基于大数据思维的呼叫中心量质管理模式探索

客户世界|孔屏 周学婧|2015-03-13

一、背景
关于呼叫中心运营质量与效率管理的方法已经日趋成熟，例如“PDCA循环”、“ 六顶思考帽”等方法的运用，而有待进一步思考和探索的是，如何突破传统，寻找呼叫中心运营管理的新思路。笔者所在广东移动客服（广州）中心，拥有超过1800名生产人员，每月服务的客户人次约500万，每次服务均涉及到客户短信满意度、首次问题解决率、通话时长、来电原因等各项运营数据，数据量若以服务人次的倍数增长来衡量，要做到各个指标以及量质的均衡是非常困难的，笔者认为，“大数据”思维是与呼叫中心运营特点最契合的新思路之一。

二、探索实践
通话均长是呼叫中心衡量服务效率的常见指标，反映平均每一通客户拨打热线人工的通话时长（单位：秒）；短信满意度则是表示客户对热线人工服务满意度比率，是反映客户满意程度最常见的指标；首次问题解决率是客户拨打热线后2小时内未重复拨打的比率，反映10086对客户问题的解决能力。将这三个常见运营管理指标结合起来，能够让运营更加合理、均衡。笔者运用大数据思维，建立“量质九宫格”管理模型，就是将量的指标（通话均长）与质的指标（短信满意度和首次问题解决率）结合管理，保质提效。

1.建立模型
建立 “量质九宫格” 管理模型，整合所有成熟技能人员超过1000万个数据，将人员按照通话均长(简称“ATT”)、质量划分成A/B/C三个等级，组合成9个类型。比如AA型就是质量好、ATT短的员工；那么BA型的就是质量好、ATT稍长的员工；CA型就是质量好、ATT最长的员工。

2.人员配型
结合员工ATT、质量数据，将每一个员工按照模型规则打上类型标签。配型结果显示，处于平均水平的BB型员工占比最高，达24%；质量A型、通话均长A型员工比例分别为30%、20%；双优AA型、双低CC型员工占比均为6%。

3.业务配型
对比类型间业务结构，找到每个群体的员工特点和缺点，以采取针对性管理提升方式。比如，CA与BA型员工对比，他的特点是业务相对熟练、更倾向于主动服务和一站式解决客户问题，他的缺陷就在与语言表达的精简性不足，不能够灵活运营一些辅助手段培育客户自助服务能力。

4.方法配型
每个类型员工均存在不同的问题与特征，那么，接下来我们针对每个类型员工设计不同的提升方案。

5.管理实践
首先采用目标管理的方式，对每个类型设定分解目标，并将目标按照每一个员工历史表现制定员工个人目标值。

然后，我们针对每个员工群体特性，从人员能力、业务能力提升两个方面着手开展工作。

6.实践成效
最终，经过3个月的运营实践，取得了良好的效果：
(1)ATT持续下降、质量持续提升：从9月起，连续3个月ATT下降8秒；同时，质量指标短信满意度、首次问题解决率持续创新高，达96.60%、89.32%，分别提升1.1pp、0.87pp。

(2)九宫格发展趋势良好：短ATT的A型人群数增长至1.5倍、同时优质量A型人群数增长75%。AA型短ATT、优质量人群数增长到2.9倍，CC型长ATT、低质量人群减少至0人，员工ATT最高降50 s、且首次问题解决率提升2.5pp。

三、总结
大数据思维法则：你的用户不是一类人，而是每个人。
在实践中我们给每一个员工设置标签、设置目标和提升方法，运用了大数据思维。但本实践仍属初步探索阶段，很多方面还需优化，也希望持续借鉴和学习各行业及行业内其他呼叫中心的经验，通过不断尝试、改进，精益求精，探索呼叫中心发展新方向。

作者单位为广东移动客户服务（广州）中心；本文刊载于《客户世界》2015年1-2月合刊；

转载请注明来源：基于大数据思维的呼叫中心量质管理模式探索

本文链接地址：http://www.ccmw.net/article/88921.html