文集 | 重新挖掘潜藏在呼叫中心的顾客之声

2018-08-30 | 用户体验,文集

2017年学术论文欣赏

 

本文段落精选

 

 

数据驱动设计的优点是记录的皆是用户真实的行为记录,再加上记录所有用户的行为,有效克服量化分析时的抽样限制。透过数据辅助设计并追踪调整的成效

 

呼叫中心除了是服务接触点,同时也作为用户反馈的数据源。

 

针对标签的顾客,我们能更以客制化的销售策略与话术销售。

 

...

 

重新挖掘潜藏在呼叫中心的顾客之声

庄得恩

德鸿科技, 台北

 

摘要:

呼叫中心除了作为服务接处点,也包含了顾客与企业的互动记录。这些记录潜藏了顾客尚未被满足的痛点与需求。可能是操作流程上的不便、询问有无提供特定服务、网站或APP设计不良等问题。这些都是服务设计时非常重要的数据。

 

本文透过语音识别技术结合情绪分析。尝试结合用户体验地图,找出顾客痛点,究竟是什么原因造成顾客的不满,什么流程顾客会打进来抱怨,那个服务接触点需要改进。藉此作为优化服务体验时的参考依据,并后持续追踪后续顾客反馈,确保体验得到改进。

 

关键词:Data-driving design, 服务设计, 顾客体验, 数据分析, 用户体验地图

 

1. 呼叫中心里的用户体验与数据分析

 

「呼叫中心您好,敝姓林,很高兴为您服务」。此起彼落的电话声里,有顾客打电话进来抱怨产品瑕疵、办理变更作业,或询问新推出的促销方案。在每天的通话中,其实潜藏了对企业运营非常重要的顾客之声。

 

英国设计委员会(UK Design Council)提出双菱形设计流程模型(The"double diamond" design process model)1,将设计流程分成以下四个阶段:「Discover(探索)」、「Define(定义)」、「Develop(发展)」、「Deliver(实行)」。其中在最初的探索阶段,关注于挖掘出顾客尚未被满足的潜在需求或痛点。相关的研究方法如如市场调查、焦点团体访谈、日志法等。除了质性的用户研究,数据驱动设计(Data-driving Design)透过搜集用户行为:如浏览、搜索、预览、点评、购买、下载、支付等一切使用产品时产生的互动记录。协助设计师调整产品内容与流程。数据驱动设计的优点是记录的皆是用户真实的行为记录,再加上记录所有用户的行为,有效克服量化分析时的抽样限制。透过数据辅助设计并追踪调整的成效。

 

1.1 呼叫中心概述

 

呼叫中心又称客户服务中心,是企业与顾客接触很重要的服务接触点。呼叫中心的业务可粗略分为呼入「问题咨询」「业务办理」「抱怨处理」,呼出的「顾客关怀」「电话销售」「市场调查」等。将企业内分属各部门为客户提供的服务,集中在一个统一的对外联系窗口提供服务。

 

1.2 呼叫中心与用户体验

 

呼叫中心除了是服务接触点,同时也作为用户反馈的数据源。

 

作为服务接触点,服务提供的质量与解决顾客问题的能力皆会影响用户体验。对应的指标如服务水平(顾客需等待多久才能接到电话)、ㄧ次通话解决率(在一次通话中问题得到解决的比率)、服务满意度调查等2

 

作为用户反馈的数据源,呼叫中心过去会进行顾客之声调查(Voice of Customer,VoC)。透过问卷搜集顾客对公司的产品、服务流程、人员质量等面相的满意度;搜集顾客信箱里的用户反馈。另近年互联网使用人口大增,近来兴起的调查方法在社群媒体(Social Media)如Facebook,微博或论坛,透过网络爬虫(spider)自动搜集与企业有关的用户回馈与评论进行舆情分析。但因使用互联网的多为较年轻的使用族群,会产生统计上的抽样偏误。

 

回到呼叫中心,我们思考有没有可能透过如上述舆情分析的技术,直接分析呼叫中心中所有的通话,找出过去话务员可能忽略掉的顾客反馈-不在问卷里的调查项目,或非常强烈的客诉。举例还说:稍微抱怨某个结账流程很不方便,或询问有某个尚未提供的服务(尚未被满足的需求)。这些代表的是顾客潜在的痛点,是服务设计时重要的参考依据。

 

1.3 呼叫中心与数据分析

 

一个100座席的中小型呼叫中心,一个月能产生超过10万通通话。显然用人工去听这些通话是不符合效益的。这会有两个限制:成本高昂且无法重复分析。为了将无法分析的非结构数据-电话录音转换成可供分析的数据,我们使用语音识别技术(Speech recognition)将大量的录音信息转译成可供分析的文字,结合领域知识(Domain Knoledge)建立模型,产出相关分析模型。

 

2. 技术背景介绍

2.1 语音识别技术介绍

 

语音识别又称为语音转文本识别(Speech to Text,STT),目标是透过系统自动将人类的语言转译成相对应的文字。应用场景包含如聊天机器人(Chat bot)、语音输入等对话式接口的基础技术。背后的模型包含声学模型:将发音中的声学特征转换成拼音。语言模型:以概率统计的方法来找出语言单位内在的统计规律,也就是文法规则与惯用语等。详细的技术方法在此就不多叙述,透过这两种模型得以实现全文本80%以上的辨识率水平。

