人工智能，機(jī)器人，大數(shù)據(jù)和分析的強(qiáng)大功能現(xiàn)在使我們能夠?qū)崿F(xiàn)“我們?nèi)绾卧诙鄠�(gè)渠道和接觸點(diǎn)創(chuàng)建和維持一致且令人敬畏的客戶體驗(yàn)”這一整體目標(biāo)，從而提高可持續(xù)收入，實(shí)現(xiàn)更高利潤(rùn)率，并維持更高水平的客戶滿意度和忠誠(chéng)度。

　　讓我們深入探討第二個(gè)挑戰(zhàn)，即提高FCR。

　　經(jīng)過(guò)研究證實(shí)，聯(lián)絡(luò)中心和其他支持功能的首次聯(lián)絡(luò)解決率（FCR）是客戶滿意度的最大驅(qū)動(dòng)因素。然而，大多數(shù)公司過(guò)分依賴平均FCR等點(diǎn)數(shù)統(tǒng)計(jì)，他們忽略了今天客戶開(kāi)始查詢或在線搜索支持的事實(shí)，在IVR系統(tǒng)中失敗的事實(shí)，然后他們才會(huì)通過(guò)電話、電子郵件或聊天來(lái)聯(lián)系客戶服務(wù)代表。想一想：如果客戶無(wú)法在網(wǎng)上得到他們想要的東西，并且在IVR遭到挫折，那么他們與座席的互動(dòng)是第三次接觸=非常不滿意，而且代價(jià)高昂！

　　客戶在座席級(jí)別了解FCR會(huì)不會(huì)更好，更令客戶滿意（哪些座席比其他座席有更高的解決率，哪些座席不會(huì)產(chǎn)生重復(fù)聯(lián)絡(luò)）？并找出第一次難以解決哪些問(wèn)題，產(chǎn)生重復(fù)聯(lián)絡(luò)？并分析客戶在網(wǎng)站上啟動(dòng)的FCR，并盡可能多地解決這些交互？最后一點(diǎn)還涉及我之前關(guān)于減少對(duì)聯(lián)絡(luò)中心需求的專欄，并在我的第一本書(shū)“最佳服務(wù)是無(wú)服務(wù)”和我的第二本書(shū)“客戶規(guī)則”的關(guān)鍵部分中整齊地聯(lián)系起來(lái)！

　　在這篇文章中，我將不討論如何定義和改進(jìn)IVR遏制，因?yàn)檫�有很多其他的地方可以找到方法。為什么增加FCR如此困難的一些原因，特別是在我提出的全渠道基礎(chǔ)上，包括：

　　（1） 渠道通常由不同的團(tuán)體或職能部門(mén)“擁有”；

　　（2） 渠道發(fā)展不協(xié)調(diào)；

　�。�3） 渠道報(bào)告同樣不協(xié)調(diào)，存放在不同的數(shù)據(jù)庫(kù)中；

　�。�4） FCR沒(méi)有單一的定義；

　�。�5） 我們經(jīng)常依賴FCR的“平均值”，就像處理時(shí)間（AHT）等許多其他指標(biāo)一樣，而不是深入到座席級(jí)別或問(wèn)題級(jí)別上。

　　最后一條是因?yàn)槿狈ψ銐蚓�確的數(shù)據(jù)來(lái)預(yù)測(cè)績(jī)效，因?yàn)樽�席加入，被培�?xùn)或離職，并且使問(wèn)題或原因或多或少地變得復(fù)雜。

　　然而，通過(guò)使用AI，機(jī)器人，大數(shù)據(jù)和分析，解決這五個(gè)原因并跟蹤FCR的持續(xù)增長(zhǎng)變得更加容易。我將回顧解決這個(gè)關(guān)鍵問(wèn)題的五個(gè)步驟：“我們?nèi)绾晤A(yù)測(cè)重復(fù)接觸；第一次完全解決它們；并專注于開(kāi)始重復(fù)接觸過(guò)程的問(wèn)題，原因代碼和座席（或創(chuàng)建滾下山的”雪球“），以及能夠解決重復(fù)接觸的過(guò)程和座席（或”融化雪球““）？”

