当前位置:首页 > 技术 > 呼叫中心 > 客户服务 > 远传技术李虎:客户服务渠道领域的大数据与小细节

远传技术李虎:客户服务渠道领域的大数据与小细节

2013-10-16 14:28:13   作者:   来源:CTI论坛   评论:0  点击:


  由CTI论坛主办的2013中国客户联络与体验创新大会暨2013中国最佳呼叫中心颁奖典礼将于2013年10月16至17日在广州隆重举行,此次大会的主题是“联络、服务、体验、分享”,重点探讨以移动互联、大数据、云计算及社交媒体等为代表的新一轮技术变革之下,中国客户联络与服务体验的创新理念、技术和知识。在16日上午的“客户联络创新技术高峰论坛”上,杭州远传通信技术有限公司产品总监李虎做主题发言。


图:杭州远传通信技术有限公司产品总监李虎

  以下为发言实录,本文根据大会现场笔录整理,未经与作者确认。

  李虎:各位嘉宾大家上午好,在座有很多老朋友,在客户服务领域做的一些研究跟大家做一些分享。演讲内容包括这几块,从业务渠道现状分析。客户渠道包括各种各样的电子渠道,包括最常用的IV2,还有网上营业厅、微信、微博,客户活跃数不断地增加。一方面要提升客户的满意度,电子渠道更多是通过流程和界面和客户交互,我们怎么样能够在通过优化这些流程和界面,使用户通过电子渠道获得他的服务,需要我们对电子渠道有一个不断优化的过程。另外电子渠道相对的成本很低,我们更好地通过电子渠道进行分流,也是我们要解决的问题。这是一个运营商服务热线的运营状况,我们要解决的问题是怎么去获取这些数据,把这些数据转换为我们的知识,然后为我们的服务和营销提供保障。

  后面我借助领先的营运商的发展规划来看一下客户渠道的发展趋势。根据目前服务渠道发展趋势,像大数据、、超细分、微营销是发展的趋势,大数据更强调把这些数据关联起来,为后面的细分和营销提供数据支持。超细分更多是强调从客户不同的纬度进行分析,给客户提供个性化的服务,微营销在超细分基础上更多从服务渠道转为营销渠道,抓住触点营销的机会。在这里面需要投入的工作是非常多,这需要大家再朝这个目标进行。刚才提到触电营销怎么样在一个适合机会接入一些营销的手段,这可能成为客户的需求。我们通过这种用户接触的信息把客户的需求热点把握住,针对不同的客户比较偏好的渠道,我们在对应的渠道对特定的客户进行特定业务的营销。包括后面匹配的业务应用和营销时机,要产生一个很好的营销案,可能CPCD是我们要关注的一个重点。这是各个厂商以服务中心逐渐向销售或者以开放平台方式的规划。

  我们对这一块的思考以及怎么做实现这个目标。这里分三块,第一块是最基础一块,怎么获得用户完整的信息。现在各个渠道发展得很快,其实像IVR是很重要的渠道,怎么把IVR的信息记录下来,这个是需要我们要思考的。比如大厂商的用户量非常大,我们怎样样在获取完整业务信息的同时,尽量地压缩我们的数据量加快后面的存储和分析。这里面不单纯是信息,还包括各个渠道的信息,一个用户在网上浏览了信息,就会拨打IVR,如果IVR还没有解决就拨打人工,这是我们要解决的。怎么建立各个渠道的运营指标,这里面包括整个渠道层面也包括业务的层面还包括轨迹层面,让系统化层面设计能够完整的规划运营状况。原始数据可能太庞大了,我们通过这些指标把特征性的数据抽出出来,支撑客户标签的设置,为主题分析提供更好的支持。这个指标后面就是主题分析了,这样可以根据业务关注的重点来设出我们的主题,在某一阶段侧重于我们怎么优化这个用户体验。我们针对某个渠道,它做了一些推广活动,可能更侧重于营销模式的分析。这个主题已经设置各种各样的模型,结合这种业务主题找到合适的主题,这个对营销提供实际的支撑。最后到模型的评估,这里面涉及到一些模型的调整,这些模型怎么落地怎么实际去改善渠道用户体验,还有提升精准营销的准确度。

  左边这一块侧重的是数据源的问题,我们怎么样能够获取更完整的数据,能够支撑获取这种支撑和优化。这方面包括几方面的信息,比如说以IVR为例就包括用户的信息,它的用户是什么样的用户它的类型是什么样的?第二个包括它对应的轨迹,他可能办理多个业务,或者在同一个时段打了多个电话,这里涉及把最小的数据记录下来,为后面的存储提供支撑。我们在电子渠道办理不成功或者有疑问就换人工,我们反而可以在人工情况看一下,他打IVR后打人工的,我们要优化电子渠道里面存在的问题。最后结合营销渠道信息,在这次营销活动里我们有目标客户、投放时间、和存放率,这样结合营销信息来评估效果,以及对下面的营销方案提供支撑。基于这些数据有一个指标计算的过程,需要结合分析的业务。比如说针对业务的经营状况我们需要设置哪些指标,能够完整地刻画出方案,比如整体的运营状况。这样通过这些指标能够定量地刻画出运营状况,发现问题。发现这些业务,我们需要进一步地发现原因为这些业务办理不成功,就需要借助我们这些进行专题分析。我后面会举几个例子让大家了解整个过程。后面是我们现在考虑的专题,借助这些数据通过这些专题把需要的结果展现出来。这里面包括成长业务的优化。在电子渠道它承载了各种各样的业务,这里涉及几个问题,一个是渠道的匹配,像网站有视觉的效果,可以做一些营销或服务的业务IVR就比较适合。我们需要在业务和渠道有一个很好的匹配,在各个渠道也有一个成长优化的问题,比如你把哪些业务放在第一层哪些放在第二层,这个需要有一个层级的优化。业务本身需要有很多的优化的空间。比如说我们在IVR里面设置某个业务,为什么失败率会这么高,我们需要通过这个业务优化来重点分析的。下面的层级涉及到电子渠道后台的交互,往往可能是这些交互造成了办理的业务不成功,我们怎么实施地找到这些接口发现其中的问题,为我们的分析提供帮助。这是我们提到的细节问题,往往细节就是魔鬼。我们需要把这些细节问题找出来,才能够使这个业务更好地运用。这里就包括了客户满意度的分析,我们怎么结合客户满意度的调查数据,对客户进行回访、短信、语音调查,怎么把满意度的信息和轨迹信息结合起来,发掘客户在前段时间办理了什么业务导致对满意度比较差。第二转人工是我们分析的重点,我们尽量把用户留在电子渠道以降低业务的成本。通过转人工的分析我们往往发现到转人工的原因。业务关联通过轨道分析发现,用户会访问多个业务,这种业务的关联性对优化我们的菜单结构优化页面起到很大帮助,我们把业务关联模型找出来对精准营销起到帮助。我们在一些业务失败的接点就可以准确地接入,找到准确的时机进行回访,能够进一步把这个业务持续地进行。

