基于大数据下的热线服务质量管理探索

编辑：夕照寺 | 2016年12月26日 | 文库, 行业要闻 | 评论已关闭 | 2047

移动互联网时代，呼叫中心面临着新的挑战和机会，“客户为根、服务为本”，基础的服务质量和客户服务感知仍是呼叫中心永恒不变的主题。如何能在大数据中迅速提取有用信息并加之利用，聚焦问题所在，有效推动问题解决，达到提升服务质量和客户感知目的是呼叫中心热线质量管理新的课题。下面结合笔者所在广东移动客服（江门）中心，谈一下我们在大数据下的热线服务质量管理思考和探索。

一、基于大数据下的热线服务质量管理思考

（一）传统的质检模式有其局限性

对比互联网化和大数据的体量大、覆盖面广、种类多、实时性强等特点，传统的质检模式存有明显的局限性：

1、覆盖率低、分析受限：传统质检运用随机采样、人工录音质检的方式进行，话务量大而受人工资源制约，目前质检覆盖率只能做到1%左右，质检结果存在一定局限性。

2、人工成本高、主观性强：传统质检分析是在标准下不同质检员学习、理解后输出的判断结果，不仅人工培育成本高，且不同人员之间判断具有主观性，输出的结果也可能有些差别。

3、时效性低、反馈问题不聚焦：传统质检模式主要通过事后监听、专项拨测的方式挖掘问题，一般是问题发生后才能发现；质检监控过程中发现的问题点不够聚焦，难以实时、有效地指导问题解决。

4、缺乏预见性：受质检样本量的局限，传统质检模式可能只是了解过程中某一环节的问题，缺乏预见性，无法准确判断存在问题对客户需求或客户感知的关联性影响，也无法帮助我们更好地找到服务优改的方向。

（二）海量的数据有庞大的价值

广东移动客服（江门）中心服务客户超过1000万，每月与客服10086接触数据在5000万以上（包括人工、IVR、电子渠道等），仅人工热线渠道接触量就超过120万；每通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，还有反映员工效能的工作量、一站式解决率、技能排名等，这些在日常运营中生成、累积的数据规模是如此庞大，我们的优势在于数据的体量。庞大的数据有着很强的关联性和指向性，如果加以开发和利用，进行针对性的监控、预警、跟踪，不仅可以综合反映服务质量和服务效能情况，还能帮助员工找到短板和提升方向，甚至还能通过数据变化和预警情况提前发现问题并解决问题，做到“先于客户发现问题，先于投诉解决问题”。

（三）质量过程控制理论的启发

休哈特博士的SPC控制图理论是质量管理方面一个重要的管理工具，其核心理论是借助数学统计方法对生产过程进行分析评价，根据反馈信息及时发现影响因素，并采取措施消除其影响，以达到质量控制的目的。回归服务本源，结合我们现阶段热线质量管理现状，从人员和业务两个角度出发，思考如何结合过程控制（SPC）理论设计基于大数据下的服务质量管理体系，如搭建重点业务精细化管理模型、人员健康度管理模型、服务质量数据监控模型等，实现问题发现和解决的闭环管理，做到先于客户投诉之前发现问题和解决问题。

二、基于大数据下的热线服务质量管理探索

在大数据应用方面,通常分为三个步骤:第一步,搜集数据;第二步,分折数据;第三步,根据数据分析结果做出决策。结合热线质量管理的四大流程：信息挖掘、问题反馈、实施改进、检查督导，我们在应用大数据提升服务质量方面做了一些探索。

（一）如何应用大数据做好“信息挖掘”，发现问题所在

大数据时代，决策行为将日益基于数据分析做出，而不是像过去更多凭借经验和直觉做出，面对海量的数据，关键是要做到“全面思考、聚焦重点”。现阶段我们的探索和实践主要是围绕公司关键绩效指标（Key Performance Indicators，简称KPI）之“服务一次性解决率”，重点聚焦与“客户感知”和“公司关注”相关的共10项指标数据（如工作量、通话时长、非常满意率、投诉话务比等），遵循“控波动、找原因、提举措、看成效”的管控思路，分别从业务和人员角度搭建《业务健康度管理模型》和《人员健康度管理模型》，通过数据建模和关联分析，模拟设计业务和人员健康度，监控健康度波动情况及走势，以达到预警和发现问题目的。

