智能时代客服中心的数据运营

　　无论是联络处理数据，还是客户交互内容数据，大部分客服中心每天都会有几千、几万甚至几十万条。再加上企业数据平台的支撑，客服中心可以获取的数据其实是非常多的，也可以说是海量的。但与此形成鲜明对比的是，大多数客服中心对于数据的分析与应用仍然停留在比较低的层次上，基本以日常运营报表以及一些专项运营分析为主，缺乏系统性、全方位的数据化运营支撑与服务增值拓展。

　　客服数据的应用可以主要从三个层次上来展开。第一个层次是对精益化、智能化运营的支撑。利用每天积累的日常运营数据观察运营现状，发现运营差距，探索规律、模式、场景、细节瓶颈与问题根源，预测发展趋势，进而给出预防与矫正建议。AI服务的应用本质上也离不开数据的支撑。第二个层次是对精准化营销以及客户增值经营的支撑。通过客户标签、画像与分群，客户需求探索，目标客户定位，关联及交叉营销设计，呼出与呼入营销监测与评估等，使营销更加精准、收益比更高、客户感知与粘性更好。第三个层次是对企业整体的决策支撑。每一次客户投诉与抱怨都是真实的VOC，每一通客户联络中也都含有VOC的成分。根据结构化的显性联络处理数据，把企业在品牌、产品、运营、营销、市场等各个方面的所暴露出的问题进行归纳和整理；根据录音、文本、视频、图片等非结构化联络数据，归纳和挖掘客户显性及隐性的问题、意见、建议、偏好、倾向、情感、意愿等信息；然后推动企业内部整体运营循环的持续改进与提升，赢得客户的持续认可与忠诚。

　　客服数据应用仍然存在不少障碍。第一是人才的匮乏。应用型数据人才是复合型人才，既要懂业务又要懂数据。由于客服行业的自身人才特点以及企业地位，往往会出现复合型数据人才培养难、吸引难、留不住的困境。第二是数据治理机制及数据质量的问题。现实中观察到很多客服中心的数据岗位员工要花费大量的时间来整理、清洗和转换不规范的数据，只有很少的时间可以真正用在数据背后的业务洞察上。第三是数据工具的使用问题。时至今日，仍然有少数客服中心的EXCEL版本停留在2003版。对于除了EXCEL之外的其它更加高效便捷的诸如SPSS、JMP、R、SAS、Tableau、PowerBI等数据分析与挖掘工具了解很少。而即便在功能已经非常强大的EXCEL面前，大多数人也仍然只是会用最基本的几个功能而已。