Lợi nhuận:
- Khả năng đọc các KPI cổ điển (AHT, FCR, CSAT, NPS, CES) và các số liệu dành riêng cho AI với bộ cân bằng chất lượng cho từng thước đo năng suất
- Khả năng đo lường độ chính xác của câu trả lời và trôi dạt thường xuyên, đồng thời tránh mắc bẫy khóa vào một số liệu duy nhất
- Khả năng thực hiện cải tiến liên tục dựa trên việc ghi nhật ký 'Tôi không biết', lý do luân chuyển và các luồng không thành công với chu trình PDCA
Sai lầm nguy hiểm nhất khi AI vào tổng đài là nói "chúng tôi đã cài đặt nó, có vẻ như nó hoạt động, thế là đủ". Luồng bot, trợ lý hoặc tự phục vụ không hoàn hảo ngay khi nó đi vào hoạt động và không tồn tại ở đó; Nó phải được đo lường, theo dõi và cải tiến liên tục. Hơn nữa, việc theo dõi sai số liệu đôi khi còn có hại hơn việc không theo dõi đúng số liệu — vì nó khiến bạn đi sai hướng. Trong phần này, chúng ta sẽ xem các chỉ số chính của trung tâm cuộc gọi (KPI), số liệu dành riêng cho AI và cách thiết lập chu trình cải tiến liên tục.
Đầu tiên, một cảnh báo: số liệu là phương tiện để đạt được mục đích chứ không phải là mục đích cuối cùng. Mục tiêu là giải quyết vấn đề của khách hàng một cách tốt và hiệu quả. Nếu bạn theo đuổi một chỉ số (ví dụ: AHT) một cách tách biệt, các đại diện sẽ cắt ngắn cuộc gọi mà không giải quyết được vấn đề với khách hàng và mục đích thực sự sẽ bị hủy hoại. Đây được gọi là nỗi ám ảnh về số liệu; Đọc từng số liệu với một đối trọng.
KPI trung tâm cuộc gọi cơ bản
KPI (Chỉ số hiệu suất chính) là một con số đo lường hiệu suất của một quy trình. Những cái cơ bản nhất trong trung tâm cuộc gọi:
KPI
biện pháp gì
sự cân bằng
AHT (Thời gian xử lý trung bình)
Thời gian liên lạc
FCR, CSAT (ngắn nhưng không hòa tan)
FCR (Độ phân giải ở lần tiếp xúc đầu tiên)
Giải pháp một lần
CSAT (đừng nói giải được và không giải được nhé)
CSAT (Sự hài lòng của khách hàng)
Điểm sau liên hệ
Tỷ lệ phản hồi (sẽ gây hiểu nhầm nếu ít người điền)
NPS (Điểm đề xuất)
Mức độ trung thành/giới thiệu
Nguyên nhân gốc rễ (tại sao lại thấp?)
CES (Điểm nỗ lực của khách hàng)
Khách hàng đã khó khăn thế nào
—
SL (Cấp độ dịch vụ)
% cuộc gọi được trả lời sau x giây
Tỷ lệ bỏ rơi
Tỷ lệ bỏ rơi (bỏ rơi)
Cuộc gọi vẫn bị giữ
SL, thời gian hồi chiêu
CES (Điểm nỗ lực của khách hàng) đo lường mức độ cố gắng của khách hàng trong việc giải quyết vấn đề của mình; nỗ lực thấp có liên quan chặt chẽ với độ trung thực cao. Một khách hàng nói “Tôi đã giải quyết dễ dàng” thường có giá trị hơn việc nói “Tôi rất hài lòng”.
Số liệu dành riêng cho AI
Bên cạnh KPI cổ điển, các số liệu đặc biệt dành cho ứng dụng AI được thêm vào:
- Tỷ lệ ngăn chặn/làm chệch hướng: Tỷ lệ liên hệ mà bot/tự phục vụ giải quyết mà không chuyển nó cho con người. Nhưng chỉ điều đó thôi cũng là lừa dối; nên đọc cùng với lời giải (bẫy ở Bài 8).
