数智化时代下客户服务分级模型构建
来源: 时间:2022-11-25

背景

随着中国互联网金融的不断发展,金融机构的存量客户也越来越多,这就导致客服中心每天都面对着成千上万的客户人工服务请求,但是客服中心人工服务资源总是有限;这就提出了客服中心的基本矛盾——客户多样的服务请求与有限的服务资源之间的矛盾;具体化来看可以分为以下两点:

1、哪些客户请求需要被优先满足。2、如何分配最合适的座席满足服务。

传统解决思路及存在问题

在过去的客服中心对于客户人工服务的请求,主要可以分为以下三种方案:1、按排队时长接待:即按照客户排队时长和座席空闲时长依次匹配,即客户排队时间越久,座席空闲时长越长,那两种就进行撮合。2、按照客户资产等级接待:即单纯按照客户资产等级进行接待,资产越多就越先被接待。3、先智能后人工服务:无论客户请求何种内容,全部交由智能客服优先进行解决,对于智能客服实在解决不了在交由人工解决。这样的话,就进而产生以下问题:

1、缺乏对于客户的有效划分:只单纯从资产维度进行考虑过于片面,对于客户活跃度、消费频率等关键指标没有纳入客户等级,导致一些优质客户的服务缺失;例如一位资产不高但是活跃度极高的客户,其价值是远远大于有资产较高但是基本不活跃的客户。2、缺乏对于客户请求场景划分:对于同样的级别客户,在请求不同类型服务时,其对于服务的期待值是不一样的;例如客户在选择投诉时,是愤怒且急迫的,然而在进行普通业务咨询是平和有耐心的。3、缺乏对于座席等级划分:对于座席本身没有等级划分,无论其工作年限和工作经验都一视同仁;这导致服务水平和请求业务不匹配的情况。4、“一刀切”导致客户不满:由于全部先智能后人工,导致对于客户情绪和业务的偏好的忽视,经常出现客户已经情绪激动机器人还在一个劲问。

为了解决以上问题,本文提出“客户-业务”CS服务分级模型的思路,即根据客户属性(等级)、意图、轨迹、情绪等进行场景分级,对于不同类型客户制定不同策略,匹配相应的服务模式和内容。


根据RFM模型进行客户分级


首先,我们知道即使是对于同一个业务请求由于客户等级的不同,我们需要匹配不同座席等级仅需服务。那么如何对客户等级进行划分?目前市面上有多种客户分级方案,其中RFM模型是衡量客户价值和客户创造利益能力的重要工具和手段,也是笔者在实际中使用的理论方法,具体理论如下:“该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。Recency(消费):最近一次消费意指上一次购买的时候Frequency(消费频率):消费频率是顾客在限定的期间内所购买的次数Monetary(消费金额):消费者的实际消费金额RFM模型较为动态地显示了一个客户的全部轮廓,这对个性化的沟通和服务提供了依据,同时,如果与该客户打交道的时间足够长,也能够较为精确地判断该客户的长期价值(甚至是终身价值),通过改善三项指标的状况,从而为更多的营销决策提供支持。在RFM模式中,R(Recency)表示客户购买的时间有多远,F(Frequency)表示客户在时间内购买的次数,M (Monetary)表示客户在时间内购买的金额。一般的分析型CRM着重在对于客户贡献度的分析,RFM则强调以客户的行为来区分客户。”(图1)

图片

图1-RFM模型将以上理论对应到金融公司,则RFM的具体定义可以进行以下表达:

R(最近一次入金的时间):根据入金时间远近进行划分;

F:APP登录频次):根据登录APP频次高低进行划分;

M(年日均资产):根据年日均资产多少进行划分。那么,就可以将已有的客户群划分为下几种,如表1所示。表1-客户等级划分

图片


根拆分服务场景定义

其次,我们需要根据客户请求的业务进行场景细分,在同一客户对于不同业务请求时具体分配的服务任务情况,我们不能在一些基础的业务场景就大量投入高级别人力,这样对整体来说是一种资源不均衡,对于金融行业业务场景可以参考表2。表2-业务场景划分


图片


关注客户情绪与交互轮次

最后,我们需要关注客户在咨询时的情绪状态,对于客户在咨询不同业务时携带的情绪进行细分,当客户处于不同的情绪状态时就要考虑服务升级,例如一般客户在自助业务中出现不满的情绪时,此时就不能继续在智能客服中服务,而是立即让人工座席进行协助;同时我们需要注意到在客户服务中,客户在进入服务时会自带情绪入场,但并不意味着客户的情绪是不变的,尤其是在服务过程中多次交互后还是没有解决客户问题和需求时,客户的情绪会发生较大的变化,最坏的情况可能出现客户情绪激动甚至愤怒(表3)。表3-交互轮次与客户情绪变化表图片

建立“CS”客户服务模型


综上我们将客户等级、服务场景、客户情绪与交互轮次综合考虑,可以得到一个完整的“CS”客户服务模式。其中将客户等级作为Y轴、将交互轮次、意图分类、情绪状态作为X轴,然后将座席(智能客服、基础人工座席、高级人工座席、专家人工座席、专属投顾、投诉合规专岗)依次填入到交点中,形成如图2。

图片

图2-“CS”客户业务服务分级模型在模型中我们可以看到由于客户级别、业务类型、交互轮次以及情绪状态进行服务分级匹配;可以分为以下三种情境(图3):1、同一业务下不同客户级别分配:在同一个业务场景下,客户等级越高分配的座席等级越高;2、同一客户级别不同业务场景分配:在同样级别的客户在不同业务场景下,业务场景越重要(复杂)分配的座席等级越高;3、同一客户级别同一业务场景下不同客户情绪分配:在同一客户级别同一业务场景下,客户情绪越激动分配的座席等级越高;

图片

图3-不同场景下客户分配情况例如对于产品营销场景,可以引流至在线投顾提供专业建议,对于业务建议与投诉升级场景,我们利用智能情绪识别,第一时间发现问题解决问题,降低流程流转产生的时间消耗。同时客户与智能客服交互过程中,当识别到客户有某些特定需求时,如客户有投诉意愿或客户有较强的营销线索意愿,则提示客户将由投顾经理或人工客户服务,并将客户转接至投顾经理或人工客服,而在转人工的过程中需要结合客户等级和服务场景进行座席匹配;

总结


客户服务分级不仅可大大提高客户满意度,对企业竞争力的贡献也是巨大的。引用互联网上对于服务分级的作用作为本文的结尾:图片

1. 广度上:获得客户,通过细分客户,识别客户特征,分析客户购买偏好,找到潜在客户及其需求,使营销活动更具针对性和有效性,销售目标命中率更高,从而获得更多新客户。

2. 长度上:是要保有客户,通过客户价值分层管理,对不同价值等级的客户提供更具针对性的服务和产品,使客户满意度提高,从而维持长久、稳固的客户关系,降低客户流失率,保证企业利润的实现。

3. 深度上:就是要提升客户赢利能力,通过客户价值挖掘和客户价值评估,发现客户的赢利能力和价值潜力,挖掘出更多的再销售机会,实现交叉销售、增量销售和推荐销售,使客户的利润贡献率大大提高,最终实现客户价值的最大化。

图片最后,通过以上我们对客户服务分级的抛砖引玉,相信大家对服务分级将更有理解。