大数据时代的银行客服中心
从客户的角度来说,Fintech和互联网思维带给银行客户服务中心这个“传统行业”的变革是什么?是基于大数据的、高度个性化的极致用户体验。
互联网思维有一个特质就是做客户个性化,这意味着每个人都应该拥有独有的,定制化的服务流程。
互联网时代的高度个性和定制化服务
定制化服务体验意味着什么呢?
我们来举一个例子:客户A在某银行现金存款八百万人民币,很显然,他是一位VIP客户。如果他打电话进银行的客户服务中心会是什么场景呢?
传统情况是,我们根据来电号码知道他是一位VIP客户了,所以我们可能会给他优先的进线策略,然后会有一位VIP专属坐席去服务他。
VIP客户B存款也是八百万,第二个打进客服中心,我们也是如此这般,请第二位VIP专属坐席去服务他……
我们再来看看互联网时代的客户服务策略应该是怎么做的。
客户A,其实除了现金存款有八百万以外,我们还知道他是一位私营企业主,40岁,厦门本地人,本次电话他在IVR里选择的是“个人理财产品菜单”而转人工;根据之前他和我们的20次联络历史,我们还知道他是个没什么耐心的人,因为有5次的转接坐席等待时长(听音乐)超过30秒,他都反应强烈地投诉了。
因此:我们会请一位能听懂福建方言的坐席,“个人理财产品”单项技能分值在9.5以上;27岁至32岁的女话务员来接听这位客户的电话。
为什么有上述的策略呢?
首先:根据客户的年龄和职业判断他不很擅长普通话,所以我们需要一位合适方言标签的坐席;
其次,客户这次是来咨询“个人理财”这个业务的,所以尽管这位坐席的其他技能服务评分不是最高(大多数坐席都是多项技能的,但并不意味着每个技能都是专长),但这项业务技能却是所有VIP坐席中最高的;
第三,根据科学研究表明,此年龄段年轻妈妈坐席的耐心和说服力对于安抚急躁的男性客户情绪有非常正面的帮助……
基于大数据和全媒体的客户和坐席的精准匹配
上面的例子就是一个典型的互联网时代的极致客户体验过程。在传统联络中心中,客户对于我们而言,只有来电号码,客户级别几个少数的参数,我们很难建立一个完整的客户形象。
但在互联网时代,大数据应用无处不在,当然也会被使用到联络中心来,我们可以充分的使用每一个客户的每一次联络交互的所有数据,如客户习惯的IVR操作记录,最长排队忍耐时间,习惯的联系时间,常用的联络方式(手机?办公电话?家庭电话?网页?移动Apps?)来决定与客户的沟通模型,
甚至可以从CRM或是ERP系统中根据客户的情绪类型,语言倾向、性别、流失风险、贡献度、潜在价值等等参数去决定客户联络的路由和分配策略。
移动互联网时代,移动坐席、全员服务是未来
小米公司在其口碑营销手册《参与感》中的对移动互联网时代的客户服务的定位所说:“让所有的员工”全员客服“,鼓励与用户做朋友”。
随着移动互联网时代的爆发,服务的时效性和专业性越来越成为用户体验的重要因素。“你们除了会说对不起,还能做什么?”这是在传统客服中心时代,我们常常听到客户愤怒的抱怨声。原因就在于很多专业知识,专业技能并不是记录工单的坐席所能掌握的,而客户确确实实是要找到一个直接能帮他解决问题的人。比如说,复杂的金融理财服务,家电或是手机的故障排查,或是汽车的修理进程……
现在,她们只能是记录下客户的问题,填写工单,然后再由其他相关部门处理工单,再填写结果,最后再去做客户回访。移动互联网时代,要的是什么?是快!这样的服务效率怎么能跟上节奏呢?
所以,为什么坐席一定是“坐席”呢?
