Klantenservice onder controle, welke gegevens verzamelen?

Vind dit artikel op: www.relatieclientmag.fr 

Voor de analyse van de efficiëntie van de aan de klant geleverde diensten, op de verschillende kanalen, wat zijn de soorten gegevens die moeten worden verzameld?

De eerste stap is nu al betrouwbare informatie, een 'foto', stroomt op de verschillende kanalen, Kpi's over de behandeling, het herhalen van pogingen of contacten, en het evalueren van de algehele 'bereikbaarheid' van het bedrijf. Dit kan worden bereikt door gegevens te verzamelen uit systemen die de ontvangst en verwerking van verzoeken mogelijk maken, het kan om te beginnen een callcenter of een digitale engagementoplossing zijn, of een uniforme crm. 

Maar het onderzoek zal noodzakelijkerwijs ook een analyse inhouden van het verloop van de aanvragen, de fasen en de 'echte' doorlooptijden. Met 'werkelijke' verwerkingstijd bedoelen we "tot sluiting" in het informatiesysteem van het bedrijf, zodra alle interne activiteiten die het waarschijnlijk heeft gegenereerd, zijn uitgevoerd, en dus idealiter ook wanneer de klant aan de oorsprong van het verzoek overweegt dat het tevreden is, wat we ook zullen valideren door hun feedback te verzamelen en ook te controleren.

Zo wordt een verzoek tot het wisselen van 'doos' of het vervangen van een onderdeel op een computer natuurlijk niet 'beheerd' wanneer de agent het verzoek kwalificeert en de klant een min of meer gedetailleerde bevestiging van ondersteuning ontvangt, maar wanneer de het juiste model voor de vervangende apparatuur wordt geleverd en werkt, inclusief een nieuwe vertraging veroorzaakt door de teams die de voorraad beheren, de vervoerder, mogelijk een mislukte levering door een gebrek aan nauwkeurigheid in het klantenbestand, mogelijke problemen met de installatie in verband met een gebrek van ondersteuning of een ontbrekend onderdeel, enz... en dan wil het bedrijf nog steeds graag weten hoeveel deze service na verkoop kost, en bepaalde fundamentele aspecten van winstgevendheid beheersen.

Om de efficiëntie van de service te beoordelen, is het daarom noodzakelijk om alle beschikbare sporen van de activiteit en alle betrokken services te analyseren, met een type verzoek als initiële gecorreleerde gegevens, en vervolgens te werken aan concepten zoals resolutiepercentages 'reëel' op het eerste, tweede of vijftiende contact, of zelfs een behandeling die we volgens onze normen als kwalitatief beschouwen, koppelen aan 'de' normen, maar ook aan de verwachtingen, of de feedback van klanten die het heeft gegenereerd, bestudeer in detail de verschillende stadia van verwerken voor goede en slechte voorbeelden, en natuurlijk luisteren naar of herlezen van de inhoud van deze interacties en opmerkingen van klanten!

Dus we praten niet alleen, om de kwaliteit van de service echt te analyseren, van gegevens van klantenservicetools?

Inderdaad. De term "360°-analyse" van klantenservice is behoorlijk relevant, ook al wordt deze momenteel enigszins zinloos gemaakt door een beetje licht gebruik door sommige marketeers in de sector. '360°' houdt letterlijk in dat we tegelijkertijd, of achtereenvolgens, 'voor', 'aan de zijkanten' en 'achter' kijken. We kunnen dit met plezier vertalen door front = stromen en verzoeken in mijn engagement tools, zijkanten = waargenomen kwaliteit, feedback op review sites, en mijn 'hot' of 'cold' barometers', plus interne evaluaties = de geleverde kwaliteit. En wat zit er dan achter = de backoffice, maar ook de gegenereerde omzet of de kosten, dus in het algemeen meerdere bronnen die ook voortkomen uit de IS van het bedrijf, zoals de 'vaak diverse-en-gevarieerde' interne CRM's. 

