客服中心不缺數(shù)據(jù)，缺的是對數(shù)據(jù)的充分及有效應用。
無論是聯(lián)絡處理數(shù)據(jù)，還是客戶交互內(nèi)容數(shù)據(jù)，大部分客服中心每天都會有幾千、幾萬甚至幾十萬條。再加上企業(yè)數(shù)據(jù)平臺的支撐，客服中心可以獲取的數(shù)據(jù)其實是非常多的，也可以說是海量的。但與此形成鮮明對比的是，大多數(shù)客服中心對于數(shù)據(jù)的分析與應用仍然停留在比較低的層次上，基本以日常運營報表以及一些專項運營分析為主，缺乏系統(tǒng)性、全方位的數(shù)據(jù)化運營支撐與服務增值拓展。
客服數(shù)據(jù)的應用可以主要從三個層次上來展開。
第一個層次是對精益化、智能化運營的支撐。
利用每天積累的日常運營數(shù)據(jù)觀察運營現(xiàn)狀，發(fā)現(xiàn)運營差距，探索規(guī)律、模式、場景、細節(jié)瓶頸與問題根源，預測發(fā)展趨勢，進而給出預防與矯正建議。AI服務的應用本質(zhì)上也離不開數(shù)據(jù)的支撐。
第二個層次是對精準化營銷以及客戶增值經(jīng)營的支撐。
通過客戶標簽、畫像與分群，客戶需求探索，目標客戶定位，關聯(lián)及交叉營銷設計，呼出與呼入營銷監(jiān)測與評估等，使營銷更加精準、收益比更高、客戶感知與粘性更好。
第三個層次是對企業(yè)整體的決策支撐。
每一次客戶投訴與抱怨都是真實的VOC，每一通客戶聯(lián)絡中也都含有VOC的成分。根據(jù)結構化的顯性聯(lián)絡處理數(shù)據(jù)，把企業(yè)在品牌、產(chǎn)品、運營、營銷、市場等各個方面的所暴露出的問題進行歸納和整理；根據(jù)錄音、文本、視頻、圖片等非結構化聯(lián)絡數(shù)據(jù)，歸納和挖掘客戶顯性及隱性的問題、意見、建議、偏好、傾向、情感、意愿等信息；然后推動企業(yè)內(nèi)部整體運營循環(huán)的持續(xù)改進與提升，贏得客戶的持續(xù)認可與忠誠。
客服數(shù)據(jù)應用仍然存在不少障礙。
第一是人才的匱乏。應用型數(shù)據(jù)人才是復合型人才，既要懂業(yè)務又要懂數(shù)據(jù)。由于客服行業(yè)的自身人才特點以及企業(yè)地位，往往會出現(xiàn)復合型數(shù)據(jù)人才培養(yǎng)難、吸引難、留不住的困境。
第二是數(shù)據(jù)治理機制及數(shù)據(jù)質(zhì)量的問題。現(xiàn)實中觀察到很多客服中心的數(shù)據(jù)崗位員工要花費大量的時間來整理、清洗和轉(zhuǎn)換不規(guī)范的數(shù)據(jù)，只有很少的時間可以真正用在數(shù)據(jù)背后的業(yè)務洞察上。
第三是數(shù)據(jù)工具的使用問題。時至今日，仍然有少數(shù)客服中心的EXCEL版本停留在2003版。對于除了EXCEL之外的其它更加高效便捷的諸如SPSS、JMP、R、SAS、Tableau、Power BI等數(shù)據(jù)分析與挖掘工具了解很少。而即便在功能已經(jīng)非常強大的EXCEL面前，大多數(shù)人也仍然只是會用最基本的幾個功能而已。
總之，客服中心的數(shù)據(jù)運營前景光明，但仍需打好基礎，緊扣運營，次第提升。
