全彩邪恶女少H邪恶集,浪荡超短裙长腿教师h,偷拍福利精品中文字幕

主頁 > 知識庫 > 智能化服務在投訴管理中的應用與思考

智能化服務在投訴管理中的應用與思考

從事呼叫中心行業6年有余，接觸過許多崗位，目前負責中移在線某部門需求管理工作，主要是對接生產部門，解決實際運營中存在的問題，將一線人員的業務需求轉化為實際的系統功能。多年的從業經歷使我有機會輾轉到各個環節，在這個過程中我逐步體會到平臺承載流程，技術革新運營的理念，切身感受到整個行業在泛智能化的洪流中發生的巨大變化。

今天我想以傳統熱線服務投訴處理與智能化服務在投訴管理中的應用這個話題，談一談自己的看法。

一、傳統熱線投訴的被動式響應

往前追溯幾年，智能化尚不具備深度應用條件，在傳統的熱線服務中，當客戶對坐席的處理方案、服務態度不滿，在線對客服進行投訴時，客服新員工幾乎毫無招架之力，只能道歉加求助，由現場管理人員介入。這種“誰值班，誰解決”的投訴處理機制，往往需要管理人員憑借自己豐富的話務經驗與溝通技巧予以現場解決。這樣做的好處是在第一時間就可以化解客戶投訴，幫助員工消除考核之憂。而弊端是在當時這種突發性的緊急情況下，現場管理人員沒有復聽錄音，也沒有預案和底稿，只能見招拆招，摸不透客戶性情和前因后果時，有可能因處理失當產生進一步的投訴影響。

另一種情況是接到工單投訴。面對客戶的不理解，客服人員除了自我安慰調節情緒以外，唯一能做的就是復盤投訴案件的前因后果，溯源所有來電復聽錄音，還原場景細節，與大家討論解決方案，斟酌詞句，猜測客戶反應，以此來應對每一次突如其來的客戶投訴事件。

不論哪一種投訴，都是讓人緊張的事情，以至于有些員工會產生“投訴焦慮癥”，一旦被投訴過，就更加畏手畏腳，客戶稍質疑就不敢肯定，這些已成既定事實的投訴，對坐席和管理人員都帶來了很大壓力。在沒有智能化應用工具的時期，被動地處理客戶投訴是呼叫中心客訴處理中的常態。

二、智能化工具如何介入投訴風險防控

眾所周知，智能化手段多適用于替代簡單高頻，具有流程約束和標準答案的場景模式，而客戶的投訴往往是復雜的、情緒化的，沒有標準的解決方案。那么運用智能化工具是否可以直接處理客戶投訴呢？

很顯然，答案是否定的。但是智能化工具在面對客戶投訴的風險防控中卻大有益處，筆者將從智能化工具應用的三個方面談一談我們企業目前的做法。

1、針對客戶和坐席行為的模型篩選預警

撇開外部原因（如產品、規則等引發的投訴），聚焦內部服務本身。很多時候，客戶投訴是因為沒有獲得滿意的服務過程、解決方案，或者沒有得到情緒上的理解和安慰。

在檢索了部分投訴數據后，我們發現，其實客戶在投訴前都有一些顯性的特征，比如一定周期內的多次來電、前期服務過程中客戶表露過針對坐席的不滿情緒（含解決方案、共情能力、溝通表達等）、不滿意評價，或者坐席存在明顯的不當服務行為，如長期的靜默、反復推諉等。從這些行為特征出發，基于語音轉寫和語義理解技術，我們利用“語音模型”檢索出關鍵詞，識別出具備投訴風險的數據，并及時推送給管理人員進行回訪補救，化解部分風險，還會根據問題嚴重性建立常態的復核、回訪機制。語音模型作為針對交互數據進行投訴風險預警的一種手段，本質上是對“人”的管理。

2、基于數據畫像的高風險員工識別

沒有員工是故意想要產生投訴，部分員工產生被客戶投訴的情況往往是因為自身業務儲備薄弱，服務技巧欠佳和情緒管理能力不足等非主觀意愿導致了客戶投訴。除了針對雙方交互過程中的高風險場景進行篩查介入，我們還通過數據分析來識別高風險員工，并對高風險員工進行現場重點支撐和針對性培訓。

我們通過對坐席的上線時間、平均通話時長、往期不滿意、投訴數據、服務意識和業務能力（如服務過程出現與客戶爭執、搶話、靜默時長占比較高且頻繁出現靜默的行為）等“語音模型”的命中占比，進行不同程度的加權，計算出綜合得分。對于效能偏低，往期質量指標表現不佳，日常各類“語音模型”命中比例偏高的員工，一方面要求現場做措施防控，比如將高風險人員或新員工位置安排在管理人員周圍，這樣有問題可以及時發現，及時支撐。另一方面也會根據指標、模型命中的表現，傾斜講師資源，做針對性的強化培訓和效果評估。