1、业务健康度管理模型

从业务角度出发，借助大数据“SPC数据统计法”对重点业务在热线运营端的各项数据进行分析评价及过程监控的模型，做到重点业务的事前管理。首先通过历史数据分析设定黄、橙、红三级预警标准，然后通过SPC控制图展现和判断，监控业务的健康度及走势的波动情况，发现指标异动点及时关注或预警，启动专项分析发现问题并制定对应优改措施。

三级预警标准：对业务相关的10项指标分别设定预警值，分别使用近1年该指标平均值的±2、3、4倍标准差σ来设定黄、橙、红色三级预警值，并通过按日、月动态预警值监控指标异动情况（如图1）。

SPC控制图判异：利用SPC控制图原理，结合业务每日10项指标数据情况（点）在控制图汇中的中心线（CL）、上控制线（UCL）和下控制线（LCL）之间的分布情况，对重点业务开展自动监控，并按照如下8个准则来判断，一旦发现指标异常立即按照内部质量管理流程启动专项分析并推动落实优化（如图2）。

准则1：1个点子落在红色区以外（越出控制界限）

准则2：连续9点落在中心线同一侧

准则3：连续6点递增或递减

准则4：连续14点中相邻点子总是上下交替

准则5：连续3点中有2点落在中心线同一侧橙色区以外

准则6：连续5点中有4点子落在中心线同一侧黄色区以外

准则7：连续15点落在中心线同两侧黄色区之内

准则8：连续8点落在中心线两侧且无1点在黄色区中

如上图“积分业务”情况：3月指标数据中“结果不满意”有一点落在红色区域（预警值）外，按准则1可判断属异常点，需引起关注；其中“首问率”数据连续有2点落在橙色区，按准则5判断属异常，如一个月内超3次异常点则对该项业务启动专项分析机制。

2、人员健康度管理模型

从服务人员角度出发，以服务质量情况和业务内容为基础，结合绩效考核数据，搭建人员健康度模型，分“实时版”和“事后版”，为人员管理提供数据参考和依据。目的有两个，一是实现通过模型发现优秀标杆人员和潜能人员；二是通过数据实现标杆人员自提升，同时能为潜能人员的帮扶提供依据，让员工管理更加精细化。

（1）实时版：提供当天截止当前时间累计的各项指标数据查询，以“网格化”数据方式呈现，一目了然，方便员工查阅和对比，实现即时数据支撑（如表1）。

（2）事后版：为员工提供整体的综合指标数据及服务质量情况查询支撑。根据同技能排名（综合质量）排名情况，将人员总体质量划分标杆、黄色预警、橙色预警和红色预警四个阶段；同时根据各项指标排名未达到定义要求（>80%）的情况，确定人员短板提升方向。

如表2员工（工号***5）4G业务非满排名97%、流量业务非满排名96%，则在总体质量表现栏中显示“红色预警”，在对应的服务提升方向表格中显示“4G业务非满、流量业务非满”，以此显示员工的短板和下一步业务提升方向。

标杆：按技能排名前10%

黄色预警：按技能排名90-95%

橙色预警：按技能排名后95-97%

红色预警：按技能排名后97-100%

（二）如何推动“问题反馈”，制定有针对性的优改措施

大数据的核心就是预测。借助《业务健康度模型》、《人员健康度管理模型》两套数据模型预判和定位问题所在，并迅速启动专项通过影子观察、客户画像、专项质检及调研访谈等方法收集影响因素，分析确定优化改进项，并制定针对性提升计划，形成《反馈元素表》、《问题跟踪计划跟进表》，推动各项计划措施有效落实。