- Tỷ lệ phân giải bot: Những liên hệ mà bot thực sự đã giải quyết (khách hàng hài lòng) — không "vẫn còn trong bot".
- Tỷ lệ luân chuyển và lý do: Chuyển bao nhiêu và tại sao (Bài 10).
- Độ chính xác của câu trả lời: Tỷ lệ câu trả lời do bot/trợ lý đưa ra là chính xác — được đo bằng cách lấy mẫu và giám sát của con người.
- Mức độ chấp nhận: Tỷ lệ tổng đài viên sử dụng các đề xuất hỗ trợ của tổng đài viên (Đơn vị 6).
- Độ chính xác của tóm tắt: Tốc độ mà các bản tóm tắt/thẻ tự động được sửa chữa bởi sự phê duyệt của con người (Đơn vị 4).
- Tỷ lệ ảo giác/sai sót: Tần suất các câu trả lời bịa đặt hoặc sai – mục tiêu gần bằng 0.
Mẹo: Ghép nối từng chỉ số AI với “bộ ổn định chất lượng”. Chỉ “ngăn chặn cao” thôi là chưa tốt; "Khả năng ngăn chặn cao VÀ mức độ hài lòng về giải pháp bot cao" là tốt. Không bao giờ tách thước đo hiệu quả khỏi thước đo chất lượng.
Chu kỳ cải tiến liên tục
Một chương trình AI tốt là một bánh xe quay chứ không phải là một dự án chỉ thực hiện một lần. Chu trình PDCA cổ điển (Plan-Do-Check-Act; PDCA) hoạt động ở đây:
- Kế hoạch: Bạn sẽ cải thiện số liệu nào và tại sao? Đặt mục tiêu (ví dụ: “tăng tỷ lệ phân giải bot khi trả về từ 60% lên 75%)”.
- Áp dụng: Thực hiện thay đổi (thêm mục cơ sở kiến thức, sửa quy trình, cải thiện lời nhắc).
- Kiểm tra: Số liệu có thực sự được cải thiện không? Có tác dụng phụ nào không (có bất kỳ số liệu nào khác bị hỏng) không?
- Hãy đề phòng: Nếu nó có tác dụng, hãy biến nó thành vĩnh viễn; Nếu không hiệu quả thì hãy lấy lại và học hỏi.
Nhiên liệu cho chu trình này là dữ liệu: nhật ký “không biết” (Đơn vị 5), lý do luân chuyển (Đơn vị 10), quy trình không thành công (Đơn vị 8), cuộc hội thoại có điểm thấp (Đơn vị 7). Những tài nguyên này cho bạn biết nơi cần cải thiện.
Thận trọng: Mô hình AI và hành vi của khách hàng thay đổi theo thời gian; Điều này được gọi là trôi dạt. Một bot hoạt động chính xác 95% ngày nay có thể âm thầm xuống cấp nếu nền tảng kiến thức của nó trở nên lỗi thời hoặc mẫu câu hỏi của khách hàng thay đổi. Đó là lý do tại sao việc đo lường không phải diễn ra một lần mà liên tục. Những gì bạn không đo lường sẽ lặng lẽ bị phá vỡ.
Bốn mẫu có thể sao chép
1) Thiết kế bảng điều khiển KPI:
Tạo bảng điều khiển KPI dự thảo hàng tháng cho chương trình AI của trung tâm cuộc gọi của tôi. Đối với mỗi số liệu: định nghĩa, mục tiêu, số liệu bù đắp, nguồn dữ liệu, ngưỡng cảnh báo (báo động trên/dưới giá trị này). Số liệu: AHT, FCR, CSAT, ngăn chặn, tỷ lệ giải pháp bot, tỷ lệ luân chuyển, độ chính xác của câu trả lời. Đừng đưa ra những con số hư cấu; Thiết lập một mẫu để tôi điền vào các trường.
