2017年伊始,伴隨語音分析技術的不斷升級,服務行業正在醞釀一場新的技術更新。服務部門將有更真實,更有力的數據反饋用戶的聲音,推進服務改進和提升。
這是某企業部分重復來電的分析結果。管理人員能夠清晰地看到導致用戶重復來電的主要原因是流程問題,占比35%。 作為管理者,當我看到這張圖時,我最想知道影響用戶體驗的這些流程,到底是哪些流程呢? 帶著這個問題,我們繼續深入,把重復來電與流程、員工、產品交叉分析后發現圖中所呈現的主要業務中,有四種業務重復來電的占比在7%以上,其中(圖中的關注點)問題占比非常明顯,大約是14%,是其它業務類型的兩倍,我們就先分析此業務流程的優化空間。與此同時,另外一個數據引起管理者的注意,某個業務的靜音時長非常高,平均靜音時間五百秒。 針對具體的流程問題,我們找到相關部門負責人和骨干人員,一起探討和優化了流程,并制定流程優化和數據分析跟進方案,以確保優化后的流程可以解決35%的問題。 針對靜音時間,為了能夠快速發現問題員工,我們將靜音時間和通話時間進行分析交叉分析,結果發現問題主要集中在個別員工身上。透過數據,我們非常清楚地了解這些電話都是由哪些員工完成的,是哪個小組的員工,然后針對這些員工進行人員管理干預。 利用語音分析系統以上這些分析結果會比較容易的獲取,同時,完成的分析數據可以追溯管理,這樣就能夠看到流程改進的有效性。不僅如此,這種分析思路,以及錄音的標簽還可以用來分析投訴電話、未解決電話等不同的場景。這樣的效率和呈現的結果,在傳統質檢和服務質量管理中是不可能實現的。傳統的服務質量管理往往需要投入大量人力和時間進行專項監聽,然后提供分析報告。而語音分析將聲音進行結構化為服務管理帶來了福音,大大提升質量管理人員的工作效率的同時,也提高了客戶滿意度。 語音分析真切地幫助了管理者發現問題和解決問題,即,需要管理者投入更多的精力優化服務流程,比如:如何優化流程降低此某業務的重復來電;如何通過自助服務降低電話量,讓用戶有問題的時候能夠通過自助解決;如何提升培訓質量和效率,讓有問題的員工獲取及時的幫助和提升。 送走2016,永遠保持好奇和學習的心,帶著滿滿的祝福和期待,翻開用戶體驗時代的新篇章,迎來嶄新的2017.