沿用上面的例子,如果客户A选择的是“个人金融服务”,那么电话无需再由客服中心的坐席去处理,而是会直接转到一位熟知金融理财业务的场外客户经理的办公电话桌上,或是手机上,客户A的个人信息会直接弹屏在客户经理的终端上(当然系统会预先侦测客户经理目前是否正在上班状态中,是否Ready接电话),客户经理在回答咨询的同时,会立即着手安排他的拜访计划,以期与你的面谈……
客户来电咨询汽车的修理过程,我们根据来电判断:这是他的第二次来电,前一次来电他登记了保养服务,并且当前维护业务记录里查到车正在由工程师A负责保养,那么这通电话无需转至坐席,而直接转接到工程师A的移动分机上,工程师A的移动分机应答的同时,客户资料信息也在移动终端上弹屏显示。
如上的服务流程和专业坐席所能带给用户的服务体验当然会远胜前代。
挖掘联络中心的服务数据宝藏
还是上面这个例子,通过数据收集积累,我们可以得知客户A在最近20次联络的记录中,有18次使用手机呼入,且集中于上午的10点到12点的时段;而客户B在最近的20次联络中,有17次使用的移动APP,且集中于晚上10点到11点时段;那么我们如果有新的业务提醒或推广,就可以采取不同的主动联络策略:
比如对A客户采用上午时间段的手机语音呼叫,而对B客户使用手机APP消息推送的方式。
如上图所示,客户在经典呼入模型的三个阶段中的行为数据都会被记录下来,并且这些交互数据可以贡献给主动联络策略。我们可以做到对客户的“最佳联络时间”,“最佳联络方式”作出预测,改进无效联络,极大增强联络命中率。
这种方式,对于销售、外包类企业带来的效率提升是革命性的。
多媒体和跨平台整合很关键
互联网时代,联络中心开放的是客户交互行为数据之源,而这些数据是跨越多种平台和渠道的。在客户与企业的交互过程中,大多是横跨多个渠道的接触之后才会做出最终的购买决定。如下图所示,客户可能会历经Web查询,移动Apps数次访问,呼叫中心数次电话沟通后才最终做出了购买决定。
但在目前,客户进入不同渠道的时候,现在的企业是无从得知该客户在上一个渠道的联络记录和沟通情况的。我们的企业看到的并不是One Customer:客户A从网页访问时,企业知道了一个客户A,但同一个客户从Apps进来,企业看到的不是客户A,而是另一个新客户B,再一下次客户打电话从呼叫中心进来,企业又看到了一个客户C……
反之,我们的客户A与企业的三个渠道交互,都不得不再次把自己的服务要求重复一遍,对于客户而言,他面对也不是One Company。
这是为什么呢?在当前,对大多数企业而言,网页、呼叫中心、移动Apps实际上市各自独立,各自服务,并未形成统一数据采集,数据分析,数据决策和数据应用。
特别是在传统CTI技术下的呼叫中心,客户在语音渠道的交互行为数据是封闭和独立的。它无法提供给企业的其它各关联系统,包括大数据平台所应用。
而互联网时代,联络中心可以收集并存储全方位细节数据,包括客户等待忍受度、呼叫来源、喜好流程、偏好联络类型等等。同时将这些全部细节数据分享给企业的其他各个业务和应用系统。
如上图所示,当 “呼叫中心黑盒子数据”全部开放出来给所有的业务平台和数据平台共同使用后,既方便了企业采集完整的全渠道客户交互数据,也方便各个业务系统基于数据做进一步的统一交互决策。
比如客户A在通过某保险公司的掌上App查过三次某个寿险产品,又在网站上该寿险介绍专区访问过两次,总计停留十五分钟。作为非常强烈的购买信号,这些信息将触发企业内部的一个主动联络事件,通过完整的客户交互行为数据历史分析,我们在中午的十一点半到一点半拨打他的手机命中率会达到75%……
结语:互联网时代的联络中心是多媒体客户交互行为的数据整合平台
互联网时代的联络中心是一个全渠道、全行为视图的体验中心,我们要做到在正确的时间,使用正确的媒体,个性化每一类客户的交互渠道组合,个性化每一个客户的服务流程,甚至个性化定制每一次通话的服务流程。
构建互联网时代的全媒体联络中心的核心是充分发掘和利用客户交互行为数据,提供全触点的极致的用户体验。
数据分析咨询请扫描二维码
数据分析工具推荐 数据分析工具的选择至关重要。不同工具适用于不同的需求和场景。以下是一些推荐的数据分析工具,根据您的需求 ...