2) Giải thích số liệu (nguyên nhân gốc rễ):
Diễn giải dữ liệu KPI bên dưới giống như một nhà phân tích CX. (1) Thay đổi đáng chú ý nhất, (2) nguyên nhân gốc rễ có thể GIẢ THUYẾT (chứng minh), (3) số liệu nào khác cần xem xét (bù đắp), (4) 2 hành động được đề xuất. Lấy các con số từ dữ liệu; Đánh dấu các giả thuyết là "phải được xác nhận". Dữ liệu: <<...>>
3) Đánh giá so sánh A/B:
So sánh hai phiên bản bot/luồng (A và B) với dữ liệu này: <<data>>.Cái nào tốt hơn về khả năng ngăn chặn, tốc độ phân giải bot và CSAT? Sự khác biệt có vẻ đáng kể hay chỉ là nhỏ/tiếng ồn? Tăng năng suất có phải trả giá bằng giảm chất lượng? Đưa ra khuyến nghị rõ ràng nhưng cũng chỉ ra những điều không chắc chắn.
4) Tóm tắt phản hồi cải tiến liên tục:
Kết hợp các tài nguyên cải tiến sau (không biết nhật ký, lý do chuyển giao, luồng không thành công). Ưu tiên 3 cơ hội cải thiện có tác động cao nhất: vấn đề/chỉ số bị ảnh hưởng/thay đổi được đề xuất/tác động dự kiến. Chỉ cần dựa vào dữ liệu. Nguồn: <<...>>
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Hãy cho tôi biết con số tháng này là tốt hay xấu.
Không rõ ràng: thước đo nào, mục tiêu nào, chất ổn định nào, nguyên nhân cốt lõi - tạo ra một phán đoán hời hợt và sai lệch.
Lời nhắc mạnh mẽ:
Trong tháng này, tỷ lệ ngăn chặn tăng từ 58% lên 71%, nhưng CSAT giảm từ 4,1 xuống 3,6 và tỷ lệ luân chuyển giảm từ 30% xuống 19%. Giải thích biểu đồ này: việc tăng năng suất có làm giảm sự hài lòng của khách hàng không (khách hàng có thể bị mắc kẹt trong bot) không? Tôi nên xác minh bằng dữ liệu nào? Đề xuất 2 hành động
Sự khác biệt: câu hỏi về số liệu, sự cân bằng và xác nhận là rõ ràng; Việc giải thích có ý nghĩa (ở đây có tín hiệu bẫy "giam giữ" vì mức tăng ngăn chặn đi kèm với việc giảm CSAT).
ba trường hợp nhỏ
Trường hợp 1 - Bẫy số liệu sai. Một trung tâm cuộc gọi chỉ thưởng AHT. Đại lý cúp máy khách hàng mà không giải quyết để rút ngắn thời gian; Trong ngắn hạn, AHT giảm 15%, nhưng các cuộc gọi lặp lại tăng 28% và FCR sụp đổ. Tổng gánh nặng và chi phí thực tế đã tăng lên. Sự cân bằng được thiết lập khi AHT, FCR và CSAT được theo dõi cùng nhau. Bài học: một thước đo nói dối.
Trường hợp 2 - Trôi dạt im lặng. Bot của một ngân hàng đã hoạt động bình thường trong 6 tháng, không ai đo lường được. Khi sản phẩm mới ra đời, nền tảng kiến thức bị bỏ lại phía sau; Độ chính xác của bot giảm đáng kể từ 94% xuống 79% và các khiếu nại tăng lên. Khi việc đo lường độ chính xác thường xuyên được thiết lập, sự trượt giá sẽ được phát hiện sớm. Bài học: hệ thống không được đo lường sẽ bị hỏng một cách lặng lẽ.
