面對著客戶行為習慣發生的改變，整個客戶服務體系的建設導向、及建設內容也在發生改變。本文將從服務、數據、產品三個方面，詳細闡述新形勢下客戶服務體系建設的新思考。

　　一、 新形勢：宏觀環境發生改變

　　(一) 外部宏觀環境發生改變，客戶服務工作壓力加大

　　宏觀環境的改變主要體現在以下三個方面：

　　對于以上三個轉變的詳細解讀為：

　　1. 關于流程運作

　　流程運作的線條在拉長，具體表現在：

　　1) 面向客戶：面向外部客戶的接觸點也即服務渠道越來越多，包括：實體服務渠道（營業廳、俱樂部、大客戶經理等）、人工語音及非語音服務渠道（呼叫中心）、自助服務渠道（IVR、網廳、掌廳、微博、微信、在線客服等）。

　　2) 面向內部及合作伙伴：面向內部（集團總部相關部門/子公司、省公司相關部門、地市公司相關部門等），面向合作伙伴（BATJ、虛商、SP/CP等）的服務協同點越來越多。

　　2. 關于支撐效率

　　正是因為流程運作線條（對外、對內）的拉長，對于系統平臺的支撐效率和支撐質量提出了更高要求。

　　為此，企業需要建設起面向客戶、面向內部、面向合作伙伴的統一的系統支撐平臺，為業務發展和客戶服務提供技術支撐。

　　3. 關于服務評估

　　流程運作線條（對外、對內）的拉長，將會導致對于服務效果無完整的系統評估體系。

　　為此，企業需要建立起面向客戶、面向內部、面向合作伙伴的統一的服務評估體系及管理規范，從而確保服務管理的標準性和規范性。

　　4. 關于產業整合

　　在整個服務的產業鏈條上，不只有企業和企業所服務的客戶，還包括有眾多的合作伙伴：BATJ、虛商、SP/CP等。

　　因而，企業需要從點狀、分散、產業鏈斷裂的管理模式，向整合全量服務數據、實現全產業鏈條協同發展的整合運營轉型。

　　(二) 服務標準化對內部運營提出更高要求

　　1. 業務特性越來越復雜，單一服務渠道很難及時解決客戶的問題，越來越多的客戶習慣于通過多個渠道獲取服務。

　　2. 在多服務渠道并行的大環境下，需要通過分析不同客戶群的接觸信息，了解不同客戶群的服務行為、渠道的業務承載情況以及客戶對渠道的偏好，構建CPC（客戶-業務-渠道）模型。也即：不同的客戶適配不同的渠道偏好，不同的業務適合承載到不同的渠道上，不同的客戶群擁有不同的業務需求，并適當加以引導、以培養客戶的使用習慣。

　　3. 不同服務渠道獲取的信息不一致是影響客戶滿意度的重要因素之一。因而，企業需進一步完善大服務體系，整合包括：實體服務渠道（營業廳、俱樂部、大客戶經理等）、人工語音及非語音服務渠道（呼叫中心）、自助服務渠道（IVR、網廳、掌廳、微博、微信、在線客服等）在內的多重服務渠道。建設一點接入、全網共享、高效運轉、快速響應的客戶服務體系，并借助移動互聯網手段，打造全新服務品牌，以適應客戶側服務渠道多元化的新要求。

　　4. 前端客戶服務渠道的多樣性，對內部精細化運營管理提出了更高的要求。對于前端無法解決的客戶問題，則需要建立起后端的流程穿越機制（也即內部服務協作機制），并完善相應的系統平臺支撐功能，以加強服務協同，及時響應和處理客戶的需求及問題。

　　(三) 海量價值數據有待挖掘利用

　　呼叫中心作為連接企業和企業客戶的溝通樞紐，其在日常運營中也會獲取、使用、或者是產生大量的數據。呼叫中心的運營數據具備4V特性：

　　1. Volume（大量）

　　據調查統計，僅傳統熱線服務渠道，XX運營商每月就有30億次的客戶接觸記錄和通話錄音。

　　2. Variety（多樣）

　　呼叫中心的運營數據按照數據格式劃分，包括：

　　1) 結構化數據

　　結構化數據是指可以使用關系型數據庫表示和存儲，表現為二維形式的數據。比如：

　　用于體現呼叫中心日常運營情況的運營類數據；

　　用于記錄和呈現呼叫中心整體及個體（班組和個人）日常運營結果的考核類數據（KPI數據）；

　　基于客服人員日常受理記錄（工單）所形成的業務受理統計數據（二維形式）等。

　　2) 非結構化數據

　　非結構化數據是指數據結構不規則或不完整，沒有預定義的數據模型，不方便使用數據庫二維邏輯表來表現的數據，各種文檔、圖片、視頻/音頻等都屬于非結構化數據。

　　對于呼叫中心來講，特指客服人員與客戶的通話錄音數據，以及受理工單中的文本數據。以往采用傳統的人工質檢、報表統計等手段，對于這些數據價值的分析利用僅是冰山一角，大量的價值信息有待挖掘。

　　企業需要通過整合多服務渠道的客戶服務數據，建設運營指標庫和客戶標簽庫，并借助大數據挖掘分析技術，及自然語言識別技術(NLP，Natural Language Processing)，實現數據變現。

　　3. Velocity（快速）

　　呼叫中心需要借助大數據挖掘分析技術及自然語言識別技術(NLP，Natural Language Processing)，建設智能客服助手。從而實現在客服人員與客戶的互動交流中快速定位問題并智能匹配解決方案，同時亦可適時推薦營銷。

　　4. Value（價值）

　　據調查統計，在呼叫中心的運營數據中，非結構化數據（錄音數據和文本數據）的占比高達80%。而真正能夠反映客戶真實心聲的價值信息，恰恰就在這些依靠傳統人工手段、難于被挖掘利用的非結構化數據中。

　　因而，呼叫中心需要應用大數據挖掘分析技術及自然語言識別技術(NLP，Natural Language Processing)，自動將海量錄音轉寫為文本語句，并進行文本分析應用，如關鍵詞檢索、篩選、歸類等，挖掘分析出價值信息，傳遞至公司相關部門，從而為企業的產品創新、營銷完善、服務優化等提供現實、客觀、全面、且有價值含金量的信息。

　　(四) 基于SaaS云，實現客服平臺功能產品化

　　現階段云服務提供商大多提供的是云存儲、云計算等基礎的ICT服務，未來越來越多的企業將更青睞于云服務商所提供的業務云服務。

　　對于呼叫中心云服務提供商來講，可將呼叫中心一線客服人員日常使用類平臺軟件的功能模塊，以及呼叫中心運營管理及大數據應用類平臺軟件的功能模塊部署在SaaS（Software-as-a-Service軟件即服務的簡稱）平臺上，并實現按需快速交付，服務即平臺，平臺即服務，豐富產品應用、拓展解決方案，為外部行業客戶提供客戶服務平臺能力。

　　【未完待續】

　　王丹丹

　　2020年1月

　　Dece1118@126.com