如何使用AI,机器人和大数据提高首次联络解决率

来源:
浏览次数: 170

   基于笔者在2018年4月的专栏“使用人工智能,机器人,大数据和分析来减少对支持的需求”,作为客户体验(CX)领导者面临的七大挑战之一,今天我将讨论如何面对第二个挑战,即提高首次联络解决率(FCR)。

如何使用AI,机器人和大数据提高首次联络解决率
  人工智能,机器人,大数据和分析的强大功能现在使我们能够实现“我们如何在多个渠道和接触点创建和维持一致且令人敬畏的客户体验”这一整体目标,从而提高可持续收入,实现更高利润率,并维持更高水平的客户满意度和忠诚度。
如何使用AI,机器人和大数据提高首次联络解决率
  让我们深入探讨第二个挑战,即提高FCR。
  经过研究证实,联络中心和其他支持功能的首次联络解决率(FCR)是客户满意度的最大驱动因素。然而,大多数公司过分依赖平均FCR等点数统计,他们忽略了今天客户开始查询或在线搜索支持的事实,在IVR系统中失败的事实,然后他们才会通过电话、电子邮件或聊天来联系客户服务代表。想一想:如果客户无法在网上得到他们想要的东西,并且在IVR遭到挫折,那么他们与座席的互动是第三次接触=非常不满意,而且代价高昂!
  客户在座席级别了解FCR会不会更好,更令客户满意(哪些座席比其他座席有更高的解决率,哪些座席不会产生重复联络)?并找出第一次难以解决哪些问题,产生重复联络?并分析客户在网站上启动的FCR,并尽可能多地解决这些交互?最后一点还涉及我之前关于减少对联络中心需求的专栏,并在我的第一本书“最佳服务是无服务”和我的第二本书“客户规则”的关键部分中整齐地联系起来!
  在这篇文章中,我将不讨论如何定义和改进IVR遏制,因为还有很多其他的地方可以找到方法。为什么增加FCR如此困难的一些原因,特别是在我提出的全渠道基础上,包括:
  (1) 渠道通常由不同的团体或职能部门“拥有”;
  (2) 渠道发展不协调;
  (3) 渠道报告同样不协调,存放在不同的数据库中;
  (4) FCR没有单一的定义;
  (5) 我们经常依赖FCR的“平均值”,就像处理时间(AHT)等许多其他指标一样,而不是深入到座席级别或问题级别上。
  最后一条是因为缺乏足够精确的数据来预测绩效,因为座席加入,被培训或离职,并且使问题或原因或多或少地变得复杂。
  然而,通过使用AI,机器人,大数据和分析,解决这五个原因并跟踪FCR的持续增长变得更加容易。我将回顾解决这个关键问题的五个步骤:“我们如何预测重复接触;第一次完全解决它们;并专注于开始重复接触过程的问题,原因代码和座席(或创建滚下山的”雪球“),以及能够解决重复接触的过程和座席(或”融化雪球““)?”
  步骤1=在每个渠道和跨渠道定义FCR
  正如所指出的那样,对于FCR没有一致的定义,并且周围的内容被称为渠道不同的东西(网络支持和IVR支持的“遏制”,联络中心的FCR平均值)。让我们首先使用相同的术语来表示重复的,未解决的联系人(“雪球”);在网站上开始客户启动的地方;并发送平均值以达到座席和问题级别。我们可以通过多种方式定义FCR,最受欢迎的是“同一个客户在7天内没有再次与我们联系”;然而,通常引用的“联系人”是在联络中心,而不是在所有渠道上,也不是从网络上开始。因此,让我们将FCR定义为“同一客户没有因为任何渠道中的同一问题在4天内再与我们联系,”,更严格的时间表等同于客户更大程度的不耐烦。
  步骤2=在座席和问题级别收集FCR数据点
  这一步骤大大提升了大数据的力量,以“混搭”无数的数据源,并整理出具有最高预测价值的数据源。这是我们在所有问题上击倒“平均”FCR和整体FCR的地方;相反,我们需要收集所有渠道,座席和问题的数据点,问题=客户语言中的一组有限的“原因代码”,例如“我的退款在哪里?”或“我如何获得另一个过滤器?”您会发现该网站的FCR非常低(我们经常看到平均网络支持FCR约为30%!),值得密切关注,使网络支持变得简单。您会发现某些问题的FCR非常低,可能是因为政策混乱(参见步骤4),有些问题可能接近100%FCR,因此不太注意修复。
  通过构建一个输入--输出表来显示哪些座席解决问题,哪些不解决问题,您最终可以超越平均值并将座席汇总到他们的团队中以生成基于管理员的FCR结果。在这里你会看到一些座席的FCR低于50%,拉低了整体平均FCR,可能是因为培训不足(参见步骤4),有些几乎是完美的100%,值得你持续保持对他们的关注。
  步骤3=在座席和问题级别可视化FCR数据
  现在是有趣的部分......将粒状FCR数据点加载到清晰且可操作的模型中。几年来,我的团队一直在使用Microsoft PowerB I,Qlik或Tableau等工具构建这些模型,还有其他可用的可视化工具。最好将输入,趋势视图和“所有者”显示与所有者=负责开发或改进影响FCR的流程和系统的高管结合起来。
  步骤4=测试预测模型以增加FCR
  通过步骤2中发现的一些假设,使用AI,您可以找到FCR可能驱动程序的原因和结果,例如重新设计的Web支持页面,新培训,简化的知识共享页面以及对座席的反馈(以便每个人都可以看看他们的工作如何影响客户满意度)。您还可以开始预测哪些客户和问题可能是雪球,使劳动力管理能够将他们路由到更专业的座席那里,这些座席具有融合雪球的成熟技能。
  第5步=庆祝成功(并推下加速器)!
  在最后一步中,您将能够识别能够解决更多联系人的座席,而不是送雪球下坡,开发人员能够增加WebFCR,以及可视化专家能够将所有这些都集中在一起。然后,您可以从这些成功中学习,并建立在它们之上,进入持续改进的良性循环当中。
  通过遵循这五个步骤并使用AI,机器人,大数据和分析,您将增加FCR并提高客户满意度。你还会:
  • 避免在座席和问题级别使用更精确的数据点的“平均值”瘟疫;

