客服中心行业数据应用的“因”、“道”与“术”
来源： 时间：2022-05-25
同样一个标题再次落笔，已是三年以后。
三年之前，笔者曾经以一年时间撰写专栏，简述在客服中心领域数据应用的一些想法。
时过境迁，个人有了些许成长，也对行业数据应用的现状有了更加深刻的理解——客服中心行业迫切需要提升数据应用的能力，其“因”、“道”与“术”并未变化，反而更加清晰明确。
01
“因”
“隐性交付”、“过程交付”的工作本质，让我们必须依赖数据管理业务，而集中服务、规模团队，更加鞭策我们只有通过广泛的数据应用，才能提升综合管理水平。
客服中心“隐性交付”的本质，只需要对比空乘人员、餐饮服务人员就可一目了然。在此类实体服务交付中，乘务长对空乘人员、餐厅经理对服务人员的工作状态、服务交付质量一目了然。然而在客服中心，质检复听的比例往往不足3%，班组长巡查亦无法听到耳麦对面客户的嘶吼，隐形的服务交付显著的增加了管理难度，好比要穿透一层迷雾才能看到真实的服务质量。
既然不可直接感知服务交付的好坏，那么以数据驱动服务质量的“可视化”就是必然的选择。
那何谓“过程交付”呢？客服中心在远程提供“虚拟”服务，服务本身并非直接售卖的产品。也并非所有服务行业都是“虚拟”的——外卖骑手，快递小哥提供的就是“实实在在”的配送服务。
在配送服务，又或者售后维修服务、柜台网点服务中，完成服务本身对客户有着极大的价值。比如配送服务中，及时、准确的把货品或餐食送达，几乎完全决定了客户对服务过程的评价，谁也不会在乎配送小哥致电沟通路线时语音语调，同理心与沟通能力。再比如家电售后维修，修好不贵是最为重要的评判依据，维修师傅普通话标准与否，甚至维修速度是否超过标准时限并不重要。
但是客服中心行业，没有这样的“实物交付”，这也就意味着没有一锤定音的关键性的一两个考核指标。我们需要工作效率高、客户满意度高，还需要一次性解决率高、客户投诉量低、质检合规率高……等等等等，不一而足。好比在一团迷雾之中，看管一群木桶，每一个木桶都有十数个木板，那个板子短了也不行，存不住水了。
所以说，集中、规模化的隐性服务，必然要求我们充分挖掘数据的价值，以数据驱动运营，才能切实管好、做精服务体验。
02
“道”
认识到数据应用是一专业领域，且在客服中心领域各项数据应用有足够的共通性、一致性。
既然是专业、共性的领域，拿来主义势必是最高效、便捷的成长方式——寻找并引入合适的专业数据工具是必然的发展之“道”。
数据应用的门槛不高，但是上限很高。有报表，经过简单的数据加工拿到指标达成情况并不难。好比买股票，也只需要开户、存入本金、挂单就可以交易完成。但是散户又有多少能胜过基金呢？
服务话术、道歉技巧、倾听与表达，客服中心自有这类服务技能的应用环境，因此技能技巧沉淀发展在大多数企业不成问题。
数据治理思路、数据处理技能、数据应用方法、工具应用迭代，客服中心充满感性的声音，但是很难自行沉淀、积累这类理性思路与技能。
想通过个别员工自行学习成长？请不要忘记，在规模化服务领域，数据应用是主战场！
没有科学合理的员工指标测算与绩效分配，如何管理成百上千的员工？没有海量服务数据的动态监控，如何了解服务体系中的问题与客户诉求？没有数据模型与排班算法，如何安排出即吻合客户来电需求，又让员工满意的班务？在主战场，在关键支撑领域，从没听说过自研、自学、缓慢成长的。请问，工农中建交那家不强大，可有自己开发计算机么？
在主战场，要快速、最高标准解决问题，等不起员工的逐步成长啊！
因此，提升客服中心数据应用之“道”——认识并尊重这是专业领域，拿来主义，快速解决问题是正道。
03
“术”
那到底怎样做，才能真正把客服中心行业的数据应用做好呢？需要结合两个能力，缺一不可：
1、 对服务运营的深刻理解
2、 熟练掌握至少一种数据处理工具
数据本身并不产生价值，数据及数据工具是管理的手段，只有数据结论配套管理措施的状况下，才会产生巨大价值。
所以为了让数据结论便于管理使用，就要把管理思维融入基础数据，即数据或数据工具“自带管理思路”，那么自然会让数据应用更加便捷。
管理思维融入数据？思维怎么和数据能够融合？——回答是当然可以。
举几个例子：
多少年一成不变的火车票，最近一两年开始差异化定价了。热门车次票价更贵，时间不好的冷门车次票价便宜，这是把客户分流的管理思路融入了价格数据。
个人所得税渐进税率，几经变革，实际上就是基于社会收入水平的客观差距，结合社会收入调节的管理思路最终确定缴税比例。
那么在客服中心呢？
什么样的业务数据波动是真正需要重点关注，深入了解的？业务量净值的变化、业务量占比的变化、衡量业务质量的关键数据指标如何整合，实现有效、动态业务监控？员工的薪资收入分布与薪酬绩效诱饵，对于指标拉动作用的多寡？两者之间又如何平衡？客户来电因素众多，在没有深入理解业务的基础上，如何做来电因素的分拆？
都想明白了，那接下来就是数据处理了。一招鲜，吃遍天，每一种数据工具都会一点，是不足以解决问题的。一定要在某一个领域足够专精，才能支撑管理思维融入数据。
