కొలత, KPI మరియు నిరంతర అభివృద్ధి: ఏమి పర్యవేక్షించాలి మరియు ఎలా?

లాభాలు:

• ప్రతి ఉత్పాదకత కొలత కోసం నాణ్యమైన బ్యాలెన్సర్‌తో క్లాసిక్ KPIలు (AHT, FCR, CSAT, NPS, CES) మరియు AI-నిర్దిష్ట మెట్రిక్‌లను చదవగల సామర్థ్యం
• సమాధాన ఖచ్చితత్వాన్ని కొలవగల సామర్థ్యం మరియు క్రమం తప్పకుండా డ్రిఫ్ట్ మరియు ఒకే మెట్రిక్‌లోకి లాక్ చేసే ఉచ్చును నివారించడం
• PDCA చక్రంతో 'నాకు తెలియదు' లాగింగ్, టర్నోవర్ కారణాలు మరియు విఫలమైన ప్రవాహాల ఆధారంగా నిరంతర అభివృద్ధిని కొనసాగించగల సామర్థ్యం

AI కాల్ సెంటర్‌లోకి ప్రవేశించినప్పుడు అత్యంత ప్రమాదకరమైన తప్పు ఏమిటంటే, "మేము దీన్ని ఇన్‌స్టాల్ చేసాము, అది పని చేస్తున్నట్లు కనిపిస్తోంది, అది సరిపోతుంది" అని చెప్పడం. ఒక బోట్, సహాయకుడు లేదా స్వీయ-సేవ విధానం ప్రత్యక్ష ప్రసారం చేయబడిన క్షణంలో సరిగ్గా ఉండదు మరియు అది అక్కడే ఉండదు; ఇది నిరంతరం కొలవబడాలి, పర్యవేక్షించబడాలి మరియు మెరుగుపరచబడాలి. అంతేకాకుండా, సరైన మెట్రిక్‌ను ట్రాక్ చేయకపోవడం కంటే తప్పు మెట్రిక్‌ను ట్రాక్ చేయడం కొన్నిసార్లు చాలా హానికరం - ఎందుకంటే ఇది మిమ్మల్ని తప్పు దిశలో పరుగెత్తేలా చేస్తుంది. ఈ యూనిట్‌లో, మేము కాల్ సెంటర్ కీ సూచికలు (KPIలు), AI-నిర్దిష్ట కొలమానాలు మరియు నిరంతర మెరుగుదల చక్రాన్ని ఎలా ఏర్పాటు చేయాలో చూస్తాము.

మొదటిది, ఒక హెచ్చరిక: కొలమానాలు ముగింపుకు ఒక సాధనం, అంతం కాదు. కస్టమర్ యొక్క సమస్యను బాగా మరియు సమర్ధవంతంగా పరిష్కరించడమే లక్ష్యం. మీరు ఒక కొలమానాన్ని (ఉదా. AHT) ఐసోలేషన్‌లో వెంబడిస్తే, ప్రతినిధులు కస్టమర్‌ని పరిష్కరించకుండానే కాల్‌ను కట్ చేస్తారు మరియు అసలు ప్రయోజనం దెబ్బతింటుంది. దీనిని మెట్రిక్స్ అబ్సెషన్ అంటారు; ప్రతి కొలమానాన్ని కౌంటర్ బ్యాలెన్స్‌తో చదవండి.