影子观察法：围绕重点、热点业务流程，组织内部员工及亲友团开展客户服务体验，现场收集体验过程中各项感知。

客户画像法：结合客户标签与客户行为偏好，以一种朴素、简洁的方法描述客户信息及行为趋向，通过客户画像分析用户行为，先于客户发现问题解决问题。

专项质检：通过录音监听、电话拨测、员工访谈等监控手段开展专项质检分析。

形成反馈元素表及计划跟进表，明确向谁反馈、反馈内容、跟进人等要点，以“计划跟进表”形式将优改过程形成轨迹备案，这也是一种“大数据思维”的展现（如表3）。

（三）如何落实“实施改进”，达到服务质量提升目的

用数据发现问题在哪里、提升方向在哪里。针对表3中的各项问题明确各负责人，并迅速组建业务冲锋队，深入一线逐一分析各项问题产生原因，进行问题初步诊断和情况掌握，运用“六步法”思维制定改进提升计划方案。

通过对内流程优化、专项培训、短板攻关等多维度完善流程服务能力及强化人员服务技能。下面简单介绍我们质量提升体系“实施改进”环节的4个实践及应用：

1、业务强化：联动业务专家，开展服务流程诊断、业务场景梳理、话术口径优化，将业务强化成果上挂到内部知识库平台，方便一线人员查阅和使用。

2、意识提升：借鉴互联网“兜售参与感”原理，组织员工参与指标讨论会、业务沟通会以及班前会等，“我的业务我做主”，员工可以分享其业务学习、指标提升的方法并提出需求或建议等，通过此举可提升员工参与感和主人翁意识。

3、标杆学习：通过《人员健康度管理模型》收集优秀标杆，提炼优秀案例并开展优秀分享会；整理标杆员工“主动服务、礼貌用语、解释通俗易懂、确认客户需求”等服务方面小技巧，供全员学习。

4、短板攻关：开展短板业务攻关，并通过专项课程培训、班会传达、早课强化、一线公告等方式将业务攻关成果在一线落地；同时开展专项质检，监控后续执行情况和效果。

（四）如何开展“检查督导”，做好过程监督和反馈

过程监督和反馈是质量管理过程中关键一环。遵循4Y-PDCA的循环过程管理和目标管理思路，通过指标定量分析、服务体验定性对标等方法，对各项提升措施开展循环式检验。包括检验问题的是否及时解决、各环节工作的落实情况及目标达成效果等，形成《效果检查闭环链》（如图4）。为达到更好的开展效果，一方面我们会根据指标实际的提升情况，挖掘闭环链中执行未到位的问题加以分析和调整，同时我们会对有效的举措、方法或方案进行积累和沉淀，整理成“质量管理手册”便于后续经验分享和推广，做到真正的闭环管理。

（五）用大数据思维搭建并完善热线服务质量提升体系

服务质量管理是一个“信息挖掘、问题反馈、实施改进、检查督导”的闭环管理过程，环环相扣、层层推进，是一个体系化、整体性工作。在前期的思考和探索中，我们重点聚焦人员和业务，利用大数据创新地搭建了模型、图表，作为问题发现和质量提升的工具，取得很好的效果，达到了服务质量提升、客户感知提升和员工满意度提升的目的。实践中沉淀了一些方法和经验,部分已固化成制度或流程，对热线服务质量体系是一个很好的补充（如图5）。

三、小结与展望

“用数据说话、用数据决策、用数据管理、用数据创新”，在大数据思维引领下，通过数据化记录、融合化分析、实时化反馈、网格化呈现，我们迈出了精细管理、精准热线服务质量提升探索的第一步，但探索仍属初步阶段，很多方面还需优化和深入，任重而道远。大数据思维和手段的运用，将会成为热线服务质量提升最重要、最有力的推手, 有着无限想象的空间。

本文刊载于《客户世界》2016年7月刊；作者：叶健谋、李晓青、曾伟锋，工作单位为广东移动客服（江门）中心。