  • 降低客户支持成本;

  • 让导致问题的“所有者”深入了解解决方法并采取最佳行动。



      原文网址:http://customerthink.com/how-to-increase-first-contact-resolution-with-ai-bots-and-big-data/


  • 相关资讯 More
  • 点击次数: 105
    2021 - 07 - 26
    我们现在生活在这样一个世界:人工智能(AI)了解人们的情绪和情感,因此做出明智和数据驱动的决策,目的是通过个性化提高客户参与度。  个性化始于同理心。要实现这一目标,超个性化企业必须首先了解客户的行为和意图,然后以情感上适合具体情况的方式进行先发制人和主动干预。在这样做时,面向客户的员工必须缓解问题,并根据客户的行为和兴趣提供个性化的服务或信息。  然而,个性化的努力往往缺乏同情心,这在以情感方式与客户联系时至关重要。当企业通过理解客户对他们的行为和沟通方式的感受和原因,将同理心融入到他们的工作中时,它将有助于为更大的个性化开辟道路。  这种更高层次的个性化源自捕捉和倾听客户反馈。创造这种以人为中心的人工智能交互,优化人工智能和人类之间的关系,增强人类的同理心,将为促进同理心驱动的客户参与提供更大的机会。  人工智能增强了人类的参与  当我想到联络中心或客户服务中的同理心时,我立刻想到21世纪初出现的Zappos在线服装零售商,它是第一家围绕同理心和倾听客户意见建立服务组织的公司之一。当客户联系Zappos的联络中心时,当时的座席并不依赖于脚本式的对话,也没有试图推销。这在很大程度上是由于在线零售商没有通过平均呼叫处理时间来衡量他们的表现。取而代之的是,座席的表现是通过他们对客户的超越程度,以及他们解决客户问题的速度来衡量的;类似于当前客户努力程度得分的指标。整个模型围绕着与客户建立情感联系。  也许人工智能不能取代人类的同理心,但它可以帮助增强人类的参与度,以帮助座席变得更具同理心,从而像Zappos的座席所展示的那样,提供情感上相关的参与。这个模型涉及到采用以人为中心的人工智能方法,将一些复杂的理解放在技术的肩膀上,同时向人类提供情感和认知输入。以人为中心的人工智能通过让座席通过以下三种方式分配同理心参与,架起模拟同理心和人类同理心之间的桥梁:接受积极主动的指导性辅导洞...
  • 点击次数: 130
    2021 - 07 - 19
    社交媒体和评论网站的发展使得消费者越来越多地通过各种在线渠道分享他们对品牌的看法以及对产品和服务的批评。因此,组织必须了解社交媒体用户对其品牌的看法,才能了解人们对品牌的看法和感受。  这就是情绪分析可以提供帮助的地方。  情绪分析到底是什么?  情绪分析将自然语言处理(NLP)与人工智能(AI)和机器学习相结合。它是语音分析或文本挖掘概念的一部分,从社交媒体帖子、产品评论、调查和新闻文章等文本中提取意义,然后分配积极或消极的情绪分数。  这些技术的结合使得情绪分析工具能够更好地理解语言和人们的真实观点。这允许您确定客户对产品、服务或主题的态度是消极的、中立的还是积极的。因此,情绪分析通常用于理解:情绪极性,评估人们对你品牌的看法是积极的还是消极的情绪强度,监控他们的情绪强度  情绪分析对于节省时间和增加社交媒体倾听、调查响应分析、员工反馈处理和竞争对手研究等过程的价值至关重要。在实践中,这有助于加强诸如市场调查、市场分析、产品设计、公共关系、金融交易和声誉管理等活动。  利用情绪分析提高客户满意度  通过情绪分析,您可以分析信息,了解数字助理、电子邮件、社交媒体帖子和文本对话中书面内容的态度、情绪和语气。然后,您可以利用这种洞察力来真正理解人们说了什么以及他们是如何说的,提高他们对您的品牌和产品的认知,并使客户体验人性化。  部署情绪分析的好处包括:  1、情感分类  情绪分析使您能够处理更准确的数据。例如,NLP使用lemmatization,它将一个词的不同形式进行整理,以分析各种复数和时态,并识别诸如形容词、名词和动词等言语要素。  因此,您可以对用户评论和客户反馈建立更可靠的分析。然后你可以开始对他们的情绪进行分类,这样你就可以了解客户对你的员工、数字和实体店、政策、产品、服务和网站的感受。  2、潜在问题识别  不满意的客户越来越多地转向社交媒体来表达他们对品牌...
