
大数据催生新一代联络中心
作为一个消费者,当你打电话去企业的客户服务电话,或者用电子邮件、网络聊天跟企业联系,你一定希望他们可以问一答十,轻而易举地解决你所面临的问题。然而,你是不是越来越容易失望?这种时候,请先不要抱怨企业客服人员无能,因为你自己不知不觉已经跨入新一代消费者的行列,你获取产品知识和经验的渠道无形中早已今非昔比。客服人员如果觉得无辜、冤枉,其实是企业应该升级他们的客户联络中心了!
联络中心必须适应大数据
以往,与企业相比,消费者所掌握的商品信息是比较少的。现在可不同了,智能手机随时可以为消费者提供丰富的信息,从产品知识到其他消费者的经验一应俱全。消费者在打电话给企业的客户联络中心时,他可能早已搜集好了完整的产品资料,让企业客户联络中的座席人员原本所拥有的信息优势几乎不存在了。所以,企业必须意识到,当消费者找上自己的联络中心的时候,他所具备的知识,特别是他所掌握的其他消费者的评价和体验知识,很可能已经远远超过自己的客服人员。
面对大数据环境,联络中心座席人员究竟需要多少数据才能给客户提供足够好的体验?其实,这个问题的答案本身就是个问题。例如,先进的联络中心可以对座席人员与客户的互动进行全程录音,可是究竟哪些录音数据应该被关注呢?在大数据环境中,能够提取出有价值的、关键性的那部分数据,这是新一代联络中心必然面临的一大挑战。
例如,微博是典型的海量数据。如果企业的微博监控系统发现,某个客户在他的微博中提到自己最近买了一样东西,同时也发现这个客户有个朋友的生日临近了,就可以提醒他顺便给朋友买个生日礼物,同时送上一些推荐礼物和优惠券的超链接。能够适应大数据环境的联络中心平台就会具备类似的功能。
掘金大数据,提升客户体验
实际上,新一代联络中心已经在回应大数据需求。相应的技术和支持能力已经越来越成熟。这是因为,各方面的需求压力早就接踵而来。企业管理人士要求以更低的投资获得更高的回报。客户要求企业提供更好的互动体验。座席人员也要求提供更灵活的排版选择。
所有这些要求都是合理的,但也带来了新挑战。其中许多新挑战都能随着大数据概念和技术的引入而迎刃而解。只要能够在适当的时间获得适当的数据,就可以支持座席人员和企业高层做出质量更高的决策,特别是对于交叉销售、催收催缴这里业务更是如此。把人员、软件应用和业务流程统合起来考虑,企业就可以在降低人力成本、提高服务水平和客户忠诚度等方面取得显著的效益。
例如,联络中心产生的数据可以用来对座席人员进行培训,评估他们的绩效,并且以更快的速度提供更丰富的信息给座席人员。
但是,更重要的是,在大数据环境中,企业可以把联络中心与其他业务应用系统更紧密的整合起来,更好地服务于战略目标。
互动管理和劳动力优化将是两大主题
为了适应新的需求,在全球联络中心积累了30多年历史的老牌提供商Aspect最近也做出了重大调整,把所有的产品规划为两大门类:互动管理(Interaction Management)和劳动力优化(Workforce Optimization)。
Aspect已经是劳动力优化市场的主导者,但还是会采取更大的行动来积极进取。目前,Aspect大部分业务收入来自互动管理,但在未来劳动力优化将会占有越来越大的比例。事实上, Aspect最近还专门成立了一个部门致力于面向Microsoft Lync平台的劳动力优化产品。
Aspect刚刚推出的劳动力管理软件Workforce Management 7跟云计算的关系极为紧密。虚拟联络中心是当今云计算最为成熟的应用之一,而劳动力管理作为联络中心的重要组成部分,能够支持虚拟联络中心是对云计算整体方案的重大提升。
Aspect® Unified IP® 7.1 (Tiger Shark)以及Workforce Management这些产品的应用实践证明,从系统的开销来看可以节省50%的维护成本和将近80%的软硬件投资,从而可以显著提高工作效率、降低成本。
目前,Aspect在全球有超过7000家企业客户,在过去的10个季度了增加了250个客户。特别是在金融服务、医疗健康、保险和电信等行业,Aspect积累了丰富的经验。从商业模式上看,客户可以直接购买软件许可,也可以选择订阅式购买(based on subscription)或者混合模式。无论如何,Aspect在行业市场都以独特优势的产品、丰富的服务经验都让新客户对他们充满信心。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10