能意愿雙高的員工隊(duì)伍、精細(xì)的運(yùn)營(yíng)規(guī)劃與實(shí)施以及合理充足的資源配置與支持。
京公網(wǎng)安備 11010502049343號(hào)