京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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。(文章来源CDA数据分析师)
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
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20