服務為先的當今社會,在任何領域都缺少不了服務人員這樣的崗位,無論是運營服務、線下市場,其實我們都可以統稱為服務人員。而客戶是否滿意是企業在發展過程中不可忽視的重要性指標。客戶滿意度在企業運營過程中是一個重要的衡量指標,一般情況下指提供服務的客戶的滿意情況。在大數據的驅動下,不難發現滿意度的提升,企業的營運指標也會有同步增長,兩者成正比的關系。文章中所提及的相關指標和內容適用于有電話、在線的服務模式企業或運營中心。
一、滿意度的獲取方法
企業在提供服務過程中,獲取客戶滿意度的方式有以下幾種:1)主動邀評:在服務事件完成之后,主動邀請客戶對服務進行評價;以及通過不定期的隨機回訪、探訪獲取到的服務評價。2)被動邀評:主要來源為客戶的投訴和訴求。二、滿意度怎么設置主動邀評中,滿意度的設置根據場景不同,而大致分為兩種:電話滿意度設置、在線滿意度設置一般情況下滿意度設置會采用5分制、3分制、滿意不滿意三種模式。以中小型企業的在線服務為例,啟用企業營銷QQ的小型企業,營銷QQ中提供5種設置。建議設置為分數,便于后期的統計和分析,分數設置為5、4、3、2、1五個分段。如是電話呼入,大多數呼叫中心都啟用了滿意度打分的設置,但是按照習慣來講,電話通話結束的時候,唯有小部分人會聽完所有IVR后按下選項,如果在服務過程中確實產生了不滿的情緒,那么客戶肯定會等結束之后去點最差的那個評價。且電話型的滿意度打分不建議設置為繁冗的分數打分以及長時間的IVR,一方面考慮到成本的問題,一方面也要考慮到客戶的非力度情況。所以建議電話打分設置為簡單的:不滿意、一般、滿意。同時為了更好的獲取到不滿意的數據和信息,建議將不滿意放第一位,從而進一步的改進整個服務流程和服務體系。三、滿意度的計算方法滿意度的計算方法有很多種,常見的算法非常簡單即為:滿意的事件個數/總獲取到的評價個數。在這里給大家的介紹的計算方法為不滿率。而不滿率并非為1-滿意度,眾所周知在整個服務體系中100-1=0的重要性,因為1個客戶沒有服務好,可能導致的結果是一個可怕蝴蝶效應,那么勢必需要將不滿的數據同比放大,才能進一步的得到隱性的不滿后果,且不滿率的計算方法可以將服務性指標精益求精。1)在線的不滿率計算方法按照上述的5分制,將不滿的數據等比放大,最終目標是100%滿意。舉個例子:一個呼叫中心中,某一個座席的考評月中或得到的評價次數為100次,而1分的有2次,3分的5次,4分的8次,5分的85次,那么該座席的不滿率計算方法是:(2*10+5*5+3*8)/100=69%,也就是說這個座席代表的不滿率高達69%。如果按照以往的計算方法,5分以下為不滿,那么該座席的不滿率為:15/100=15%。以上的兩種計算方法能很清楚看出具體的區別,第一種計算方法將客戶的隱性不滿也計算到了其中,而第二種算法只計算到了該座席的實際不滿率,從心理學角度來講,一個座席按照第二種算法,只要確保提升滿意的數值即可。而第一種算法座席需要想方設法的將自己的滿意度提升到100%而且不能有任何第一非常滿意的數值。2)電話的不滿率計算方法同樣根據上述的測量方法,將滿意度設置為三種,那么按照等比進行擴大:算法也同在線的計算方法。整個不滿率的計算,還要囊括回訪、拜訪、客訴三個方面的數據,而客訴的事件同樣視為不滿,也就是最低分值得數據,計算在座席的不滿率當中。在有了滿意度的數據后,企業應該根據實際情況進行進一步的調整和改進,同時如果涉及到考核,可以參考座席的評價率數據,綜合來考評一個座席滿意度乃至真個服務體系的滿意度。要想提升整個服務體系的滿意度,還需要一個步驟,將服務形成一個如下閉環,不斷地提升整個服務品質: 以上即為滿意度的綜合評定和測量計算以及數據運用的方式和方法,在大數據時代,需要數據驅動運營,數據推動服務,搭配合理的考核機制,讓整個服務再上一個臺階!