知识中台能力构建——运营评价组件

客户世界 | 2022年4月11日 | 2022年, 客世原创 | 评论已关闭 | 1162

知识中台的运营评价组件在知识报表和考评机制的基础上，面向知识运营者和应用方提供知识中台支持质量和价值的评价能力。从知识运营者视角看，希望通过运营评价组件客观了解知识流转关键环节的准确性、及时性、知识支持满意度，知识中台各组件对应用方是否发挥了应有价值。从知识应用方视角看，会更关注知识中台是否能顺畅高效支持到业务发展和客户体验交付，如通过对知识需求和供给的匹配优化是否带来人工服务解决率的提升，是否带来人工服务通话时长、持线时长、转接求助次数的降低、是否带来智能客服机器人应答能力提升等。

知识运营评价组件化能力可以围绕知识信息的全生命周期展开，我们把这个生命周期的知识采集、知识加工、知识审核、知识发布、知识应用这五个关键环节（图1）圈定出来，从知识运营者和应用者两种视角分别看知识运营评价组件如何建设才能帮助这两种视角有效评价这五个环节里各自的关注重点和差异。

图1：知识运营评价组件全生命周期

1、知识采集。

这个环节从考核评价角度看会涉及两个主要职责，即知识管理者和知识提供方。为了确保服务客户所需知识能准确、及时的流转到知识采集流程里，知识管理职责需要及时准确的触发采集流程。同样知识提供方也需要按知识采集流程和规范提供知识。这就需要建立评价关系，知识提供方作为知识产出角色，在知识提供的主动性或者意愿上相对来说会比知识管理角色低，所以这个环节中主要是知识管理对知识提供方的响应及时性和质量的评价。当然评价的前提是双方提前对规范和实效有明确约定，如发布新产品，产品部门须在上市前2周将产品详细资料，如功能、规格、使用方法等信息报备给知识管理职责，由知识管理团队根据各前台服务场景对新产品相关知识进行采集加工。这样就可以设定知识提供及时性、知识提供准确性来评价知识提供方对知识采集流程的执行度。

2、知识加工。

参与方主要为知识管理职责，知识加工环节基于对客户体验和业务/产品的理解，对采集的知识信息根据属性、适用场景等设计知识结构、拆解颗粒、展现形式和客户化转化描述等，对采集到的知识进行转化加工。比较核心的要求包括以客户听得懂的方式表述，即知识的客户化，适配各前台服务渠道对知识调用的颗粒和形式的加工。如知识管理职责收到产品部门发布新产品文档后，需要根据产品类知识结构采集对应知识，用客户更容易理解的语言描述，定义知识颗粒的应用属性等。

这个环节对应的评价主体更多落在知识管理职责上，可以设定知识加工规范性，及时性，准确性、知识内容点赞或点踩率等数据，或指标评价按流程收集到的信息是否及时、准确、规范的被加工成服务客户所需的知识，即知识加工及时率、抽检知识加工准确率、知识加工规范率。

3、知识审核。

完成加工的知识需反馈至信息源进行准确性审核，校验知识加工过程中对信息的删减、采集和客户化是否存在因知识编辑人员理解造成的偏差。知识运营团队内部也需设置审核岗位，对知识进行规范性审核，以确保经过加工的信息是否满足知识结构化、客户化呈现的要求，通过审核的知识方可进入发布环节。知识审核可通过知识审核及时率、抽检知识审核准确率等指标评价知识归属部门和知识管理职责在信息流管理层面的整体表现。

4、知识发布。

审核通过的知识由知识管理职责按流程和规范在知识库中供人工座席或者无人客服调用；在知识发布环节主要需要管控的是知识管理职责规范和及时的发布知识。这里的规范性指要有措施保证被覆盖范围内员工或其他渠道知晓有知识更新发布，即明确的发布渠道，在渠道内发布知识的标识、通知方式等。这个评价可以设定为知识管理职责内或者来源于知识实际应用者对知识管理职责的评价。所以知识发布环节的运转质量可以通过知识发布及时率、知识发布规范性来评价。

5、知识应用。

对于知识应用的效果评价侧重两方面，一是人工座席对知识的执行，也就是对于员工知识应用的行为管控，简单来说就是管控员工调用知识库作为服务方案交付的信息支持，而不是他记录的培训材料、主管告诉他的流程、持线寻求帮助的信息等；另一方面是自助、智能等前台渠道应用时来源于最终客户的评价，即通过各类知识展现界面提供给最终客户的知识是否真的有助于解决客户问题、客户获得所需知识的过程是否足够便捷顺畅，各服务界面中知识内容是否准确、一致等。

对于人工座席的执行的评价，设定明确指标的难度相对较大，建议更侧重在从员工应用知识给他带来的收益或者激励活动去引导，例如通过员工知识点击次数与质检成绩、平均处理时长、问题解决率等数据的相关性分析，让员工看到通过知识支持能给他带来质检成绩或工作效率的提升，进而间接影响员工应用知识的行为。当然也可以通过质控设定抽检项，检核员工是否依据知识库中知识或方案解答客户问题，在质检成绩中体现员工是否规范调用知识；或者也可通过挑错比赛、反馈激励等形式激励员工使用知识，参与知识优化的积极性。

对于智能、自助服务界面的知识评价，则侧重通过神秘客户体验，流程穿测、质控抽检、客户声音反馈等方式对各渠道中知识内容进行准确性和一致性检查，收集各服务界面中知识的应用BAD案例，用于反向推进知识采集、加工环节进行知识优化改善。如可由流程或质控团队追踪知识库中所有创建/修改的动作，是否在帮助中心、APP和智能机器人等渠道有相应体现，是否有问题反馈，让知识应用中反馈出来的未覆盖、不正确、不详尽、过期未停用、各服务界面间不一致等情况及时反馈至知识管理人员，实时在知识库中调整优化，形成持续改善机制。

在知识应用环节，还可以定期执行满意度调研，了解员工、客户在各类服务界面中获取知识费力度高和响应体验问题进行收集，分析，纳入到知识反馈流程中推动改善。