ప్రాథమిక కాల్ సెంటర్ KPIలు

KPI (కీ పెర్ఫార్మెన్స్ ఇండికేటర్) అనేది ప్రక్రియ యొక్క పనితీరును కొలిచే సంఖ్య. కాల్ సెంటర్‌లో అత్యంత ప్రాథమికమైనవి:

KPI

ఏమి చర్యలు

బాలన్సర్

AHT (సగటు ప్రాసెసింగ్ సమయం)

సంప్రదింపు వ్యవధి

FCR, CSAT (చిన్న కానీ కరగనిది కాదు)

FCR (మొదటి సంప్రదింపులో రిజల్యూషన్)

ఒక-సమయం పరిష్కారం

CSAT (మీరు దాన్ని పరిష్కరించారని మరియు పరిష్కరించలేదని చెప్పకండి)

CSAT (కస్టమర్ సంతృప్తి)

పోస్ట్-కాంటాక్ట్ స్కోర్

ప్రతిస్పందన రేటు (కొంతమంది వ్యక్తులు పూరిస్తే అది తప్పుదారి పట్టించేది)

NPS (సిఫార్సు స్కోరు)

విధేయత/సిఫార్సు

మూల కారణం (ఎందుకు తక్కువ?)

CES (కస్టమర్ ఎఫర్ట్ స్కోర్)

కస్టమర్ ఎంత కష్టపడ్డాడు

—

SL (సేవా స్థాయి)

% కాల్ x సెకన్లలో సమాధానం ఇవ్వబడింది

పరిత్యాగ రేటు

పరిత్యాగ రేటు (వదిలివేయడం)

కాల్ హోల్డ్‌లో మిగిలిపోయింది

SL, కూల్‌డౌన్

CES (కస్టమర్ ఎఫర్ట్ స్కోర్) కస్టమర్ తన సమస్యను పరిష్కరించడానికి ఎంత కష్టపడుతున్నాడో కొలుస్తుంది; తక్కువ ప్రయత్నం అధిక విశ్వసనీయతతో బలంగా ముడిపడి ఉంటుంది. "నేను దానిని సులభంగా పరిష్కరించాను" అని చెప్పే కస్టమర్ తరచుగా "నేను చాలా సంతృప్తిగా ఉన్నాను" అని చెప్పడం కంటే విలువైనది.

AI-నిర్దిష్ట కొలమానాలు

క్లాసిక్ KPIల పక్కన, AI అప్లికేషన్‌ల కోసం ప్రత్యేక కొలమానాలు జోడించబడ్డాయి:

• కంటైన్‌మెంట్ / డిఫ్లెక్షన్ రేట్: బాట్/స్వీయ-సేవ మానవునికి అప్పగించకుండా పరిష్కరించే సంప్రదింపు రేటు. కానీ అది మాత్రమే మోసం; పరిష్కారం (యూనిట్ 8లోని ట్రాప్)తో కలిపి చదవాలి.
• బాట్ రిజల్యూషన్ రేట్: బాట్ వాస్తవానికి పరిష్కరించిన పరిచయాలు (కస్టమర్ సంతృప్తి చెందారు) — "బాట్‌లో మిగిలిపోయింది" కాదు.
• టర్నోవర్ రేటు మరియు కారణం: ఎంత బదిలీ చేయబడింది మరియు ఎందుకు (యూనిట్ 10).
• జవాబు ఖచ్చితత్వం: బోట్/అసిస్టెంట్ ఇచ్చిన సమాధానాలు సరైనవి — నమూనా మరియు మానవ పర్యవేక్షణ ద్వారా కొలుస్తారు.
• స్వీకరణ: ఏజెంట్ సహాయక సూచనలను ఉపయోగించే ఏజెంట్ల రేటు (యూనిట్ 6).
• సారాంశ ఖచ్చితత్వం: మానవ ఆమోదం ద్వారా స్వయంచాలక సారాంశాలు/ట్యాగ్‌లు సరిదిద్దబడే రేటు (యూనిట్ 4).
• భ్రాంతి/ఎర్రర్ రేట్: రూపొందించిన లేదా తప్పు సమాధానాల ఫ్రీక్వెన్సీ — సున్నాకి సమీపంలో లక్ష్యం.