2024-11-27选择适合您需求的数据分析工具 数据分析作为商业决策过程中的关键环节,工具的选择至关重要。不同的工具适用于不同的场景和需求 ...
2024-11-27数据架构文档的编写涉及多个方面,包括内容结构、编写原则和具体要求。遵循规范可以帮助团队更好地理解和管理数据架构,支持项目 ...
2024-11-27挑战与解决方案概述 在数字化时代,数据开放共享对于推动创新和发展至关重要。然而,这一进程面临诸多挑战。保护用户隐私、确保 ...
2024-11-27促进科学研究和创新 数据开放共享为研究人员提供更广泛的资源和合作机会,加速科学知识的发展。通过访问他人的数据集,验证研究 ...
2024-11-27数据组织与存储策略 数据模型是数据仓库和商业智能系统的核心,通过合理的数据组织和存储策略,确保高效、低成本、高质量地利用 ...
2024-11-27持续关注数据系统运行状态 - 数据设计与开发完成后,维护与优化工作成为至关重要的环节。这个过程需要持续且细致的关注,以确保 ...
2024-11-27数据服务未来的趋势 智能化和自动化: 随着人工智能和机器学习技术的飞速发展,数据服务领域正逐渐朝着更智能化和自动化的方向 ...
2024-11-27未来最有前景的行业主要集中在以下几个领域: 人工智能与机器学习:人工智能被认为是未来最具潜力的行业之一,其应用范围广泛 ...
2024-11-27根据多条证据,目前多个行业展现出良好的发展前景。以下是一些被认为具有最好发展前景的行业: 人工智能与机器学习:人工智能 ...
2024-11-27学习数据分析后,可以在多种类型的单位找到工作机会。这些单位包括但不限于: 政府机关:数据分析师在政府机构中扮演重要角色 ...
2024-11-27必备的职业技能 统计学基础 - 理解概率、假设检验、回归分析等统计概念。 - 运用统计方法对数据进行分析和解读。 编程能力 - 掌 ...
2024-11-27基础课程 - 统计学基础: 统计学是数据分析的基石,包括概率、假设检验、回归分析等基本知识。这有助于分析师更好地理解数据背后 ...
2024-11-27数据分析领域涉及众多工具软件,涵盖了从数据处理、分析到可视化的各个方面。在选择适合自己需求的工具时,需要考虑数据规模、分 ...
2024-11-27在数据分析领域,选择合适的工具至关重要。不同的软件适用于不同的需求和技能水平。以下是几款值得考虑的数据分析软件: - Table ...
2024-11-27数据分析中常用的Excel与Python函数公式涵盖了广泛的应用场景。掌握这些基础和高级技巧对于成为一名优秀的数据分析师至关重要。 ...
2024-11-27Python是一种高级编程语言,由荷兰程序员Guido van Rossum于1989年圣诞节期间开始开发,并于1991年首次发布。Python的设计哲学强 ...
2024-11-27课程内容 数学基础: 高等数学、线性代数、概率论与数理统计、微积分等为算法设计和数据分析打下基础。 编程与算法: 掌握 ...
2024-11-27爬虫工程师是互联网时代中至关重要的职业之一,他们的工作内容主要涉及编写和维护网络爬虫程序,进行数据采集与清洗,设计系统架 ...
2024-11-27技能需求 数据管理与建模 - 掌握SQL、HiveQL、Spark SQL等数据库语言,进行复杂数据查询和分析。 - 使用数据建模工具如ER/Studio ...
2024-11-27