這種評估模型可根據后續運營要求進行調整優化，是綜合“多平臺數據互通”和“語音模型”的應用方式，充分打通上下游平臺間的數據關聯，使內部系統得以最大程度的資源整合，形成合力，屬于對“數據”的管理。

3、聚類分析算法在流程優化中的應用

作為現場管理者，我們需要思考，在目前所處的行業內，有哪些問題投訴占比最多（易出錯、易引發不滿的頭部問題），解決成本最高（涉及政策監管紅線、客戶資金損失等）。可以優先對歷史投訴數據進行歸類分析，聚焦到明確的場景。

以往我們做分析時，需要投入大量人工聽音、手動標注分類，才能聚焦到投訴/不滿意的原因?，F在我們可以通過聚類分析算法對投訴/不滿意數據進行全量的分析，根據聚類結果可以大致復原客戶的不滿意場景，再進一步定位到客戶對于接入等待、業務辦理、身份信息核對、工單處理、斷線回復等業務具體環節中存在的不滿和投訴傾向趨勢，剔除掉服務問題（已在1進行了討論），聚焦企業制度、規范、流程，端到端梳理各環節風險隱患點，針對性的推進流程、管理要求的調優，或尋求系統層面的解決方案。此外，聚類分析算法也可以為“語音模型”提供語料，輔助“語音模型”的查漏補缺和規則優化。這種應用方向，屬于智能化應用對“流程”的管理。

聚類分析也可用于對話務結構的分析，輔助值班人員通過來電原因和熱詞的異常波動，定位導致話務突增的原因，快速制定應答口徑，并協同其他部門進行解決，做到投訴風險的前置化解。此類技術在“實時轉寫”的前提下具備較高的應用價值。

三、技術革新會給投訴管理帶來哪些新局面

我們無法把控客戶行為，無法猜測客戶投訴的時間、原因，也無法滿足所有客戶的訴求，解決所有的問題。我們能做的就是依托智能化手段盡可能地識別風險，綜合考量資源、成本、企業理念、品牌形象，化解我們能主動把控與改善的問題。

呼叫中心的深度智能化工作還尚在探索中前進，投訴的根本原因是服務與需求的不匹配，我相信技術給投訴管理工作帶來最大的革新，是投訴處理環節的前置，利用大數據從源頭進行服務資源的精準配置，讓那個“對的人”，接起這一通電話。利用大數據畫像的初級形態，對客戶和員工進行標記，將客戶近期的來話情況、辦理過的業務和往期投訴/不滿意的原因，接入各類服務渠道的分布和頻次。如果一個客戶來話前，在其他渠道（如IVR、APP等）有過咨詢，說明他的問題解決得不順利，這種客戶就需要被標記出來，要及時推送給員工這些信息，讓員工可以減少無效溝通；對于多次來電的客戶，可以在服務策略上配置給有豐富投訴處理經驗、業務熟練的員工來響應；而對于有過多次不滿意的客戶，最好直接由疑難專席承接。

我們將以上幾種場景的客戶，歸為服務敏感型客戶，他們因為辦理咨詢不暢，或服務期望較高等原因，尋求的是能夠快速解決問題的良好服務體驗，對于服務瑕疵的耐受度較低。而與之相反的，是鈍感型客戶，他們能夠忍受服務中存在的問題，對于不同員工服務水平的差異雖然能感知，但是，他們并不是很在意，比較佛系，這類服務電話就可以讓表現平常的員工來承接。

通過對客戶和坐席的雙向標記，我們就可以在資源不變的情況下，實現接續策略的優化。當然，大數據畫像需要強大的數據處理能力和復雜的策略配置體系。如今的“猜你喜歡”、“千人千面”類還停留在根據“價格、性別、年齡、搜索/購買關鍵詞”等幾個標簽進行，顯性的畫像維度不多，這類推薦算法也是基礎的“相似型推薦”（每個企業的算法都是它的核心壁壘，逆向破解了算法就是掌握了流量大門的鑰匙），距離更個性化的精準識別和服務匹配還有不遠的路。

技術不斷革新，導航讓“帶路”這個行業消亡，無人駕駛也有替代“司機”的趨勢，服務渠道和服務模式的多樣化讓部分用戶不再依賴人工。在這種發展勢頭下，有人說AI或將替代傳統呼叫中心行業。但我卻始終堅信，只要客戶有棘手的問題，就會需要有溫度的回復。身為客服人，我們就是客戶投訴最后的守護者。

我是王炸炸，一個致力于解決客戶問題的需求管理。

標簽：恩施廣安安順麗水嘉興宜賓黔東黑龍江

巨人網絡通訊聲明：本文標題《智能化服務在投訴管理中的應用與思考》，本文關鍵詞智能化,服務,在,投訴,管理,；如發現本文內容存在版權問題，煩請提供相關信息告之我們，我們將及時溝通與處理。本站內容系統采集于網絡，涉及言論、版權與本站無關。

好湿?好紧?好多水好爽自慰,久久久噜久噜久久综合,成人做爰A片免费看黄冈,机机对机机30分钟无遮挡

智能化服務在投訴管理中的應用與思考