చిట్కా: ప్రతి AI మెట్రిక్‌ను “నాణ్యత స్టెబిలైజర్”తో జత చేయండి. "నియంత్రణ ఎక్కువ" మాత్రమే మంచిది కాదు; "నియంత్రణ ఎక్కువ మరియు బోట్ పరిష్కారం సంతృప్తి ఎక్కువగా ఉంది" మంచిది. ఎఫిషియెన్సీ మెట్రిక్‌ని క్వాలిటీ మెట్రిక్ నుండి ఎప్పుడూ వేరు చేయవద్దు.

నిరంతర మెరుగుదల చక్రం

ఒక మంచి AI ప్రోగ్రామ్ స్పిన్నింగ్ వీల్, ఒక-పర్యాయ ప్రాజెక్ట్ కాదు. క్లాసిక్ PDCA సైకిల్ (ప్లాన్-డూ-చెక్-యాక్ట్; PDCA) ఇక్కడ పని చేస్తుంది:

1. ప్లాన్: మీరు ఏ మెట్రిక్‌ని మెరుగుపరుస్తారు మరియు ఎందుకు? లక్ష్యాన్ని సెట్ చేయండి (ఉదా. "రాబడులపై బాట్ రిజల్యూషన్ రేటును 60% నుండి 75%కి పెంచండి)."
2. వర్తించు: మార్పు చేయండి (నాలెడ్జ్ బేస్ ఐటెమ్‌ను జోడించండి, ఫ్లోను పరిష్కరించండి, ప్రాంప్ట్‌ని మెరుగుపరచండి).
3. తనిఖీ చేయండి: మెట్రిక్ వాస్తవానికి మెరుగుపడిందా? దుష్ప్రభావాలు ఉన్నాయా (ఏదైనా ఇతర కొలమానాలు విరిగిపోయాయా)?
4. జాగ్రత్తలు తీసుకోండి: ఇది పనిచేస్తే, దాన్ని శాశ్వతంగా చేయండి; అది పని చేయకపోతే, దాన్ని తిరిగి తీసుకొని నేర్చుకోండి.

ఈ చక్రానికి ఇంధనం డేటా: “తెలియదు” లాగ్‌లు (యూనిట్ 5), టర్నోవర్‌కు కారణాలు (యూనిట్ 10), విఫలమైన ప్రవాహాలు (యూనిట్ 8), తక్కువ స్కోరింగ్ సంభాషణలు (యూనిట్ 7). ఎక్కడ మెరుగుపరచాలో ఈ వనరులు మీకు తెలియజేస్తాయి.

జాగ్రత్త: AI నమూనాలు మరియు కస్టమర్ ప్రవర్తన కాలానుగుణంగా మారుతుంది; దీనిని డ్రిఫ్ట్ అంటారు. ఈ రోజు 95% ఖచ్చితంగా పని చేసే బాట్ దాని నాలెడ్జ్ బేస్ పాతది అయినప్పుడు లేదా కస్టమర్ ప్రశ్నల నమూనా మారితే నిశ్శబ్దంగా క్షీణిస్తుంది. అందుకే కొలత ఒక్కసారి కాదు, నిరంతరంగా ఉంటుంది. మీరు కొలవనిది నిశ్శబ్దంగా విచ్ఛిన్నమవుతుంది.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) KPI డాష్‌బోర్డ్ డిజైన్:

నా కాల్ సెంటర్ AI ప్రోగ్రామ్ కోసం డ్రాఫ్ట్ నెలవారీ KPI డాష్‌బోర్డ్‌ను రూపొందించండి. ప్రతి మెట్రిక్ కోసం: నిర్వచనం, లక్ష్యం, ఆఫ్‌సెట్ మెట్రిక్, డేటా మూలం, హెచ్చరిక థ్రెషోల్డ్ (అలారం పైన/ఈ విలువ క్రింద). కొలమానాలు: AHT, FCR, CSAT, కంటైన్‌మెంట్, బోట్ సొల్యూషన్ రేట్, టర్నోవర్ రేట్, జవాబు ఖచ్చితత్వం. కల్పిత సంఖ్యలను ఇవ్వవద్దు; నేను ఫీల్డ్‌లను పూరించేలా టెంప్లేట్‌ను సెటప్ చేయండి.