Het doel van een dergelijke aanpak is dus in feite om te proberen alle paden, ook divers en gevarieerd, van mijn klanten of prospects te herleiden wanneer ze me nodig hebben, zowel als om interne disfuncties of zelfs moeilijkheden bij teams op te sporen. Vanuit het oogpunt van de gegevens moeten we daarom alle stadia hebben en ze analyseren in samenhang met een maximum aan interne of externe feedback, daarom zijn alle gegevens die we zojuist hebben genoemd noodzakelijk. 

We hebben onlangs zelfs overwogen om een ​​systeem te integreren voor het verzamelen van feedback van agenten over hun verschillende klantenuitwisselingen in de daarvoor bestemde ruimte op CROSS-CRM.COM, met het oog op het creëren van een nieuwe bron van het 'klimaat'-type om onze campagneanalyse en doelvolgmodules.

De gegevens, om kwaliteitsmanagement mogelijk te maken, daarom noodzakelijkerwijs opnieuw worden verwerkt om verteerbaar te worden gemaakt? 

 Ja, of liever, sommige zijn dat, en andere moeten worden verrijkt, en nee, we zullen nooit zonder menselijke vaardigheden, vooral emotionele, om de kwaliteit van een dienst te beoordelen! 

Laten we beginnen met de opwerking. Ten eerste worden de gegevens uit de verschillende applicatiebronnen, die soms in hetzelfde rapport moeten worden opgenomen, niet allemaal volgens dezelfde normen aangeleverd en worden bepaalde gegevens die 'ruw' zouden moeten zijn of KPI's soms als identiek beschreven terwijl hun logging of berekening gebruikte filters, of soms radicaal andere methoden. Dit is het "opschonende" werk dat onze analisten doen wanneer we een connector maken naar verschillende oplossingen voor hetzelfde deel van de klantrelatie, zoals de verschillende engagementoplossingen voor een van onze dashboards: we moeten begrijpen hoe elk cijfer dat we gaan gebruik is geproduceerd, en vergelijk of groepeer wat vergelijkbaar of "groepeerbaar" is.

Computerverwerking is ook nodig om de verschillende formaten van verschillende tabellen of databases met elkaar in overeenstemming te brengen. Nou, dat is een vies woord geworden, maar we hebben het hier ook over BIG Data, veel gevallen en interacties, en het zou menselijkerwijs onmogelijk zijn voor zelfs een kleine klantenserviceafdeling om elke interactie één voor één te beoordelen en een debriefing uit te voeren op elk geval. We moeten dus de servers opwarmen om het 'substantiële merg' uit de ons ter beschikking gestelde data te extraheren, en vandaag kunnen we dat. Hiervoor hebben we steeds betrouwbaardere rekenmachines en semantische analysetools, evenals tools voor het omzetten van spraak in tekst, dit alles zal helpen om de analyses voor de rest van het proces beter te richten, beheerd door … de mens! 

De data moeten worden verrijkt en de interpretatie ervan op de rails, en daarvoor is de mens het best geplaatst. Omdat ik meer geïnteresseerd zou zijn in het lezen van feedback over mijn nieuwe mobiele applicatie dan in het verkrijgen van de onbewerkte gegevens van het aantal downloads (die me niets zullen vertellen over wie en waarom en hoe vaak dezelfde gebruiker het opnieuw heeft gedownload, enz.) . …), zou ik ook liever een beoordeling van mijn kwaliteitsafdeling tijdens een oproep terugkijken dan naar de oproep zelf te luisteren. De analyse van grote hoeveelheden data, om te helpen bij de besluitvorming, moet daarom gebaseerd zijn op data die zo 'duidelijk' mogelijk is, dus zoveel mogelijk, al computer- EN menselijke verwerking ondergaan, om deze gegevens in overeenstemming te brengen , en begin ze te classificeren en ze een kleur of een klimaat te geven. 

CRM-gegevens vormen sinds 2009 de kern van de activiteiten van Customer-Square. Sinds 2012 zijn we ook de uitgever van CROSS-CRM.COM, het eerste platform dat zich toelegt op het verbeteren van de klantenservice, geleverd en waargenomen, op alle kanalen. 

http://www.relationclientmag.fr/Thematique/acteurs-strategies-1014/Breves/Service-Client-sous-controle-quelle-data-collecter--309008.htm#pAIFtzPhkFEHQbWM.97