Печалби:
- Възможност за четене на класически KPI (AHT, FCR, CSAT, NPS, CES) и специфични за AI показатели с качествен балансьор за всяка мярка за производителност
- Възможност за измерване на точността на отговора и редовно отклонение и избягване на капана на заключването в един показател
- Възможност за извършване на непрекъснато подобрение въз основа на регистриране „Не знам“, причини за текучество и неуспешни потоци с PDCA цикъл
Най-опасната грешка, когато AI влезе в кол център, е да кажете „инсталирахме го, изглежда, че работи, това е достатъчно“. Бот, асистент или поток на самообслужване не е перфектен в момента, в който се активира и не остава там; Тя трябва постоянно да се измерва, наблюдава и подобрява. Освен това, проследяването на грешен показател понякога е по-вредно, отколкото непроследяването на правилния показател - защото ви кара да бягате в грешната посока. В този раздел ще видим ключови индикатори (KPI) на кол център, специфични за AI показатели и как да създадем непрекъснат цикъл на подобрение.
Първо, предупреждение: показателите са средство за постигане на цел, а не самата цел. Целта е да се реши проблема на клиента добре и ефективно. Ако преследвате един показател (напр. AHT) изолирано, повторенията ще съкратят разговора, без да разрешат клиента, и истинската цел ще бъде повредена. Това се нарича мания за показателите; Прочетете всеки показател с противотежест.
Основни KPI на кол център
KPI (Ключов индикатор за ефективност) е число, което измерва ефективността на даден процес. Най-основните в кол центъра:
KPI
Какви мерки
балансьорът
AHT (средно време за обработка)
Продължителност на контакта
FCR, CSAT (къси, но не неразтворими)
FCR (Разрешаване при първи контакт)
Еднократно решение
CSAT (не казвайте, че сте го решили и не го решавате)
CSAT (удовлетвореност на клиентите)
Резултат след контакт
Процент на отговори (ще бъде подвеждащо, ако малко хора попълнят)
NPS (препоръчителен резултат)
Лоялност/препоръка
Първопричина (защо ниска?)
CES (Customer Effort Score)
Колко трудно беше клиентът
—
SL (Ниво на обслужване)
% отговор на повикване за x секунди
Процент на изоставяне
Процент на изоставяне (изоставяне)
Обаждането е оставено на изчакване
SL, охлаждане
CES (Customer Effort Score) измерва колко усърдно клиентът се опитва да реши проблема си; малкото усилие е силно свързано с висока точност. Клиентът да каже „Реших го лесно“ често е по-ценен от това да каже „Много съм доволен“.
Специфични за AI показатели
До класическите KPI се добавят специални показатели за AI приложения:
- Степен на ограничаване/отклоняване: Степента на контакт, която ботът/самообслужването разрешава, без да го предава на човека. Но само това е измамно; трябва да се чете заедно с решението (капанът в Раздел 8).
- Степен на разрешаване на бота: Контакти, които ботът действително е разрешил (клиентът е напуснал доволен) — не „остава в бота“.
- Степен на текучество и причина: Колко се прехвърля и защо (Единица 10).
- Точност на отговора: Скоростта, с която отговорите, дадени от бота/асистента, са верни — измерено чрез вземане на проби и наблюдение от хора.
- Приемане: Скоростта, с която агентите използват предложения за помощ от агенти (Единица 6).
- Точност на резюмето: Скоростта, с която автоматизираните резюмета/тагове се коригират от одобрението на човека (Единица 4).
- Процент на халюцинации/грешки: Честота на измислени или неправилни отговори — цел близо до нула.
Съвет: Сдвоете всеки AI показател със „стабилизатор на качеството“. „Високо задържане“ само по себе си не е добро; „ограничаването е високо И удовлетворението от бот решението е високо“ е добро. Никога не отделяйте показателя за ефективност от показателя за качество.
Цикъл на непрекъснато подобрение
Добрата AI програма е въртящо се колело, а не еднократен проект. Класическият цикъл на PDCA (Plan-Do-Check-Act; PDCA) работи тук:
- План: Кой показател ще подобрите и защо? Поставете си цел (напр. „увеличаване на процента на разрешаване на ботовете при възвръщаемост от 60% на 75%).“
- Прилагане: Направете промяната (добавете елемент от базата знания, коригирайте потока, подобрете подканата).
- Проверете: наистина ли се е подобрил показателят? Има ли странични ефекти (счупени ли са някакви други показатели)?
- Вземете предпазни мерки: Ако работи, направете го постоянно; Ако не работи, вземете го обратно и се научете.
Горивото за този цикъл са данни: регистрационни файлове „не знам“ (Единица 5), причини за текучество (Единица 10), неуспешни потоци (Единица 8), разговори с нисък резултат (Единица 7). Тези ресурси ви казват къде да подобрите.
Внимание: AI моделите и поведението на клиентите се променят с времето; Това се нарича дрейф. Бот, който работи 95% точно днес, може безшумно да се влоши, ако базата му знания остарее или моделът на въпросите на клиента се промени. Затова измерването не е еднократно, а непрекъснато. Това, което не измервате, тихо се разваля.
Четири копируеми шаблона
1) Дизайн на таблото за KPI:
Изготвяне на месечно табло за управление на KPI за моята AI програма за кол център. За всеки показател: дефиниция, цел, компенсиращ показател, източник на данни, праг на предупреждение (аларма над/под тази стойност). Метрики: AHT, FCR, CSAT, ограничаване, честота на решение на бот, степен на текучество, точност на отговорите. Не давайте измислени числа; Настрой шаблон, така че да попълня полетата.