2) మెట్రిక్ వివరణ (మూల కారణం):

దిగువన ఉన్న KPI డేటాను CX విశ్లేషకుడిలాగా వివరించండి.(1) అత్యంత ముఖ్యమైన మార్పు, (2) సాధ్యమయ్యే మూల కారణం హైపోథీసెస్ (నిరూపించండి), (3) ఏ ఇతర మెట్రిక్ చూడాలి (ఆఫ్‌సెట్), (4) 2 సూచించిన చర్యలు.డేటా నుండి సంఖ్యలను పొందండి; పరికల్పనలను "తప్పక ధృవీకరించబడాలి" అని గుర్తించండి. డేటా: <<...>>

3) A/B పోలిక మూల్యాంకనం:

ఈ డేటాతో రెండు బాట్/స్ట్రీమ్ వెర్షన్‌లను (A మరియు B) సరిపోల్చండి: <<data>>. కంటైన్‌మెంట్, బాట్ రిజల్యూషన్ రేట్ మరియు CSATలో ఏది మంచిది? వ్యత్యాసం ముఖ్యమైనదిగా అనిపిస్తుందా లేదా అది చిన్నది/శబ్దమా? నాణ్యత నష్టం వల్ల ఉత్పాదకత లాభమా? స్పష్టమైన సిఫార్సును ఇవ్వండి, కానీ ఏవైనా అనిశ్చితులు కూడా సూచించండి.

4) నిరంతర మెరుగుదల ఫీడ్‌బ్యాక్ సారాంశం:

కింది మెరుగుదల వనరులను కలపండి (లాగ్ తెలియదు, హ్యాండ్‌ఓవర్ కారణాలు, విఫలమైన ప్రవాహాలు). 3 అత్యధిక ప్రభావ మెరుగుదల అవకాశాలకు ప్రాధాన్యత ఇవ్వండి: సమస్య / ప్రభావితమైన మెట్రిక్ / ప్రతిపాదిత మార్పు / ఆశించిన ప్రభావం. కేవలం డేటాపై ఆధారపడండి. మూలాలు: <<...>>

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

ఈ నెల సంఖ్యలు మంచివా చెడ్డవా అని చెప్పండి.

అస్పష్టంగా: ఏ కొలమానం, లక్ష్యం ఏమిటి, స్టెబిలైజర్ ఏమిటి, మూల కారణం ఏమిటి — ఉపరితల మరియు తప్పుదోవ పట్టించే తీర్పును ఉత్పత్తి చేస్తుంది.

శక్తివంతమైన ప్రాంప్ట్:

ఈ నెలలో, నియంత్రణ 58% నుండి 71%కి పెరిగింది, అయితే CSAT 4.1 నుండి 3.6కి పడిపోయింది మరియు టర్నోవర్ రేటు 30% నుండి 19%కి తగ్గింది. ఈ చార్ట్‌ను వివరించండి: ఉత్పాదకత పెరుగుదల కస్టమర్ సంతృప్తి (కస్టమర్‌లు బోట్‌లో చిక్కుకుపోవచ్చు) ఖర్చుతో వచ్చిందా? నేను ఏ డేటాతో ధృవీకరించాలి? 2 చర్యలను సూచించండి.

తేడా: కొలమానాలు, బ్యాలెన్సింగ్ మరియు ధ్రువీకరణ యొక్క ప్రశ్న స్పష్టంగా ఉంది; వివరణ అర్ధవంతంగా ఉంటుంది (ఇక్కడ "నిర్బంధం" ట్రాప్ సిగ్నల్ ఉంది, ఎందుకంటే CSAT తగ్గుదలతో నియంత్రణ పెరుగుదల వస్తుంది).