  • 点击次数: 108
    2021 - 07 - 12
    联络中心座席是您组织的第一线。然而,他们的工作压力很大。座席经常被要求帮助那些可能生气或不安的客户,他们必须以专业精神、同情心和同理心做出反应。他们的工作往往单调而有压力,需要持续监控,以确保他们尽可能快速高效地解决客户的问题。再加上在家工作可能造成的孤立,压力水平会进一步攀升。   考虑到这一点,不仅照顾座席的身心健康是道德上的当务之急,而且对商业也有好处。快乐、积极的座席更有效率,不太可能请病假或找其他工作。最重要的是,他们更有可能提供更好的服务,满足那些更加忠诚并可能花费更多的客户。  从本质上讲,专注于您的座席有三个业务好处:  1、增加员工留任  员工留用问题多年来一直困扰着联络中心部门。根据Contact Babel research的数据,2020年该行业的平均员工流失率为20%。这种流行病只会使这一趋势更加恶化--Enghouse Interactive的一项研究发现,91%的座席可能会在2021年更换工作。如果你想避免自己的联络中心出现高员工流失率,寻找工作压力的解药,确保员工快乐、满意和积极性应该是一个重要的优先事项。留住你的员工意味着你也降低了成本--你不必花钱去寻找、雇用和培训那些需要时间才能跟上进度的新员工。病假减少了,生产力也提高了。  2、提供更好的客户服务  如果士气高涨,座席感到满意,那么他们更有可能从事自己的工作,并提供更好的服务。长期以来,这种情况一直存在,但随着日常客户服务查询现在越来越多地通过自助服务和聊天机器人进行处理,座席更有可能将时间花在支持客户处理更复杂、更难解决的问题上。这使得他们在提供确保客户对您的品牌保持忠诚的体验方面更加重要。  3、雇主品牌  确保你有一个理解雇主的声誉,提倡积极的支持性工作环境可以帮助任何企业吸引和留住人才。而在联络中心行业,面对座席面临的压力和人才竞争,这一点可能更为重要。建...
  • 点击次数: 95
    2021 - 07 - 05
    客户满意是企业所追求的核心目标,它几乎决定了企业的市场占有、利润和生命力。对于那些追求基业长青的企业来说客户满意更是唯一的依靠,因为任何产品设计、市场营销、广告推广甚至具体的服务项目都经不起时间的锤炼,只有客户心理的认可才能使企业获得客户长久的支持。  对客服中心来说“以客户为中心”不仅仅是口号,更要将获取更多的客户满意定为核心目标并且实际落实在所有的管理工作中。  客服中心要分析客户的需求再对应不同的需求采取措施,使客服中心所提供的服务与之匹配,最终满足客户需求,获取客户满意。  充分认识客户需求  马斯洛需求层次理论告诉我们人类的需求是有层次划分的,它既体现个性,但更多时候会展现共性的特点。  对于客服中心来说它服务的客户群有较大的数量级,其单位服务成本并不高,更多是依赖高度信息化的工具,提供给客户标准化、规范化且有效率的服务。客服中心应主要研究客户的共性需求部分,至于个性部分则要提高到客户关系管理的层级,需要依赖更加信息化、智能化的管理体系。本文仅研究客户的共性需求部分,这也是客服中心的主要职责所在。  著名的质量管理大师狩野纪昭教授的KANO模型理念非常适合于分析客服中心的客户群,它将客户需求分为三个层级:  基本型需求:客户认为企业“必须提供”的产品属性、功能或服务,当其特性不充足(不满足客户需求)时客户很不满意甚至愤怒;当其特性充足时无所谓满意不满意,充其量是没有抱怨。  期望型需求:客户希望企业“能够提供”的更多的产品属性、功能或服务,但不是底线。客户最愿意谈论也最重视这部分需求,当其特性不充足时客户不满意;当其特性充足时客户满意,且越充足客户越满意。  兴奋型需求:企业“额外提供”给客户的产品属性、功能或服务,是完全出乎客户意料的、能够带给客户惊喜的。当其没有特性表现时客户无所谓;当其有特性表现时哪怕仅有一点,客户就非常满意,而且很容易将满意转化为忠诚。  ...
Copyright ©2017 四川西沃信息技术有限公司
犀牛云提供企业云服务