浅析投诉分析三步曲

panjl | 2024年5月30日 | 2024年, 客世原创 | 评论已关闭 | 419

摘要：投诉分析是呼叫中心大数据挖掘、运用的一个重要场景，将投诉与运营接合，助力企业以投诉为抓手，推进产品、流程、技术提升，才能体现出“投诉是金”的价值。投诉分析包括：定义问题、结构化分析、结论及建议三步曲。

关键词：投诉分析、定义问题、结构化分析、结论及建议

投诉是用户对企业的产品或服务不满、失望的一种表达方式，能否将投诉信息充分利用起来体现了企业的成熟度，也将对企业的服务、营销产生深远的影响。将投诉与运营相结合，发掘其中的关联，这才能体现出“投诉是金”的价值。如何从投诉中掘金？关键是做好投诉分析。投诉大数据是投诉分析的基础。狭义而言，投诉大数据包括用户投诉时间、业务、处理情况、及时率、满意率等，广义而言，还包括用户的业务办理、触点记录、行为轨迹、偏好分析、NPS等。投诉分析就是将投诉大数据与业务、服务进行结合，通过相关方法，挖掘业务痛点、流程堵点、服务短板等问题，助力企业经营提升。笔者的经验显示，投诉分析除需要掌握必要的工具和技巧外，还需长期的经验积累。今天本文就来谈一谈投诉分析的话题。总体而言，投诉分析包括：定义问题、结构化分析、结论及建议三步曲。

一、定义问题。

定义问题就是把投诉分析问题的定义和边界弄明白，回答“我们到底在解决什么问题”，这是的第一步，也是最重要的一步。通常的误区有两个，一种情况是急于求成，因为没有时间而忽略了定义问题，或认为定义问题太过于低端，不值得浪费时间；另一种情况是根据经验想当然地认为问题的定义和边界就是什么样的。问题定义偏差当然会导致分析出现方向问题，最后可能答非所问。

投诉分析首先需要明确的是“4W”信息：What（分析什么投诉？）； When（取什么时间段对该投诉进行分析？）； Where（该投诉所涉及的地市是哪些？）； Why（为什么要分析？）。前三点好理解。投诉分析如果是命题作业（相关部门、管理人员要求做的分析），则第四点Why（为什么要分析？）不需回答。但投诉分析往往最有价值的是自选方向的专题分析，即分析人员基于海量的数据，自选分析方向，力争发现和解决一类问题。这样做的逻辑是投诉分析人员离大数据最近，且能够收集到较全面的各方面反馈，是指标、数据、业务等异动最灵敏的触点，应该发挥主观能动性，站在公司的高度，主动发掘并推动问题解决。显然，这里最关键的是投诉专题的选择，应该建立选题机制，即：从明确选题原则-提出备选命题-团队讨论-确定分析命题形成闭环流程。备选命题的选择可供参考的思路是：近期投诉中的焦点、难点问题；突发的申诉；KPI的弱项指标；一线普遍反映的问题；一段时间内快速变化的投诉等。

其次，投诉分析要定义清楚的问题是报告是写给谁看的？分析报告的需求者是上级领导，如《重复投诉分析》，领导所想了解的信息可能是数据变化趋势、KPI完成情况、有什么问题、责任部门有那些、解决问题需要投入什么资源、能为企业带来什么效益等；分析报告的读者是职能管理部门，如《某业务投诉处理流程调整前后对比分析》，他们则想了解投诉溯源的原因是什么、流程有什么问题、产品有什么瑕疵、需要哪些部门协同解决问题等；分析报告面对的是一线管理部门，如《某投诉节点不合格工单受理质量简析》，他们的需求可能是流程是否存在难以执行的问题、员工是否执行规范、员工的效能、效率是否有值得提升的地方；报告是写给班组长、一线人员的，如《某业务服务流程执行情况跟踪分析》，则需要重点强调做得好的地方有哪些、还有哪些不足、下一步怎么提升。所以不同的层级、部门、人员他们的需求、侧重点是完全不同的，在投诉分析报告动笔之前，应该与需求者（或可能的需求者）沟通，就问题定义达成一致，无法接触到需求者也应该进行头脑风暴或深度思考，杜绝不管三七二十一，洋洋万言，南辕北辙的情况。

二、结构化分析。

结构化分析就是基于大数据，对所定义的主题进行深入挖掘、论证，找出隐含的规律、问题的过程，这是投诉分析的主干部分。结构化分析可分为数据汇集和逻辑论证两步。

1、数据汇集。

数据汇集首先是收集与分析主题相关的数据。收集数据的方向包括：投诉系统中所包括的用户申诉内容、时间、频次、每个环节处理措施、用户反馈、时效性、满意度等；客户关系管理系统（CRM）中所显示的用户业务办理及取消的记录、用户类型、触点轨迹、渠道偏好、业务办理等；技术系统中提取的用户业务的技术指标、使用情况等。根据不同的分析需要，收集数据的范围可分为普查和抽样。普查是指全面收集与主题相关的数据，抽样是指普查样本过大，难以甚至不可能全面覆盖时，从调查对象的总体中随机抽取一部分单位样本进行调查，并根据样本调查结果来推断总体数量特征的一种非全面调查方法，虽然是非全面调查，但只要取样是随机的，也能反映整体情况。显然，普查最有权威性，但鉴于数据的海量性，抽查在投诉分析中仍然占有很大比例。

