客服网为您推荐一款更适合您的客服系统

10年智能化转型顾问,手把手教你提升智能客服的3个关键指标

  来源:网络   编辑:jack  

「未来服务沙龙」 是网易七鱼主办的邀请制闭门沙龙,关注客户生命周期管理中各阶段的理论与实践,致力于汇集海内外服务专家的力量,探索如何借助智能化能力帮助企业迈向服务升级之路。

嘉宾简介:路飞网易七鱼合作伙伴明道伟业总经理,曾就职于腾讯,有超过10年的产品经理和咨询顾问经验。曾服务作业帮、恒信IDO、叮咚买菜、闪银等企业的AI智能化服务落地。


「智能客服的三个关键指标」
1. 服务效率
  • 匹配率
  • 解决率
  • 好评率
2. 服务质量
  • 专业度
  • 响应度
3. 售前转化率
  • 预处理
  • 售前路由分配
  • 访问轨迹建模



智能客服关键指标



---
大家好,今天想要跟大家分享的是我们在帮助客户做智能客服实施交付过程中的一些经验和踩过的坑,包括核心指标如何拆解(见目录)、每个细分指标的含义和提升方法、网易七鱼一触即达如何实现多轮会话效果,希望可以帮助大家在使用智能化工具的时候切实地提升业务指标。


智能客服的三个关键指标


匹配率

智能客服的关键指标其实有很多,这里我挑了三个我认为对企业最有价值也是最核心的指标,两个跟售后场景相关,分别是服务效率和服务质量;一个跟售前场景相关,是售前转化。


指标一:服务效率


服务效率
智能客服能够帮助企业提升服务效率降低人工成本,这个结论相信大家不会有太多争议,存在争议的无非是到底能够提高到什么样的程度,到底能解决什么样的问题。所以我们先来聊一聊大家最关心的一大指标,服务效率。
实际使用过程中我们发现,服务效率又可以拆解为三个细的关联指标:匹配率、解决率、好评率。匹配率指的是顾客的提问中,机器人可以匹配的回答的占比;解决率是指,匹配的回答里解决了客户问题的占比;好评率是指,对机器人服务满意的客户占比。


匹配率

匹配率
现阶段的智能客服,虽然大家听过很多厂商高大上的“包装修饰”,但从实际落地看,影响机器人匹配率的只有知识库和入口两个因子。


1.知识库
知识库
知识库相信大家都听说过,对于企业来说如何让知识库足够完善足够有效是一大难点。我们把这个任务做一下分解,大致可以分为两个部分,第一部分是初始化,第二部分是上线后的维护。
我们碰到过很多企业,他们会觉得做知识库的初始化就是让客服同事一人整理一些问题,然后汇总起来形成问题列表,这就是知识库了。
其实不然。
一个十人的团队,一个月实际上要接待的会话量大概在几十万,而这几十万里哪些问题是高频问题,哪些是顾客下一步可能会关联的问题,正常来讲,没有任何一个个体有能力从这么海量的数据里把这些信息提取出来。所以知识库初始化绝非一人整理一些问题那么简单。
再说到知识库的维护,又可以分为挖掘和查重。
电商企业会有大量的运营活动,每一个活动规则不同会产生大量新的知识或者问题问法。如果我们指望人力来对这些知识进行快速的采集和挖掘,这几乎是不现实的,可能你这个活动的知识没收集好下一个活动又来了。
所以知识挖掘想解决的问题是,在快速变化的业务中把当前用户最关心的问题准确而迅速地识别出来。就像在网易七鱼系统后台里可以直接标出提问次数,帮助我们捕捉到客户最常问的问题。
查重解决的则是知识库效率的问题。知识库的维护会不停的往里面添加新的问题。随着问题越来越多,相似问题也会越来越多,这就会导致机器人的匹配效率会不断下降。最直观的感受就是机器人在回答别人问题的时候很容易混淆。所以我们需要定期的对一个存量足够大的知识库进行查重。通常我们客户的知识库里有将近一千条的问题,如果只是安排一个同事把一千条知识挨个比对看是否重复那也是不现实的。
综上所述,机器人要起效很大程度上需要我们有一个初始化完整并且维护良好的知识库,而初始化以及查重、挖掘又很难通过人力去解决。
知识库初始化
这是我们一家合作客户的知识图谱。
通过网易七鱼智能客服的后台数据统计我们得到了知识图谱,这是我们知识库初始化的第一步。
大家可以看到,除了问题罗列外还有词频的统计,根据词频的统计还可以分为多个分类层次。所以知识库不只是一个简单的FAQ聚集,而是有层次之分的。
知识挖掘


这是网易七鱼系统里实际运行的知识库的样子。

知识挖掘就是由机器人对近期整个服务的数据进行汇总,把相似问题聚类和频次统计,最后给到我们的运维人员。


知识查重
关于知识查重我们刚才也说了,知识库需要定期地合并删除。这张表展示的就是机器人如何自动计算查重,并给到运维人员数据参考辅助人工作出审核判断。
现阶段的智能客服可以干大量简单重复规则明确的活,但是干不了大量数据处理后的分析判断,以及理清问题之间逻辑关系。所以智能客服效果的提升同样也依赖于我们的运维团队,能够适当地介入到训练过程中来。不过相比之前提到的人工查重人工挖掘,企业成本会非常低,安排一个运维人员定期的对机器人生成的数据表进行排查,就能够保证知识库的高效运作。