 

2.2 文字探勘与情绪分析

 

文字探勘(Text Analysis)是近年热门的领域,目标是将一篇非结构的文章转换成结构化的数据。例如找出一篇文章的主题。而情绪分析(Sentiment Analysis)是文本分析下的ㄧ支,尝试在大量的文字中,辨识出作者正面或负面的情绪,商业上的应用在于大量收集顾客对于公司或产品的观感,进而调整公司的策略与产品。情绪模型的建立存在不同的技术,我们使用建立情绪字汇的情绪分析(Lexicon‐based sentiment analysis),建立行业专属的情绪字眼模型。

 

3. 研究方法与应用案例

 

为了分析呼叫中心里的数据,我们结合语音识别与文本探勘技术。并尝试结合UX里的研究方法-用户体验地图(Customer Journey Map),将客户。以下将以保险客户的案例说明我们如何协助企业找出服务流程中的痛点,调整服务流程并追踪调整的效益。我们采用数据探勘中的CRISP-DM模式3此方法为泛用性的分析流程分为六个标准阶段,我们调整成五个阶段分别是商业理解(Business Understanding)、数据准备(Data Preparation)、模型建立(Modeling)、模型评估(Evaluation)和模型布署(deployment)。

 

3.1 案例简介

 

人身保险业是个历史悠久的行业。相对于制造商提供有型的商品,保险是无形的商品。人身保险提供的服务是承诺在未来当某些条件成立(e.g.:意外住院),公司会支付约定的理赔。顾客体验的质量对顾客满意度的影响占了很重一部分。

 

3.2 商业理解:流程选择

 

当发生意外后,顾客申请理赔的流程是否顺畅,是决定该顾客未来会不会继续选择这间公司的重要关键时刻(Moments of Truth),在此我们选择此流程分析,用户体验地图可画成下图:

 

图1 保险理赔的流程

 

3.3 数据准备

 

对可用的原始数据进行一系列的组织以及清洗,使之达到建模需求。在此先排除数据源中无效的通话包含「过短通话(30秒内)」「顾客使用方言」。过短的通话因未成为完整的通话故排除。方言因语法结构与用字遣词差异皆大,语音识别引擎尚无法正确辨识,故先排除。

 

3.4 模型建立

 

此处我们使用情绪分析,将通话分为正面的惊喜与负面的抱怨。再结合用户体验地图,将每通通话归类到所属的流程中。藉此找出此流程顾客体验的痛点。以下是模型建立的流程: 

 

3.4.1 情绪模型建立

运用热词分析理赔流程中顾客的回馈,找出抱怨客户会使用的用词如太夸张/离谱/糟糕等,建立抱怨客户模型。可以看出没有通知跟服务人员态度是两大热点。

 

图2 理赔流程中抱怨客户的热词

 

3.4.2 将通话归类到所属流程,并判断情绪高低与影响程度

 

将通话透过来电原因分配至所属流程,并运用情绪模型将通话正面或负面情绪。此处得到的结果是在每一个流程点,顾客所有的反馈与情绪。

 

图3 各理赔流程的顾客反馈

 

3.4.3 找出潜在顾客痛点

 

根据抱怨的数量、重要性来找出浅在的客户痛点。此处需要服务设计师的判断,以分析出来的数据为参考,列出尚待改进的痛点。参考依据如影响程度-代表有多少顾客进线来抱怨这个流程;情绪强度-是随口抱怨(ㄧ通通话中只提到一两次)或强烈抱怨。

 

图4 许多顾客会持续打来询问理赔进度

 

从上图我们发现,在理赔审核阶段会有大量的顾客询问目前申请的进度,且对处理的时间不满。进一步思考这个结果,会进线询问代表拿到理赔的时间是重要的,发生意外当下正是最需要钱的,而等待过程中的不确定感(不知道何时能拿到理赔)会造成顾客对等待的时间误判为耗时更久4。从企业的数据显示理赔申请平均可在一个礼拜内完成5,但因不确定性的等待,造成顾客更大的不安。

 

3.5 模型评估

 

对建立的模型进行评估:每个月客服中心约有五万通的电话量,约有三千多通都在查询理赔的进度,其中更有一千四百通是具有强烈情绪的抱怨。整年影响的顾客估计有7000人。配合最后留失的顾客数量与每人平均保费贡献度(ㄧ年在这间公司花了多少钱买保险),我们便可估算出这个设计不佳的流程对公司营收的影响。

 

服务流程改善:根据上述提到不确定性的影响,回头梳理该客户现有的理赔服务流程,我们发现在等待申请结果的过程,只有到审核结果通过或需补齐文件才会连络。从过去的被动通知改为主动通知顾客,便能消除顾客的不确定感。

 

图5 流程改进方法

 

3.6 模型布署

 

在确认模型的有效性后,因模型已建立完成,我们只要持续追踪相关通话数量,就能评估这样的服务流程改进是否真能解决问题(或创造了另一个问题)。

 

