1. 数据分析网首页
  2. 大数据
  3. 数据分析

初创O2O企业的客服数据分析

本文探讨客服相关数据的意义

1.重要?不重要?

对大部分O2O初创公司来说,客服部门是个很重要又不很重要的部门。说它重要,因为它承担了连接线上与线下的职能,如果没有客服,只有冷冰冰的网页提示与指引,客户体验毫无疑问会大幅下降。说它不重要,因为它更多的是重复性和单调性的活动,客服人员的要求低,流动大,培训容易,招聘简单。大多数初创企业的体系制度可能没有那么完善,因为资源有限,硬件软件也是保持最低限度够用就行。规范的,一般用着小型或者免费的CRM。不规范的,可能连CRM都不用直接Excel手动记录用户信息。因为数据体系的内容过于庞大,咱们此次仅探讨客服相关数据的意义。

2.客服的工作内容

核心是服务,形式来说分为3种,分别是客户来电咨询、外呼客户、聊天工具在线回复。而客服的工作特点就是主动地去影响客户,提升运营成果,不能单纯地仅仅从客服工作的范围进行理解。

表的设置上,至少有三张表,来电表、外呼表、在线表。这三张表的结构在前面基本相同,都是客户信息、商品信息、工人信息,主要是后期不同。

来电表需要增加来电类型,因为客户的需求很多,类型也会分成几级,以做到数据的精细化。比如一级类型包括业务咨询、投诉、取消与改价、建议与反馈、特殊客户来电、其他等,当中业务咨询又包括售前、售中、售后,售前中包括业务范围咨询、业务流程咨询、支付方式咨询、业务其他咨询。重要统计量就是来电量。

外呼表与来电表最大的区别,在于工作的立足点不同,来电是以通话为核心,一次通话解决一次咨询。外呼是以事务为核心,客服外呼客户或者师傅,都是为了解决一个事务或者问题。因此外呼有可能涉及多次联系,除了增加外呼原因类型之外,还要增加外呼客户与师傅的次数,以及最终问题是否解决。重要统计量是事务量以及外呼次数。

在线表在形式上和以上两者不同,在线的特点就是回复的便利性,不要求必须一次联系就解决问题,有断续性。举例:你10分钟前进行了咨询,有事暂时离开,等你回来了可以继续对话。这是通话无法做到的,不可能让客服白白等你10分钟,这对于人力是极大的浪费。在线表是以客户为核心,一个客户可以一个时间内进行多次不同咨询,最终汇总也是按照客户进行汇总。重要统计量就是服务客户数

3.客服工作的成果数据

客服工作的成果数据,一般包括来电量、外呼量、在线咨询客户量、满意度、一次性解决率等指标。

从这个三个数据入手,将时间地区品类工作类型等几个字段进行组合,可以得到更有价值的数据。比如以线上订单的地区和品类,和线下完成的订单的地区和品类作对比,可以得到线上下单和线下完成的差异,再结合客服的数据,可以得到以下信息:

  1. 有些地区和品类咨询量很大,但是目前地区服务没有开通,品类也不支持。这个可以作为业务拓展的方向,优先开通咨询量最大的。
  2. 有些地区咨询量很大,但是线上订单量很少,需要进行分析,确认是用户的行为差异还是线上流程与界面问题
  3. 咨询时间与流程阶段(比如是售前、售中还是售后)可以作为用户行为和用户模型的数据,比如有的地区客户习惯售前咨询,有的习惯售后咨询。如果针对前者地区进行营销,该地区咨询量就会增大

4.通过沟通客户与工人实现客服直接工作成果

对于客户,主要是咨询为主,外呼为辅。对于线下工人,正好相反,是外呼为主,咨询为辅。客户的内容主要是售前售中售后三个环节,外加特殊来电,比如投诉、合作等。线下工人,主要是售中或者售后环节,比如对流程不熟悉、无法与客户达成一致、遇到特殊情况不知道怎么处理等。客服数据是连接线上和线下的桥梁。