往往初步收集回来的数据是杂乱的、无序的、重复的，为了导出对分析有价值、有意义的数据就需要进行预处理。预处理是指对数据进行处理和转换，以提取有用的信息和特征，这包括数据清洗、去重、平衡、缺失值处理、异常值处理等。

2、逻辑论证。

逻辑论证就是根据整理好的数据，运用逻辑的方法得出分析结论的过程。逻辑论证是否有力决定了分析报告的说服力、价值。对逻辑论证的要求是思路正确、逻辑严密、方法正确。以下笔者根据经验列出四种常用的逻辑论证的方法。

（1）平均分析法。

平均分析法是指运用均值来反映总体在一定时间、地点、条件下某一数量特征的一般水平。如《某业务投诉处理流程调整前后对比分析》的分析方法就是对流程调整前后的投诉量、转派质量、重复投诉率、投诉处理满意率、投诉处理时长等主要指标按时间段同比进行对比，找出其中的差异，这里比较的就是流程调整前后的主要指标在特定的时间段的均值。平均分析法能从宏观的角度快速定位问题。

（2）结构分析法。

根据数据分析对象的特征，按一定的维度，把数据分析对象划分为不同的类型来进行比较研究。如《升级投诉分析及工作措施汇报》的研究方法就是全量列出升级投诉的各种原因，由于因素很多，所以需要通过每种原因的占比情况找出导致升级投诉的主要原因，并且对主要原因进行溯源和制订工作举措。

（3）假设验证法。

针对所溯源的投诉原因，根据经验先提出原因假设，再通过严谨的方法验证所提出的假设。验证假设的方法有求同法、求异法、求同求异法、剩余法、共变法。求同法是多个不同场合只出现了一个共同点，那么这个共同点很可能就是这个现象的原因。求异法是指一个现象在某种情况下出现在另一种情况下没有出现。两种情况除了这个不同的因素（现象）外其余都相同，那么差异因素很可能就是原因。求同求异法就是将事物分成两组，一组求同，另一组求异，两组结果进行对比。剩余法是指知道一个现象的所有可能原因，并且对可能的原因进行一一的排除，如果到最后只剩最后一个原因未排除，那么这个原因很可能就是这个现象的起因。共变法是指某个因素发生变化时，另一个因素也一直跟着这个因素变化。那么，这前一个因素就可能是后一个因素的原因。

如《某单位投诉处理时长过长原因分析》的研究方法首先是分析每个人员的平均处理时长，发现并非是部分人员的投诉处理时长过长导致，排除了个人的因素；又对投诉处理时长按业务维度进行分析，发觉很多业务都存在这个问题，又排除了难点业务的问题。通过多维度假设、分析后，发现投诉处理时长过长的工单有一个共同的原因：投诉处理人员未能在下班前处理完手中工单，未处理工单过夜甚至过休息日导致处理时长过长。锁定了问题后进一步头脑风暴，通过优化投诉工单的派单机制解决了这个问题。

（4）归纳法。

归纳法是通过观察一系列特定情况或事实来得出一般性结论的过程。如《重复投诉分析》的研究方法是找出重复投诉最主要的几个原因，以这些原因为代表提出重复投诉治理的方法和举措。

三、结论和建议。

结论是指通过分析、研究发现了什么？结论要求清晰、一针见血。如某投诉是由什么原因所导致的；某业务的投诉有无异常等。分析人员要敢于基于分析得出结论，切勿怕得罪人，遮遮掩掩。这还有一个误区是只分析，不做结论。要知道，结论往往是分析中最精华、最吸引人的部分，所以很多读者习惯于先看结论再看内容。而且结论还能在文章最后再次为读者梳理思路，强化观点，其作用是不言自明的。建议是指按照分析结论，要解决什么问题，需要采取什么举措？一般而言，建议需要符合SMART的原则。即：S(specific)明确的，具体的；M(measurable)可衡量的；A(attainable)可达到的；R(relevant)与公司战略、经营目标相关联的；T(time-bound)有时限要求的。能否提出切实可行的建议，通过建议方案实施真正解决了问题，分析的价值或许就在于此，这样才不会落入“空谈误国”的尴尬境地。再者，由于KPI考核的原因，一些管理者难免会“重营销，轻投诉”，只有通过投诉分析明确了解决了投诉问题有什么好处，才能让他们从内心真正重视投诉。

综上所述，投诉分析是大数据运用落地的重要场景。通过定义问题、结构化分析、结论及建议三步曲，将投诉与企业经营接合起来，以投诉为抓手，推动产品、流程、技术的改进，才能真正体现出“投诉是金”的价值。

作者陈浩,中国移动在线营销服务中心四川分中心。

本文刊载于《客户世界》文集2024第二辑•战略与创新。