Trường hợp 3 - Sức mạnh của chu kỳ chữa bệnh. Một công ty thương mại điện tử đã chọn ra 3 cải tiến có tác động cao nhất mỗi tháng (từ không biết nhật ký + lý do doanh thu + luồng không thành công) với chu kỳ PDCA hàng tháng. Trong 6 tháng, tỷ lệ phân giải bot đã tăng từ 52% lên 74%, CSAT từ 3,8 lên 4,4 — không phải trong một bước đột phá lớn mà là những cải tiến nhỏ, được đo lường lần lượt. Cải tiến liên tục xuất phát từ sự nhất quán, không phải nhảy vọt.
Những lỗi thường gặp
- Tập trung vào một số liệu duy nhất. Chỉ theo đuổi AHT hoặc ngăn chặn sẽ làm giảm chất lượng; Mọi số liệu đều phải có bộ ổn định.
- Tách rời thước đo năng suất khỏi chất lượng. "Bot giải quyết được rất nhiều" và "khách hàng hài lòng" là hai việc khác nhau; Đọc cùng nhau.
- Thiết lập nó một lần và để nó đi. Drift im lặng; Đo lường liên tục là phải.
- Chỉ coi CSAT là có thật. Tỷ lệ phản hồi thấp sẽ khiến CSAT đánh lừa; Xem ai đã điền nó.
- Không kết nối cải tiến với dữ liệu. Ưu tiên dữ liệu "không biết nhật ký/chuyển giao/luồng bị lỗi", không phải trực giác.
Tóm lại
Đo lường và cải tiến liên tục biến AI từ hệ thống cài đặt một lần thành hệ thống sống. Theo dõi các KPI cổ điển (AHT, FCR, CSAT, NPS, CES) và các số liệu dành riêng cho AI (ngăn chặn, tỷ lệ giải pháp bot, độ chính xác của câu trả lời, mức sử dụng đề xuất) cùng nhau; đọc từng chỉ số năng suất bằng bộ ổn định chất lượng; Không bao giờ cố định vào một số liệu duy nhất. Liên tục cải tiến với vòng lặp PDCA và sử dụng nhật ký “không biết”, lý do luân chuyển và các luồng không thành công làm nhiên liệu cho vòng lặp. Hãy nhớ: mẫu mã và khách hàng thay đổi theo thời gian; Những gì bạn không đo lường sẽ lặng lẽ phân rã.
Nhiệm vụ ứng dụng
Thiết kế bảng điều khiển KPI cho chương trình AI của riêng bạn bao gồm 7 số liệu; đối với mỗi chỉ số, hãy đặt định nghĩa, mục tiêu, chỉ số bù đắp và ngưỡng cảnh báo (sử dụng mẫu “1) bảng thông tin KPI”). Sau đó, tạo tập dữ liệu giả định hàng tháng và thực hiện phân tích nguyên nhân gốc rễ bằng mẫu “2) Giải thích số liệu”. Cuối cùng, ưu tiên 3 cải tiến có tác động cao nhất cho tháng tiếp theo với “4) Tóm tắt phản hồi cải tiến liên tục”.
danh sách kiểm tra
- [ ] Tôi theo dõi các KPI cổ điển và các số liệu dành riêng cho AI cùng nhau.
- [ ] Mỗi thước đo năng suất đều có bộ ổn định chất lượng; Tôi không tập trung vào một số liệu duy nhất.
- [ ] Tôi đọc tỷ lệ giải pháp ngăn chặn/bot cùng với sự hài lòng của khách hàng.
- [ ] Tôi đo lường độ chính xác của câu trả lời và thường xuyên trôi dạt.
- [ ] Tôi thực hiện cải tiến liên tục dựa trên dữ liệu với chu trình PDCA.
- [ ] Tôi ưu tiên các cải tiến với nhật ký "không biết", lý do chuyển giao và các luồng không thành công.