4. 效益与限制

 

做为一个研究工具,通常无法适用于所有的研究情境。以下是在几次项目进行后总结出的效益与限制。

 

4.1 效益

 

在大型企业,整个服务历程牵涉到的部门单位众多。透过实际数据的展示与左证,在要求相关业务单位调整服务流程时,有凭有据的推动相对容易。此外,重新设计服务流程后,要追踪成效需重新进行访谈等研究。透过建模的话只需持续追踪模型,不需要反复投入研究资源追踪改进的成效。

 

从数据面看,因搜集全部客户的录音,能有效克服舆情分析时,搜集不到非互联网使用者的声音。以呼叫中心使用族群来看,更多中高龄用户偏好使用电话来与企业联系。

 

4.2 限制

 

资料永远都是落后指针,因为当事件发生后我们才能收集到资料。就算是预测性的模型,要判断准确性也需事后检验。已前述案例来看,仍需要客户进线后才收集的到数据。更重要的,数据挖掘是寻找数据间的可能性。我可以告诉你什么流程顾客的体验不好;要如何调整或创新设计来响应未来二三十年的需求,仍需要其他使用者研究产生的洞见。

 

5. 其他应用

 

除了上述的应用,互动记录还可作为其他分析使用:

 

5.1. 服务质量确保

 

呼叫中心作为服务接触点,需提供标准且一致的体验。然而多数人都有遇过在需要协助时,遇到服务质量不佳的话务员,例如攻击顾客或态度不佳。以往质量检核流程中,判断一通电话是否符合服务质量要求,需要班组长、质检员等评估人员反复听取录音,需耗费大量时间且缺乏具有说服力的可量化的标准和数据。透过辨识后的文本我们能对服务质量进行全面性的检查,确保通话的过程都是符合服务质量与法规规范。

 

5.2. 顾客行为标签

 

数据分析中,分析用户行为与分类是很重要的一环。过去我们透过结构化数据,如年龄、年收入、消费项目与记录等来找出潜在的销售机会。除此之外,又称为非结构数据的对话录音、文字客服的对话记录、社群媒体上的留言讨论,皆能让我们更了解我们的顾客全貌。譬如客服在与与顾客互动的过程中,顾客提到家庭结构的改变,可能是有新生儿诞生。我们便可对这个顾客编上标签,进行更精准的二次营销。

 

在电销的场景中,我们可以分析顾客的拒绝原因,将顾客区分为不同类型,如价格导向、优惠赠品型、对特定功能需求等。针对标签的顾客,我们能更以客制化的销售策略与话术销售。如价格导向的顾客,给予强调特价折扣的广告宣传。甚而进一步分析不同类型的顾客,对不同销售话术的成交机率。相关的应用场景还有很多可能,就等着我们去挖掘。

 

参考文献

 

[1] UK Design Council. (2005). A study of the design process

[2] Jon Anton. (2000). Call Center Benchmarking: How Good Is “Good Enough”

[3] Pete Chapman (1999); The CRISP-DM User Guide

[4] David H. Maister. (2005). The Psychology of Waiting Lines

[5] 該保險客戶自行統計數據

 

最佳点击量文章查看

 

新零售背景下面向未来的消费者标签系统的研究与设计

 

康复养老院信息服务系统设计研究

 

共享单车应用程式界面易用性之研究

 

租房青年生活形态下的智能家居产品设计方向研究

 

色彩数据库在iWatch配色设计中的应用

 

服务体验设计案例研究——珊珊水族

 

虚拟商业化方法在设计教育中的研究与实践

 

90后消费需求研究与趋势分析

 

基于网页404错误的可用性设计研究

 

人机交互测量在用户体验评价中的应用研究

 

多媒体上汉字字体的心理感受研究

 

血压测量App的用户体验研究分析与设计

 

微信小程序的用户体验研究

 

基于因子分析的漫画IP评估模型建立

 

基于文献综述探讨未来用户体验设计发展方向

 

从男士审美演变看当代日常箱包的新设计营销模式

 

复杂性社会问题的服务设计—针对罕见病儿童的巴拉度宝宝服务设计案例

 

推荐系统准确度衡量方案-- 引入权重概念

 

社交网络服务的用户持续使用意愿的影响因素模型探究

 

裸眼3D手机用户需求洞察

 

身心障碍共乘系统之服务调查与设计

 

民族志研究如何更好的在企业运用

 

数字界面汉子笔划粗细度对识别销量的影响研究

 

儿童设计思维启蒙创造力和创新力培养

 

探索时搜索中结果空间架构可视化研究

 

手游新手阶段中的引导及乐趣设计研究

 

Design with the Early Adapters——关于90后人群的住宅需求研究

 

数读信息爆炸时代的电影评分信任危机——以豆瓣电影平台为例的改良性设计

 

起步型工具产品数驱全流程设计研究  ——以营销推广工具阿里妈妈APP为例

 

基于家庭情感增进式服务设计研究  ——以阿尔兹海默症中国患者家庭为例

 

 

0   喜欢

操作成功!
请登录您的邮箱获取新密码,请尽快修改您的新密码!