2) Тълкуване на метрика (първопричина):
Интерпретирайте данните за KPI по-долу като CX анализатор. (1) Най-забележителната промяна, (2) възможна първопричина ХИПОТЕЗИ (докажете), (3) какъв друг показател да разгледате (отместване), (4) 2 предложени действия. Вземете числата от данните; Маркирайте хипотезите като „трябва да бъдат потвърдени“. Данни: <<...>>
3) A/B сравнителна оценка:
Сравнете две версии на бот/поток (A и B) с тези данни: <<данни>>. Кое е по-добро по отношение на ограничаването, скоростта на разрешаване на бота и CSAT? Разликата изглежда ли значителна или е малка/шум? Увеличаването на производителността за сметка на загуба на качество ли е? Дайте ясна препоръка, но също така посочете всички несигурности.
4) Обобщение на обратната връзка за непрекъснато подобрение:
Комбинирайте следните ресурси за подобрение (не знам регистър, причини за предаване, неуспешни потоци). Дайте приоритет на 3-те възможности за подобрение с най-голямо въздействие: проблем / засегнат показател / предложена промяна / очаквано въздействие. Просто разчитайте на данни. Източници: <<...>>
Слаба подкана / Силна подкана
Слаба подкана:
Кажете ми дали числата за този месец са добри или лоши.
Неясно: коя метрика, каква цел, какъв стабилизатор, каква е основната причина - създава повърхностна и подвеждаща преценка.
Мощна подкана:
Този месец ограничаването се увеличи от 58% на 71%, но CSAT спадна от 4,1 на 3,6, а процентът на текучество намаля от 30% на 19%. Тълкувайте тази диаграма: дали увеличението на производителността е за сметка на удовлетвореността на клиентите (може ли клиентите да бъдат хванати в капана на бота)? С какви данни трябва да проверя? Предложете 2 действия.
Разликата: въпросът за метриките, балансирането и валидирането е ясен; Тълкуването има смисъл (тук има сигнал за прихващане за „ограничаване“, тъй като увеличаването на ограничаването идва с намаляване на CSAT).
три мини калъфа
Случай 1 — Грешен метричен капан. Един кол център възнагради само AHT. Агентите затвориха клиентите, без да ги разрешават, за да съкратят времето; В краткосрочен план AHT падна с 15%, но повторните повиквания се увеличиха с 28%, а FCR се срина. Общата тежест и разходите всъщност са се увеличили. Балансът беше установен, когато AHT, FCR и CSAT бяха наблюдавани заедно. Урок: един показател лъже.
Случай 2 — Безшумен дрифт. Един банков бот работи без проблем 6 месеца, никой не го е мерил. Когато излязоха нови продукти, базата от знания беше изоставена; Точността на бота неусетно падна от 94% на 79%, а оплакванията се увеличиха. След като беше установено редовно измерване на точността, приплъзването беше уловено рано. Поука: системата, която не се измерва, тихо се разпада.
Случай 3 — Силата на лечебния цикъл. Компания за електронна търговия избра 3-те подобрения с най-голямо въздействие всеки месец (от не знам дневник + причини за оборот + неуспешни потоци) с месечен цикъл на PDCA. За 6 месеца процентът на разрешаване на проблеми с ботове се увеличи от 52% на 74%, CSAT от 3,8 на 4,4 — не в един голям пробив, а в малки, измерени подобрения едно след друго. Непрекъснатото подобрение идва от последователност, а не от скокове.
Често срещани грешки
- Фокусиране върху един показател. Преследването на AHT или ограничаването само по себе си влошава качеството; Всяка метрика трябва да има стабилизатор.
- Отделяне на показателя за производителност от качеството. „Ботът решава много“ и „клиентът е доволен“ са две различни неща; Четете заедно.
- Настройте го веднъж и го пуснете. Дрифтът е безшумен; Непрекъснатото измерване е задължително.
- Разглеждане само на CSAT като реално. Ниският процент отговори подвежда CSAT; Вижте кой го е попълнил.
- Не се свързва подобрение с данни. Дайте приоритет на данните от „не знам регистрационен/хендовър/неуспешен поток“, а не на интуиция.
В обобщение
Измерването и непрекъснатото подобряване превръщат AI от еднократна инсталация в жива система. Проследявайте заедно класически KPI (AHT, FCR, CSAT, NPS, CES) и специфични за AI показатели (ограничаване, процент на решение на бот, точност на отговора, използване на препоръки); прочетете всеки показател за производителност със стабилизатор на качеството; Никога не се фиксирайте върху един показател. Непрекъснато подобрявайте с цикъла PDCA и използвайте регистрационни файлове „не знам“, причини за оборот и неуспешни потоци като гориво за цикъла. Запомнете: моделите и клиентите се променят във времето; Това, което не измервате, тихо се разпада.
Задача за приложение
Проектирайте табло за управление на KPI за вашата собствена AI програма, състояща се от 7 показателя; за всеки показател задайте дефиниция, цел, компенсиращ показател и праг на предупреждение (използвайте шаблона „1) KPI табло за управление“). След това създайте фиктивен месечен набор от данни и извършете анализ на първопричината с шаблона „2) Интерпретация на показатели“. И накрая, дайте приоритет на 3-те подобрения с най-голямо въздействие за следващия месец с „4) Обобщена обратна връзка за непрекъснато подобрение“.
контролен списък
- [ ] Проследявам заедно класически KPI и специфични за AI показатели.
- [ ] Всеки показател за производителност има стабилизатор на качеството; Не се фокусирам върху един показател.
- [ ] Прочетох степента на ограничаване/бот решения заедно с удовлетвореността на клиентите.
- [ ] Измервам точността на отговорите и се отклонявам редовно.
- [ ] Правя непрекъснато, управлявано от данни подобрение с цикъла PDCA.
- [ ] Давам приоритет на подобренията с дневника „не знам“, причините за предаване и неуспешните потоци.