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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19