发帖
雷达卡
2014年1月17日
移动时代，呼叫中心考核亟待重新定义 ——QC Manager的成长之路（一）
[背景]
呼叫中心始终是连接企业和市场、消费者的重要环节。其服务质量的优劣直接决定消费者的直接消费感知。尤其在移动时代，实时、在线、动态、即时反馈的消费特性对精准统计客户满意度，进而快速、无误地对客户需求做出反应提出更高要求。因此，呼叫中心的考核标准亟需重新定义。
传统上，企业一般通过质检成绩同客户满意度进行相关性检验。但是，这种质检往往和呼叫中心的客户满意度不相一致。这直接影响到呼叫中心的服务质量把控，对企业的消费者感知造成潜在风险。
那么，什么原因造成了传统方式的失灵？如何更新质检方式，保证客户满意度的准确以及提升，以适应移动时代的新要求？这一切都将从现有的呼叫中心客户满意度优化方式说起。
为了对呼叫中心的客户满意度进行准确把控，企业纷纷建立起一套统一的质量控制（QC）打分标准。然而，这套QC标准往往和呼叫中心的客户满意度不相关。这源于其评估方式的统计方法问题。
[正文]
衡量相关性常规做法是使用质检成绩同客户满意度来做相关性检验，检验使用的是皮尔森相关系数（即Excel里面常用的CORREL函数），从统计学的角度来看这个问题：皮尔森相关系数是对于符合正态分布的连续型变量进行的检验，即需要对于N名员工的质检成绩与N名员工的满意度结果数据进行操作。其中满意度的数据获取非常容易，且符合样本量的需求，但是N名员工的质检成绩是通过抽查计算的质检分数，并不能代表员工的实际质检成绩，因此，由这些数据得出的皮尔森相关系数并不准确。
来看一下《抽样计算器》的计算结果：
假设呼叫中心的客户满意度为90%，那么历史缺陷比为10%；22个工作日，每日接线80通，一个月的样本量为：22x80=1760，计算下需要抽查的样本量为315通（具体数据见附一）
据业内水平，一个坐席一个月能被抽到的录音数量约为20通。
统计学结论：本身通过抽查计算的质检分数，并不能代表员工的实际质检成绩，因此无法得出正确的结论。
问题随之而来，究竟如何来判定质检成绩和客户满意度的相关性？质检标准究竟是不是和客户的实际需求相关的？
其实操作很简单：引入单通录音评分和单通录音客户满意度的相关性，即使用Logistic回归分析方式，对于N列离散数据计算相关性。
单通录音打分表事例如下：
序号 | 客户评价 | 能够理解客户需求 | 服务态度不恶劣 | 方案便捷、能够解决问题【已客户主观判断为准】 |
1 | 1 | 1 | 1 | 1 |
2 | 1 | 1 | 1 | 1 |
3 | 1 | 1 | 1 | 1 |
4 | 3 | 0 | 1 | 1 |
5 | 2 | 1 | 1 | 1 |
6 | 2 | 1 | 1 | 0 |
7 | 1 | 1 | 1 | 1 |
8 | 1 | 1 | 1 | 1 |
9 | 2 | 1 | 1 | 0 |
10 | 2 | 1 | 1 | 0 |
11 | 1 | 1 | 1 | 1 |
12 | 1 | 1 | 1 | 1 |
13 | 3 | 1 | 1 | 0 |
14 | 2 | 0 | 1 | 1 |
15 | 2 | 0 | 1 | 0 |
打分表和客户评价的满意度的相关性是多少呢？
使用JMP软件中的Logistic分析操作下，得出的W检验数据如下：
可以看出这三个评分标准与客户满意度的卡方值非常高，且P值低于0.005，表明此标准与客户满意度相关。
同时也可以使用JMP中特有的“刻画器”工具进行预估，它使我们能够清楚的知道，这三项的质检成绩对于满意度的影响情况。
如果这三项都得1分的情况下，客户的不满意度为3%。
如果这三项都得0.7分的情况下，客户的不满意度为32%。
备注：此数据结论是基于200通录音打分后的结果
如果运用这个评估质检标准同客户满意度相关性的计算模型，对公司的打分表和客户满意度进行相关性计算，不出意外的话，质检标准和客户满意度的相关性会很差。
如果从业务的角度来看这个问题：
质检评分标准中的多个项目是公司要求的，例如：称呼客户姓氏、要确认客户问题、语速适中语调上扬等，更不用说后台的CRM录入、流程的执行、工单派发准确率等，但是也别灰心，通过这个方式，如果能够找到2-3个打分标准有较高的相关性就已经非常好了！
举例：
关于JMP
JMP是全球最顶尖的统计学软件集团SAS公司的重要事业部，致力于帮助全球企业客户提升质量管理、优化业务流程和改进产品研发，帮助全球高校师生及科研人员提高统计学相关课程的教学质量以及科研工作的成效。
JMP软件是著名的高端桌面“卓越绩效统计发现引擎”，其应用领域包括业务可视化、六西格玛及持续改善(可视化六西格玛、质量管理、流程优化)、试验设计DOE、研发创新、探索和发现、教学及科研等各个方面。
JMP迄今已拥有超过20万用户，企业客户包括英特尔、惠普、戴尔、IBM、苹果、美国国家半导体、德州仪器、汇丰银行、美国银行、苏格兰皇家银行、招商银行、丰田汽车、三一重工、拜尔、罗氏、诺和诺德、阿斯利康、辉瑞制药、陶氏化学、巴斯夫、宝洁、联合利华、中石化、微软、Google等，高校用户包括沃顿商学院、麻省理工学院、牛津大学、耶鲁大学、斯坦福大学、复旦大学、中欧国际工商管理学院、西北工业大学等。点击链接了解更多：www.jmp.com/china
关于SAS
SAS是全球顶尖的统计学软件厂商，也是目前全球最大的私人软件公司，成立于1976年。作为全球企业的战略管理大师，SAS致力于提供新一代的商业智能软件及服务，帮助客户实现真正的商业智能。SAS的行业解决方案已在全球超过40,000家企业中使用，其中包括全球财富500强94%以上的企业。点击链接了解更多：http://www.sas.com/
京公网安备 11010802022788号