　　正如所指出的那樣，對(duì)于FCR沒(méi)有一致的定義，并且周圍的內(nèi)容被稱為渠道不同的東西（網(wǎng)絡(luò)支持和IVR支持的“遏制”，聯(lián)絡(luò)中心的FCR平均值）。讓我們首先使用相同的術(shù)語(yǔ)來(lái)表示重復(fù)的，未解決的聯(lián)系人（“雪球”）；在網(wǎng)站上開(kāi)始客戶啟動(dòng)的地方；并發(fā)送平均值以達(dá)到座席和問(wèn)題級(jí)別。我們可以通過(guò)多種方式定義FCR，最受歡迎的是“同一個(gè)客戶在7天內(nèi)沒(méi)有再次與我們聯(lián)系”；然而，通常引用的“聯(lián)系人”是在聯(lián)絡(luò)中心，而不是在所有渠道上，也不是從網(wǎng)絡(luò)上開(kāi)始。因此，讓我們將FCR定義為“同一客戶沒(méi)有因?yàn)槿魏吻�道中的同一�?wèn)題在4天內(nèi)再與我們聯(lián)系，”，更嚴(yán)格的時(shí)間表等同于客戶更大程度的不耐煩。

　　這一步驟大大提升了大數(shù)據(jù)的力量，以“混搭”無(wú)數(shù)的數(shù)據(jù)源，并整理出具有最高預(yù)測(cè)價(jià)值的數(shù)據(jù)源。這是我們?cè)谒�有�?wèn)題上擊倒“平均”FCR和整體FCR的地方；相反，我們需要收集所有渠道，座席和問(wèn)題的數(shù)據(jù)點(diǎn)，問(wèn)題=客戶語(yǔ)言中的一組有限的“原因代碼”，例如“我的退款在哪里？”或“我如何獲得另一個(gè)過(guò)濾器？”您會(huì)發(fā)現(xiàn)該網(wǎng)站的FCR非常低（我們經(jīng)�？吹狡骄�網(wǎng)絡(luò)支持FCR約為30％�。�，值得密切關(guān)注，使網(wǎng)絡(luò)支持變得簡(jiǎn)單。您會(huì)發(fā)現(xiàn)某些問(wèn)題的FCR非常低，可能是因?yàn)檎�策混亂（參見(jiàn)步驟4），有些問(wèn)題可能接近100％FCR，因此不太注意修復(fù)。

　　通過(guò)構(gòu)建一個(gè)輸入--輸出表來(lái)顯示哪些座席解決問(wèn)題，哪些不解決問(wèn)題，您最終可以超越平均值并將座席匯總到他們的團(tuán)隊(duì)中以生成基于管理員的FCR結(jié)果。在這里你會(huì)看到一些座席的FCR低于50％，拉低了整體平均FCR，可能是因?yàn)榕嘤?xùn)不足（參見(jiàn)步驟4），有些幾乎是完美的100％，值得你持續(xù)保持對(duì)他們的關(guān)注。

　　現(xiàn)在是有趣的部分......將粒狀FCR數(shù)據(jù)點(diǎn)加載到清晰且可操作的模型中。幾年來(lái)，我的團(tuán)隊(duì)一直在使用Microsoft PowerB I，Qlik或Tableau等工具構(gòu)建這些模型，還有其他可用的可視化工具。最好將輸入，趨勢(shì)視圖和“所有者”顯示與所有者=負(fù)責(zé)開(kāi)發(fā)或改進(jìn)影響FCR的流程和系統(tǒng)的高管結(jié)合起來(lái)。

　　通過(guò)步驟2中發(fā)現(xiàn)的一些假設(shè)，使用AI，您可以找到FCR可能驅(qū)動(dòng)程序的原因和結(jié)果，例如重新設(shè)計(jì)的Web支持頁(yè)面，新培訓(xùn)，簡(jiǎn)化的知識(shí)共享頁(yè)面以及對(duì)座席的反饋（以便每個(gè)人都可以看看他們的工作如何影響客戶滿意度）。您還可以開(kāi)始預(yù)測(cè)哪些客戶和問(wèn)題可能是雪球，使勞動(dòng)力管理能夠?qū)⑺麄兟酚傻礁鼘�業(yè)的座席那里，這些座席具有融合雪球的成熟技能。

　　在最后一步中，您將能夠識(shí)別能夠解決更多聯(lián)系人的座席，而不是送雪球下坡，開(kāi)發(fā)人員能夠增加WebFCR，以及可視化專家能夠?qū)⑺�有這些都集中在一起。然后，您可以從這些成功中學(xué)習(xí)，并建立在它們之上，進(jìn)入持續(xù)改進(jìn)的良性循環(huán)當(dāng)中。

　　通過(guò)遵循這五個(gè)步驟并使用AI，機(jī)器人，大數(shù)據(jù)和分析，您將增加FCR并提高客戶滿意度。你還會(huì)：

　　作者：比爾.普萊斯（Bill Price）

　　原文網(wǎng)址：http://customerthink.com/how-to-increase-first-contact-resolution-with-ai-bots-and-big-data/