三年之前，笔者曾经以一年时间撰写专栏，简述在客服中心领域数据应用的一些想法。
时过境迁，个人有了些许成长，也对行业数据应用的现状有了更加深刻的理解——客服中心行业迫切需要提升数据应用的能力，其“因”、“道”与“术”并未变化，反而更加清晰明确。
01
“因”
“隐性交付”、“过程交付”的工作本质，让我们必须依赖数据管理业务，而集中服务、规模团队，更加鞭策我们只有通过广泛的数据应用，才能提升综合管理水平。
客服中心“隐性交付”的本质，只需要对比空乘人员、餐饮服务人员就可一目了然。在此类实体服务交付中，乘务长对空乘人员、餐厅经理对服务人员的工作状态、服务交付质量一目了然。然而在客服中心，质检复听的比例往往不足3%，班组长巡查亦无法听到耳麦对面客户的嘶吼，隐形的服务交付显著的增加了管理难度，好比要穿透一层迷雾才能看到真实的服务质量。
既然不可直接感知服务交付的好坏，那么以数据驱动服务质量的“可视化”就是必然的选择。
那何谓“过程交付”呢？客服中心在远程提供“虚拟”服务，服务本身并非直接售卖的产品。也并非所有服务行业都是“虚拟”的——外卖骑手，快递小哥提供的就是“实实在在”的配送服务。
在配送服务，又或者售后维修服务、柜台网点服务中，完成服务本身对客户有着极大的价值。比如配送服务中，及时、准确的把货品或餐食送达，几乎完全决定了客户对服务过程的评价，谁也不会在乎配送小哥致电沟通路线时语音语调，同理心与沟通能力。再比如家电售后维修，修好不贵是最为重要的评判依据，维修师傅普通话标准与否，甚至维修速度是否超过标准时限并不重要。
但是客服中心行业，没有这样的“实物交付”，这也就意味着没有一锤定音的关键性的一两个考核指标。我们需要工作效率高、客户满意度高，还需要一次性解决率高、客户投诉量低、质检合规率高……等等等等，不一而足。好比在一团迷雾之中，看管一群木桶，每一个木桶都有十数个木板，那个板子短了也不行，存不住水了。
所以说，集中、规模化的隐性服务，必然要求我们充分挖掘数据的价值，以数据驱动运营，才能切实管好、做精服务体验。
02
“道”
认识到数据应用是一专业领域，且在客服中心领域各项数据应用有足够的共通性、一致性。
既然是专业、共性的领域，拿来主义势必是最高效、便捷的成长方式——寻找并引入合适的专业数据工具是必然的发展之“道”。
数据应用的门槛不高，但是上限很高。有报表，经过简单的数据加工拿到指标达成情况并不难。好比买股票，也只需要开户、存入本金、挂单就可以交易完成。但是散户又有多少能胜过基金呢？
服务话术、道歉技巧、倾听与表达，客服中心自有这类服务技能的应用环境，因此技能技巧沉淀发展在大多数企业不成问题。
数据治理思路、数据处理技能、数据应用方法、工具应用迭代，客服中心充满感性的声音，但是很难自行沉淀、积累这类理性思路与技能。
想通过个别员工自行学习成长？请不要忘记，在规模化服务领域，数据应用是主战场！
没有科学合理的员工指标测算与绩效分配，如何管理成百上千的员工？没有海量服务数据的动态监控，如何了解服务体系中的问题与客户诉求？没有数据模型与排班算法，如何安排出即吻合客户来电需求，又让员工满意的班务？在主战场，在关键支撑领域，从没听说过自研、自学、缓慢成长的。请问，工农中建交那家不强大，可有自己开发计算机么？
在主战场，要快速、最高标准解决问题，等不起员工的逐步成长啊！
因此，提升客服中心数据应用之“道”——认识并尊重这是专业领域，拿来主义，快速解决问题是正道。
03
“术”
那到底怎样做，才能真正把客服中心行业的数据应用做好呢？需要结合两个能力，缺一不可：
1、 对服务运营的深刻理解
2、 熟练掌握至少一种数据处理工具
数据本身并不产生价值，数据及数据工具是管理的手段，只有数据结论配套管理措施的状况下，才会产生巨大价值。
所以为了让数据结论便于管理使用，就要把管理思维融入基础数据，即数据或数据工具“自带管理思路”，那么自然会让数据应用更加便捷。
管理思维融入数据？思维怎么和数据能够融合？——回答是当然可以。
举几个例子：
多少年一成不变的火车票，最近一两年开始差异化定价了。热门车次票价更贵，时间不好的冷门车次票价便宜，这是把客户分流的管理思路融入了价格数据。
个人所得税渐进税率，几经变革，实际上就是基于社会收入水平的客观差距，结合社会收入调节的管理思路最终确定缴税比例。
那么在客服中心呢？
什么样的业务数据波动是真正需要重点关注，深入了解的？业务量净值的变化、业务量占比的变化、衡量业务质量的关键数据指标如何整合，实现有效、动态业务监控？员工的薪资收入分布与薪酬绩效诱饵，对于指标拉动作用的多寡？两者之间又如何平衡？客户来电因素众多，在没有深入理解业务的基础上，如何做来电因素的分拆？
都想明白了，那接下来就是数据处理了。一招鲜，吃遍天，每一种数据工具都会一点，是不足以解决问题的。一定要在某一个领域足够专精，才能支撑管理思维融入数据。
在“术”的层面，可以聊的内容太多。这也会是数据驱动力系列专栏今后的主要内容方向。