京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据催生新一代联络中心
作为一个消费者,当你打电话去企业的客户服务电话,或者用电子邮件、网络聊天跟企业联系,你一定希望他们可以问一答十,轻而易举地解决你所面临的问题。然而,你是不是越来越容易失望?这种时候,请先不要抱怨企业客服人员无能,因为你自己不知不觉已经跨入新一代消费者的行列,你获取产品知识和经验的渠道无形中早已今非昔比。客服人员如果觉得无辜、冤枉,其实是企业应该升级他们的客户联络中心了!
联络中心必须适应大数据
以往,与企业相比,消费者所掌握的商品信息是比较少的。现在可不同了,智能手机随时可以为消费者提供丰富的信息,从产品知识到其他消费者的经验一应俱全。消费者在打电话给企业的客户联络中心时,他可能早已搜集好了完整的产品资料,让企业客户联络中的座席人员原本所拥有的信息优势几乎不存在了。所以,企业必须意识到,当消费者找上自己的联络中心的时候,他所具备的知识,特别是他所掌握的其他消费者的评价和体验知识,很可能已经远远超过自己的客服人员。
面对大数据环境,联络中心座席人员究竟需要多少数据才能给客户提供足够好的体验?其实,这个问题的答案本身就是个问题。例如,先进的联络中心可以对座席人员与客户的互动进行全程录音,可是究竟哪些录音数据应该被关注呢?在大数据环境中,能够提取出有价值的、关键性的那部分数据,这是新一代联络中心必然面临的一大挑战。
例如,微博是典型的海量数据。如果企业的微博监控系统发现,某个客户在他的微博中提到自己最近买了一样东西,同时也发现这个客户有个朋友的生日临近了,就可以提醒他顺便给朋友买个生日礼物,同时送上一些推荐礼物和优惠券的超链接。能够适应大数据环境的联络中心平台就会具备类似的功能。
掘金大数据,提升客户体验
实际上,新一代联络中心已经在回应大数据需求。相应的技术和支持能力已经越来越成熟。这是因为,各方面的需求压力早就接踵而来。企业管理人士要求以更低的投资获得更高的回报。客户要求企业提供更好的互动体验。座席人员也要求提供更灵活的排版选择。
所有这些要求都是合理的,但也带来了新挑战。其中许多新挑战都能随着大数据概念和技术的引入而迎刃而解。只要能够在适当的时间获得适当的数据,就可以支持座席人员和企业高层做出质量更高的决策,特别是对于交叉销售、催收催缴这里业务更是如此。把人员、软件应用和业务流程统合起来考虑,企业就可以在降低人力成本、提高服务水平和客户忠诚度等方面取得显著的效益。
例如,联络中心产生的数据可以用来对座席人员进行培训,评估他们的绩效,并且以更快的速度提供更丰富的信息给座席人员。
但是,更重要的是,在大数据环境中,企业可以把联络中心与其他业务应用系统更紧密的整合起来,更好地服务于战略目标。
互动管理和劳动力优化将是两大主题
为了适应新的需求,在全球联络中心积累了30多年历史的老牌提供商Aspect最近也做出了重大调整,把所有的产品规划为两大门类:互动管理(Interaction Management)和劳动力优化(Workforce Optimization)。
Aspect已经是劳动力优化市场的主导者,但还是会采取更大的行动来积极进取。目前,Aspect大部分业务收入来自互动管理,但在未来劳动力优化将会占有越来越大的比例。事实上, Aspect最近还专门成立了一个部门致力于面向Microsoft Lync平台的劳动力优化产品。
Aspect刚刚推出的劳动力管理软件Workforce Management 7跟云计算的关系极为紧密。虚拟联络中心是当今云计算最为成熟的应用之一,而劳动力管理作为联络中心的重要组成部分,能够支持虚拟联络中心是对云计算整体方案的重大提升。
Aspect® Unified IP® 7.1 (Tiger Shark)以及Workforce Management这些产品的应用实践证明,从系统的开销来看可以节省50%的维护成本和将近80%的软硬件投资,从而可以显著提高工作效率、降低成本。
目前,Aspect在全球有超过7000家企业客户,在过去的10个季度了增加了250个客户。特别是在金融服务、医疗健康、保险和电信等行业,Aspect积累了丰富的经验。从商业模式上看,客户可以直接购买软件许可,也可以选择订阅式购买(based on subscription)或者混合模式。无论如何,Aspect在行业市场都以独特优势的产品、丰富的服务经验都让新客户对他们充满信心。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31