4.1线上订单多,线下完成率低

一般来说咱们就得分析具体转化到线下的有多少,从线下接单到完成的又有多少,具体是哪个环节的问题。得到问题环节并不难,但是分析具体原因不容易。

如果有客服数据作支撑,将客户取消部分的操作交给客服,这样在客户取消时就能得到取消的具体原因,并结合线上和线下数据作进一步的分析。

场景一,客户下单在10分钟内,尚未分配至工人,客户就取消订单。取消后又再次下单,如此2次,然后咨询客服。通过对话了解到,客户对于是否完成订单存在犹豫,拿不定主意。客服在正常范围内解答。等到工人上门时,客户最终还是取消了。在此应该给客服一个权限,可以将上门延迟,或者调低客户的优先级,避免无效上门。

场景二,某客户下单之后,不到半小时4次来电催促,最早的催促在下单2分钟内。在客户最后一次催促后,工人仍未上门,最后取消订单,原因填写“配送未及时上门”,取消后仅过3分钟商品就到了。如果不参考客户数据,仅仅从数据来看,根据客户填写情况,可能就会将责任判定给工人。而从客服数据来看,客户多次催促,催促的时间间隔明显超过了一般水平,而且最早的咨询时间和下单时间非常接近。该单的责任不该让工人承担。

场景三,客户之前因为某事与工人发生冲突,后来经过客服协调勉强平息。后来再次下单,备注上注明不要之前的工人送货,但是后来系统自动分配至该工人,导致客户严重投诉,从此不再平台消费。该客服部进行协调,但是该信息最终只停留在了客服的系统中,没有反馈至线下,形成良性互动。

场景四,某客户带给平台100元贡献,但是产生了一个售后事务,人员跟进后续投诉与补偿一共产生了50元成本,而且放出狠话不要再给他发推送信息了。那该客户的客户评级就应该下调,营销促销等活动就适当放缓。但是目前来看,大部分营销部门有自己的数据分析岗,客服也有自己的数据分析岗,这个数据没有联起来。理想状态,等客户情绪平息了能够回复到正常客户。但是很不巧,第二天系统又自动推送了。客户一气之下再次投诉,不仅投诉还永久地删除了平台APP。

4.2客服数据价值的体现

客服数据的价值还体现在,通过连接线下工人,可以反映出工人的真实价值(成果与成本)。对于线下数据,一般有线下工人管理模型,根据工人的工作表现进行评分,作为绩效数据或者晋升标准。当中的投诉数量与客户满意度通常都会作为重要数据引用,但是还有些数据也十分有价值。比如异常订单数,需要与客户协商的订单数,这些都会增加客服的工作量。比如某工人工作完成情况数据良好,但是每天都会有异常订单,需要通过客服来进行协调处理,这个原因可能是工人业务流程不熟悉、性格较为内向、不善沟通等原因,这个工作量就相当于转嫁给了客服,也应该考虑在内。

5.具体工具实现

有完整的CRM系统的企业自不必说。没有CRM的企业,靠Excel也可以尽量收集客服数据,并和其他数据打通起来。

数据的采集上,系统起码应该有数据导出功能,如果没有只能找DBA去要。数据的清洗和整理,最好是实现一套模板,根据业务进行调整。利用数据透视图、名称、宏,如果还有VBA,起码可以做到80%自动化。具体到表的设置与操作上结构化的选项,比如性别、地区、业务类型等都可以用数据有效性-序列来完成。多级菜单使用名称加INDRICT的方式,数据有效性-序列。数据统计使用简单的countifs和sumifs等函数完成,展现时时间维度设置为当天、本周、本月。如果想做动态图表,可以用名称加offset实现,做成dashboard就更好了。为了方便填写,设置好冻结窗口功能。

客服本身是容易被忽略,容易被轻视的工作,在传统企业中的地位并不高,远远排在了销售、研发、生产等部门之后。来到了互联网时代,得益于沟通工具的便利与互联网思维的普及,尤其在O2O领域被赋予了更多的工作。它不仅是服务客户,还参与了一定的业务职能,变得不可或缺。希望本文能给广大初创企业一点帮助,愿每个创业者梦想都能实现。

——本文由作者投稿至数据分析网

本文由作者 作者 投稿至数据分析网并经编辑发表,本文链接:https://www.afenxi.com/20300.html 。内容观点不代表本站立场,如转载请联系原作者。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code