మూడు చిన్న కేసులు

కేసు 1 - తప్పు మెట్రిక్ ట్రాప్. ఒక కాల్ సెంటర్ AHTకి మాత్రమే రివార్డ్ చేయబడింది. ఏజెంట్లు సమయాన్ని తగ్గించడానికి కస్టమర్లను పరిష్కరించకుండా వారిపై వేలాడదీశారు; స్వల్పకాలంలో, AHT 15% పడిపోయింది, కానీ పునరావృత కాల్‌లు 28% పెరిగాయి మరియు FCR కుప్పకూలింది. మొత్తం భారం మరియు ఖర్చు వాస్తవానికి పెరిగింది. AHT, FCR మరియు CSAT కలిసి పర్యవేక్షించబడినప్పుడు బ్యాలెన్స్ స్థాపించబడింది. పాఠం: ఒక మెట్రిక్ అబద్ధాలు.

కేస్ 2 - సైలెంట్ డ్రిఫ్ట్. బ్యాంకు యొక్క బాట్ 6 నెలల పాటు ఎటువంటి సమస్యలు లేకుండా పని చేసింది, ఎవరూ దానిని కొలవలేదు. కొత్త ఉత్పత్తులు వచ్చినప్పుడు, నాలెడ్జ్ బేస్ వెనుకబడిపోయింది; బాట్ ఖచ్చితత్వం అస్పష్టంగా 94% నుండి 79%కి పడిపోయింది మరియు ఫిర్యాదులు పెరిగాయి. సాధారణ ఖచ్చితత్వ కొలత స్థాపించబడిన తర్వాత, జారడం ముందుగానే పట్టుకోవడం జరిగింది. పాఠం: కొలవబడని వ్యవస్థ నిశ్శబ్దంగా విచ్ఛిన్నమవుతుంది.

కేసు 3 - వైద్యం చక్రం యొక్క శక్తి. ఒక ఇ-కామర్స్ కంపెనీ నెలవారీ PDCA సైకిల్‌తో ప్రతి నెలా 3 అత్యధిక ప్రభావ మెరుగుదలలను (తెలియని లాగ్ + టర్నోవర్ కారణాలు + విఫలమైన ప్రవాహాల నుండి) ఎంపిక చేసింది. 6 నెలల్లో, బాట్ రిజల్యూషన్ రేటు 52% నుండి 74%కి పెరిగింది, CSAT 3.8 నుండి 4.4కి పెరిగింది - ఒక పెద్ద పురోగతిలో కాదు, చిన్న, కొలిచిన మెరుగుదలలు ఒకదాని తర్వాత ఒకటి. నిరంతర అభివృద్ధి స్థిరత్వం నుండి వస్తుంది, ఎత్తులు మరియు హద్దులు కాదు.

సాధారణ తప్పులు

• ఒకే మెట్రిక్‌పై దృష్టి సారిస్తోంది. AHT లేదా నియంత్రణను అనుసరించడం మాత్రమే నాణ్యతను దిగజార్చుతుంది; ప్రతి మెట్రిక్‌కు తప్పనిసరిగా స్టెబిలైజర్ ఉండాలి.
• ఉత్పాదకత కొలమానాన్ని నాణ్యత నుండి విడదీయడం. "బోట్ చాలా పరిష్కరిస్తుంది" మరియు "కస్టమర్ సంతృప్తి చెందాడు" అనేవి రెండు వేర్వేరు విషయాలు; కలిసి చదవండి.
• ఒకసారి సెటప్ చేసి వదిలేయండి. డ్రిఫ్ట్ నిశ్శబ్దంగా ఉంది; నిరంతర కొలత తప్పనిసరి.
• CSAT మాత్రమే నిజమైనదిగా పరిగణించడం. తక్కువ ప్రతిస్పందన రేటు CSATని తప్పుదారి పట్టిస్తుంది; ఎవరు పూరించారో చూడండి.
• మెరుగుదలని డేటాకు కనెక్ట్ చేయడం లేదు. "డోంట్ నో లాగ్/హ్యాండ్ ఓవర్/ఫెయిల్డ్ ఫ్లో" డేటాతో ప్రాధాన్యత ఇవ్వండి, అంతర్ దృష్టికి కాదు.

