提高呼叫中心的首次解决率

提高呼叫中心的首次解决率

从数据的角度看,指标分析的类别和方法是大体固定的,只是要根据业务问题的需求进行选择和调整而已。如果要看FCR的改善程度,那就进行趋势分析;如果要看各种话务类型各自的FCR是多少,那就进行话务类型对比分析;如果要想知道影响FCR的主要原因是什么,就要进行根源分析,比如客户原因、员工原因、支撑原因等各占多少;如果想了解FCR对资源利用效率的影响,就要进行有效工时浪费比例的分析;如果想知道FCR与其它效率、质量、客户指标间的互动关系,就要进行相关分析;如果FCR跟某些指标关系特别密切,想对未来走势做些预测,就要进行多元回归分析。当然,如果你的数据累计足够多足够全的话,还可以进行更深层次的数据探索,比如员工关键行为侦测、疑难客户聚类等。鉴于受众及篇幅的问题,本文将不涉及具体的分析过程。有需求的话,可以随时关注我的培训课程信息。

如何计算首次解决率指标

业内交流,你经常会听到一种说法,FCR的计算是由测量时段内首次解决的来电数量除以该时段内的总来电量。这里面的问题是,这个“首次”解决的来电数量和总来电量里面有部分是这个时段之前来电的重复来电。这部分数据的存在会干扰真实的首次解决率的计算。真正的首次解决率应该是时段内首次来电得到解决的数量除以时段内的首次来电数量。绕口令一般,问题变得越来越复杂。但对运营的精益求精就需要刨根问底,不能笼统地大约可能似乎是。

下面是SQM一组有关首次呼叫解决率(FCR)的数字

调查范围:400多家呼叫中心,100万多客户,25000多名呼叫中心员工

1. 业界平均首次呼叫解决率为68%,32%的客户需要就同一问题重复致电。

2. 首次呼叫解决率每提高1个百分点,客户满意度也大约对应提高1个百分点。

3. 当客户的问题首次呼叫就被解决时,他们对交叉销售产品推荐的接受程度大约高20%。

4. 呼叫中心的员工满意度与首次呼叫解决率有着密切的关联关系。

5. 首次呼叫问题即被解决的客户中,仅有1%的客户可能会转向竞争对手的产品;而如果首次呼叫问题得不到解决,这一比例则会上升到15%。

6. 在造成客户问题未能首次得到解决的所有原因中,客户方面的原因占17%,企业方面的原因占37%,一线坐席的原因占44%

7. 将会有越来越多的呼叫中心逐渐把客户直接反馈融入到QA工作流程中,从QA过渡到CQA。

8. 传统QA分数与客户满意度的关联度只有12%,而CQA的关联度则上升到了54%。

9. 传统QA分数的标准差为2%,而CQA分数的标准差则为11。

10.首次呼叫解决率能够达到80%以上才算是理想状态,在这种情况下,平均每1.2个电话解决一个客户问题。

下图是一组FCR与AHT之间的关系受员工在职时长影响的探索示例,影响可能明显,也可能并不明显。

如何改善首次解决率指标

FCR指标的改善主要从两个方面来考虑:人和运营支撑环境。人的问题可具体细分为意识、能力和意愿;运营支撑环境的问题主要会涉及系统、流程、授权、规定、培训、辅导、激励考核导向等。一般对于新员工来说,个人能力问题是影响他们FCR的首要因素;而当新员工的知识和能力水平逐渐进入主流水平后,则影响因素逐渐偏向于系统环境等因素。下面就是一些提升和改善FCR的思路和最佳实践分享,其实也是老生常谈,关键是你能不能做得到且能够持之以恒地去做