浅谈知识赋能时代客服中心的知识管理

panjl | 2017年6月28日 | 2017年 | 评论已关闭 | 1981

一、知识赋能时代

知识管理在经历知识资产化、知识社区分享两个发展阶段以后, 借力移动互联网和大数据技术的发展，终于到了知识赋能阶段。

知识赋能阶段的特点主要体现在三个方面：一是知识本身内涵的扩展，从传统的事后的知识到实时的知识；二是信息和知识数量的大爆发，这得益于连接数量的剧增，包括人与人、人与机器以及机器与机器的连接。有连接的地方即是产生知识的空间；三是对信息的分析处理和对知识的利用能力的空前增强，如对非结构化数据如文本，视频以及对海量数据处理能力的提升，以及机器智能研究如深度学习等领域技术的进展。

在知识赋能阶段，简单的文档存储，人与人之间对信息或知识的简单分享已远远无法满足客户服务的需求。为了实现客户和企业之间更好的双赢，我们必须实现组织整体服务智慧的进化升级，以整体系统化的解决方案应对大数据时代的服务价值创造和服务竞争问题。简而言之，知识赋能阶段，客服中心的知识管理不是传统纯粹意义上的对知识做管理，而是构建组织服务智慧自演进体系。

二、组织服务智慧升级的核心

组织服务智慧是什么？客服中心到底是否应该肩负企业组织服务智慧升级的使命和重任？如果应该肩负，又该如何实现组织服务智慧的升级以及可持续的自演进？

组织服务智慧的核心是组织对客户和服务的认知能力，具体包括对客户的认知，对自身服务能力的认知，对外部环境的系统认知等。组织的认知能力越强，其对客户的个性化服务能力越强，对自身问题的洞察和精确处理能力越强，对外部环境变化的反应越敏捷，越有效。

三、客服中心开展组织服务智慧升级的优势

部分中型尤其中大型，大型客服中心在组织服务智慧升级上具备先天优势。简述如下：

优势一：相比于其他部门而言拥有相对更加广泛和高质量的连接。广泛的连接不仅体现在连接的数量，也体现在形式的多样性。既有实体的连接，比如说系统、渠道，也有虚化的业务的连接，比如客户反馈的问题转告知给相关责任部门。高质量的连接则主要是因为客服中心直连客户，她的所有工作都是客户导向的，她的所有数据都是客户真实需求的反映。此外，连接意味着互动和反馈，意味着可以通过互动进行循环和优化。所以客服中心实际上拥有构建不断创新的服务和体验体系的能力。

优势二：拥有基于广泛和高质量连接产生的海量数据。这是客服中心能够成为驱动组织服务智慧演进和升级的核心优势。这些数据是客户在消费企业和客服中心所提供的服务的过程中产生的，跟企业的业务和服务直接相关，跟售前，售中，售后每个阶段相关，跟企业的核心驱动部门和执行部门相关。在技术手段可支持的情况下，我们能还原客户特征，能还原服务场景，能还原客户使用产品的场景，甚至能还原客户的情绪。

四、客服中心通过知识管理实现组织服务智慧升级和自演进的途径

在知识赋能时代，客服中心要通过知识管理实现组织智慧升级和自演进，必须做好以下两点：

(一) 更多更广泛的连接，形成开放的知识服务生态

更多更广泛的连接意味着更多的数据和知识。这是服务智能化和组织智慧化的基础。知识库不应是一个封闭的孤岛系统，不应是一个简单的导入和分析处理的文件系统，而应该是开放的知识服务平台，动态地连接所有产生数据和信息的来源并与他们互动，形成不断自演变的知识生态。这些来源应该更多地包含实时的交互系统，比如内部通讯工具，内部电子邮件系统，会议系统，学习系统，其他数据库等。所以生态本身通过连接实现融合，通过融合创造价值。

(二) 以智慧化的手段实现知识赋能

开放的连接生态有助于更多数据和信息的采集，但要实现知识赋能必须要利用和开发智慧化的手段，实现对数据和信息的全面采集整理，充分挖掘和利用，从而实现价值创造和传递的过程。

1、数据和信息采编的智能化

从客户服务需求和自身运营需要出发，构建更加自动和智能的数据采编体系，具体包括智能化数据获取，智能化信息审计和智能化信息采编等系统和机制。智能化数据获取机制可支持数据的自动化沉淀，按规则策略采集和人工采集等方式，以便在知识来源多，知识海量增长的情况下实现数据的获取。智能化信息审计包括信息自动去重，信息质量主动评审（如语法，格式，匹配规则等方面）。智能化信息采编是指通过事先的采编策略配置，对信息做自动或半自动的结构化处理和分析。

2、知识搜索的智能化

知识搜索是各部门员工主动知识应用的重点场景，在大部分客服中心是客服人员知识系统使用的核心场景。搜索的核心目的是找到目标问题的准确答案。搜索的关键衡量维度是“快”和“准”。传统的搜索方法如点击量，标签等可以提供一些参考，帮助缩小范围和提升效率，但效果有限。在有大量数据支持的基础上，基于实体连接的知识图谱技术可能成为搜索技术的重点研究方向之一。

(三) 数据、信息和知识的挖掘和分析

对数据，信息和知识的有效挖掘是知识赋能的关键。企业和客服中心应根据数据特点，引入不同的数据挖掘工具和挖掘方法，并根据客户服务和运营管理的需要设定挖掘分析的方向和主题，进行先尝试性后常态化的挖掘工作。

(四) 知识赋能——知识成果在各领域的应用

企业和客服中心通过挖掘和分析活动可以发现客户、服务、产品、流程、员工、市场等各方面有用的知识，包括客户的消费行为特征、服务的问题和感知情况、产品的优劣势以及员工工作上的问题等。

在客户侧，基于对客户的充分了解和行为的深度洞察，我们可以为客户提供精准性较高的个性化产品推荐和精准服务。在员工侧，我们可以基于对客户的深度了解为员工提供实时的服务和营销指导，包括沟通策略，引导话术，个性化开场白，结束语等。同样，我们可以基于对员工服务能力的洞察为员工提供个性化的自动知识推送服务和考试辅导服务。

在组织层级，通过对知识的挖掘，我们可以看到业务特点的变化趋势，组织整体的知识演进和对应的工作开展方向以及潜在的知识需求，并以此指导知识服务，培训工作和日常其他运营工作的优化。在部门层级，我们可以观察到部门能力的构成和发展情况，部门业务的变化情况，部门当前发展和待突破的瓶颈等。在岗位层面，我们可以发现各岗位工作所需的知识和技能构成要求和变化方向，了解员工当前的工作主题和学习方向等。

(五) 组织智慧升级和演进

企业或客服中心可通过持续的采集—挖掘—应用—反馈循环实现组织智慧的动态升级。这种动态升级是自动化和人工相结合共同促成的，既包括数据自动采集生长引发的数据体系膨胀，深度学习促成的深刻洞察和预测，也包括人或机器通过对知识的学习，应用和互动反馈形成的正向认知能力提升。

小结：开放的知识连接生态，适当开放的数据合作生态和对数据的分析利用能力是未来企业竞争的基础，也是知识赋能的前提。这个时代的竞争力，不是某个维度的竞争力，是组织和系统的竞争力。

本文刊载于《客户世界》2017年6月刊；本文作者尹银萍，作者单位为浙江远传信息股份有限公司咨询研究部。