సారాంశంలో

కొలత మరియు నిరంతర మెరుగుదల AIని వన్-టైమ్ ఇన్‌స్టాలేషన్ నుండి లివింగ్ సిస్టమ్‌గా మారుస్తుంది. క్లాసిక్ KPIలు (AHT, FCR, CSAT, NPS, CES) మరియు AI-నిర్దిష్ట కొలమానాలు (కంటైన్‌మెంట్, బాట్ సొల్యూషన్ రేట్, సమాధాన ఖచ్చితత్వం, సిఫార్సు వినియోగం) కలిసి ట్రాక్ చేయండి; నాణ్యమైన స్టెబిలైజర్‌తో ప్రతి ఉత్పాదకత కొలమానాన్ని చదవండి; ఒకే మెట్రిక్‌పై ఎప్పుడూ స్థిరపడకండి. PDCA లూప్‌తో నిరంతరం మెరుగుపరచండి మరియు లూప్‌కు ఇంధనంగా "తెలియదు" లాగ్‌లు, టర్నోవర్ కారణాలు మరియు విఫలమైన ప్రవాహాలను ఉపయోగించండి. గుర్తుంచుకోండి: మోడల్స్ మరియు కస్టమర్లు కాలక్రమేణా డ్రిఫ్ట్; మీరు కొలవనిది నిశ్శబ్దంగా క్షీణిస్తుంది.

అప్లికేషన్ టాస్క్

7 కొలమానాలతో కూడిన మీ స్వంత AI ప్రోగ్రామ్ కోసం KPI డాష్‌బోర్డ్‌ను రూపొందించండి; ప్రతి మెట్రిక్ కోసం, నిర్వచనం, లక్ష్యం, ఆఫ్‌సెట్ మెట్రిక్ మరియు హెచ్చరిక థ్రెషోల్డ్‌ను సెట్ చేయండి ("1) KPI డాష్‌బోర్డ్" టెంప్లేట్ ఉపయోగించండి). ఆపై ఒక కల్పిత నెలవారీ డేటా సెట్‌ను సృష్టించండి మరియు “2) మెట్రిక్ ఇంటర్‌ప్రెటేషన్” టెంప్లేట్‌తో మూలకారణ విశ్లేషణ చేయండి. చివరగా, "4) నిరంతర అభివృద్ధి ఫీడ్‌బ్యాక్ సారాంశంతో తదుపరి నెలలో 3 అత్యధిక ప్రభావ మెరుగుదలలకు ప్రాధాన్యత ఇవ్వండి.

చెక్లిస్ట్

• [ ] నేను క్లాసిక్ KPIలు మరియు AI-నిర్దిష్ట మెట్రిక్‌లను కలిసి ట్రాక్ చేస్తాను.
• [ ] ప్రతి ఉత్పాదకత కొలమానం నాణ్యమైన స్టెబిలైజర్‌ను కలిగి ఉంటుంది; నేను ఒక్క మెట్రిక్‌పై దృష్టి పెట్టను.
• [ ] నేను కస్టమర్ సంతృప్తితో పాటు కంటైన్‌మెంట్/బోట్ సొల్యూషన్ రేట్‌ని చదివాను.
• [ ] నేను సమాధాన ఖచ్చితత్వాన్ని మరియు డ్రిఫ్ట్‌ని క్రమం తప్పకుండా కొలుస్తాను.
• [ ] నేను PDCA సైకిల్‌తో నిరంతర, డేటా ఆధారిత అభివృద్ధిని చేస్తున్నాను.
• [ ] నేను "తెలియదు" లాగ్, హ్యాండ్‌ఓవర్ కారణాలు మరియు విఫలమైన ప్రవాహాలతో మెరుగుదలలకు ప్రాధాన్యత ఇస్తాను.