  后面我就举几个简单的例子,这里面体现出用户数据量大,但它聚焦在细节上,但细节往往影响到整个用户的体验。这是一个原始图,一天会产生几个G的数据,从这些数据可以提取出业务指标还有节点指标。每个业务的情况和实施的情况,通过一些挖掘的模式。比如说办理失败的,我们通过成功失败放弃的分类,可以把这种用户行为分为三类,我们再通过这些指标把影响到成功率的三种情况进行分类。最终的结果可以发现有一些业务和这些指标没有关系,它的失败率就一直很高,这是我们要重点分析的。第二块有一些指标对成功率有影响,比如这些业务量如果小于8的时候成功率就很低,我们可以定位出问题的节点,然后进行针对性的优化。另外这种成功率很高可能就运行正常的。所以通过这种绝对数的方法把用户行为和用户体验进行分类,这样对我们找到一些需要优化的业务和接点进行下一步的工作。我们收集了半结构的数据,怎么有效地进行存储和利用,业务指标和接点指标怎么设置,影响变量是失败的变量,通过这些分析找到哪些是影响失败的关键因素,这样我们就可以找到存在的问题。关键是怎么建立业务主题,怎么去组织数据然后让这些模型发现我们想要获取的知识。因为做成绝对数是把这个数字做成两,一块用来分析一块用来学习的。这些模型只要能够合理地收集到需要的数据,设置于业务接近的主题,能够把这个呈现出来。做这类分析90%的工作,这个模型是5方面的。后面的工作把找到的问题转化为可以落地的方案去优化业务。有两个节点可能是引起我们放弃主要原因,通过这些节点分析,比如在这个业务里面有一个隐含的规则能查询近6个月,但没有播报会造成这里不断地重试,这里又要进一步优化。这个节点就告诉你当前可以查询的是什么,这样就可以减少在这个节点的重复收听。我们一般假定这个接口比较稳定,但是通过数据分析会推翻我们的假设,这样一个街口失败会比较高,然后这个调入的时间不会比较长。所以这个就是在分析中关注的细节。这是一个比较特性的案例怎么从大量数据发掘出影响用户很小的细节,但往往对业务的改善是非常显著的。这是优化案例的示例,这个模型肯定要重新运用,这样才能够有这种实际应用的简直,我们针对不同的业务分析得到不同的优化建议,这样得到分析的知识转化为实实在在的生产力。

  另外一个例子是比较有意思的,业务办理规则。特别针对这些服务渠道,它没有先后顺序,但在客户渠道存在一个先后顺序。比如他先办什么业务后办什么业务,这里更强调一个规则。我们通过这些序列的规则发现他在办理过程中是什么情况导致这种状况的出现。这个数据是我们基于原始的数据进行处理以后,因为原始的数据只有按键,我们可以把按键的信息转化为和菜单进行配对,每个人在一通电话里办理了哪些业务。比如说他这个业务有没有办成功,有没有转为上一级,这些对我们的很有帮助,我们应该怎么去使用它。下面是数据的举例,为什么有这么多用户在拨打,这是我们的虚拟规则能够发现的原因。把这些数据进行清洗和转化就可以转化为购物篮的数据,用这种关联模型来做分析。我们可以看到它是有顺序的,比如前面是呼入,他拨了五次再往后我们就知道这个用户在第一通里,然后放弃了。这样的话他又会进行第二次呼叫,这样我们就能够分析这些用户有这么多呼叫,这些业务之间相互之间有什么关联。这个是我们分析的一个结果,比如说知识度进行修整以后,只有在知识度的情况下这种频繁的模式才会展现出来。在前面的条件出现情况下,出现后面这种概率,为我们找到强关联的规则,通过这两个指标相应的规则就会展现出来。把这个数据收集完整后,就能够把它很好地表现出来,你的主题是怎样它展现的结果跟你的主题是密切相关的。比如说我们想了解用户保修业务失败会采取什么措施,把这个设置为条件,他还是通过拨打然后另外找一个措施继续他的业务。针对这部分客户怎么更好地设置我们的菜单,因为这两个东西往往放在不同的菜单层级,我们是不是可以考虑进行这种快速的跳转,我们可以关注他在转人工之前会办什么业务,这样的话我们从中能够找出他在转人工之前会进行哪些活动,这样避免他转人工,为菜单的设置提供更好的帮助。

  以上是我分享现在做的研究工作,谢谢大家!

分享到: 收藏

专题