2.BOT入口
bot入口
说完知识库的初始化、查重、挖掘,接下来要说的是影响客服匹配率的第二个因子:BOT入口。
我们在服务过程中,有些消费者的问题目的很明确,比如投诉,但有些客户的问题会存在很多步骤,比如之前和自如交流的时候他们遇到的比较高频的报修类问题。这类问题需要我们在服务的时候去精准定位,比如报修的是冰箱问题还是门的问题,门的问题又到底是外观受损还是门吸有问题。
这类流程性问题有一个特点,就是逐级展开。
针对这类问题的匹配率提升,我们要做的就是设置BOT入口来引导用户,一步一步把问题锁定。
大家不要小看锁定的过程,锁定的过程有几个好处:首先通过锁定可以让原本机器人无法接待的服务变成可接待,即使很复杂,只要最后锁定到一个有固定答案的问题时,机器人就可以完成接待了。
其次通过这样的问题拆解可以避免让用户打字。如果一个问题需要四步才能够锁定的话,通过这种BOT入口的引导,3到5秒内就可以完成问题的定位,并且由机器人给出标准答案。
BOT入口设计的关键点就是之前提到的词频表。我们无法做到把产品所有的使用场景全部标准化放置在BOT入口上,这样做反而会增加顾客的检索时间。同时我们也无法仅凭过往经验去筛选所谓的高频问题。这时候就需要通过机器人来完成对数据的整理筛选,通过数据找到消费者最关心的问题,然后由我们挑选放在BOT入口上。这样BOT入口的设计流程就具备很强的逻辑性和说服力。


解决率

交互方式
解决率是我们和企业交流过程中最容易产生理解偏差的,我每次跟客户聊智能机器人,大家都觉得机器人就是用来聊天的。
聊天其实在我们这张表里应该是属于第一个范畴叫FAQ,问个问题答一个问题。大家往往觉得,答得准确或者识别得准确,那就是机器人好呗,答得不准确,那就差点。
当然这个理解本身没有问题,只是不够全面,它忽略掉了机器人更大更多的能力。
我相信大家对于多轮对话这个概念应该不陌生,因为现在有很多厂家都会打这个概念,说自家机器人支持多轮对话,原本一些复杂的问题通过类人的多轮对话就能解决了。
我们可以简单抛出一个公式,假设每一个对话,机器人有90%的概率能够理解客户在问什么,那么一个需要三轮才能够解决的问题,实际上机器人理解客户说什么的概率就只有73%。
所以如果一个三轮会话服务,纯粹用多轮对话来理解客户提问其实是很难的,很可能因为各种各样的意外导致一个三轮会话的解决率只有50%。这对企业来说就很难接受了,机器人在跟客户聊了半天,客户打了半天字,突然发现没有在聊同一件事情,那体验就很尴尬。
所以在现实的应用中,多轮对话在各个主流企业里的应用场景非常窄。
所以我们聊到第三个能力,在网易七鱼系统里叫做一触即达。这个功能想要做的是通过其他方式来实现多轮对话的效果。
首先我们不会把整个对话的过程完全开放给客户,比如办签证,如果机器人能够知道办签证主要问的问题只有正式员工和外包员工这两种情况的话,其实机器人只需要给用户两个选项即可,而不用让他自由输入。当用户选择正式员工后,这时候我们才会问他哪个国家的签证,得到答案以后再具体聊接下来的情况。
通过给用户提供可能的选项,让多轮对话发生在指定范围内,从而保证服务的有效性,这就是一触即达实现的结果。
那企业又如何知道多轮对话该给每一轮的场景设置什么样的结果?
再次回到之前的表:
一触即达
通过网易七鱼智能系统的词频统计和分层管理,我们可以得到完整且有数据支撑的用户引导脉络图。当然我们无法保证100%覆盖所有问题,但是可以保证机器人的解决是有效的。
一触即达流程化

随着用户问法的改变或者产品、运营活动的调整,我们还会借助一些工具去保证这张脉络表能够长时间的保持有效性。比如我们可以随时查看流程中每一个问题的占比和每个分支的访问率,以及到达某个流程的流失率。如果出现访问低的分支,我们就需要考虑这个问题到底是不是用户最关注的;或者出现流失率高的回答,那么我们就要考虑给出的所有选项到底有没有用户真正需要的。


好评率

一触即达好评率
第三个指标是好评率。
因为机器的服务和人不太一样,我们不可能像对待人的方式去判断机器人有没有解决问题,也不可能派人去把所有的机器会话全部检查一遍。所以我们对机器人解决率的定义是指,在某一个特定的时间范围内,这个客户没有再来继续向我咨询问题。
但这种方式必然是有些漏洞,所以我们引入好评率这个指标其实是为了尽量弥补缺陷。
好评率
大家可以看一下这张表,我们可以对机器人的所有问题是否得到用户好评来做一个基本的判断,所以好评率在整个体系里更多的是协助大家判断机器人智能客服有没有在真正解决问题。



指标二:服务质量


智能客服服务质量
说完服务效率指标后,另一个关键指标是服务质量。服务质量可能很多人对此会有争议,智能机器人是否能保障我的服务质量,以及能保障到什么程度。其实智能客服对服务质量的影响相对来说比较间接,我们可以把它拆成两个小的指标:专业度和响应度。


专业度

在和制造业客户接触的时候我们发现,他们的客服人员要解答的问题比较专业,如果产品线比较长的话,问题也会比较多,那么对企业来说有一个非常大的成本就是人员的培训。另外大家也知道客服行业人员流动率很高,这样对企业成本来说更是雪上加霜。所以我们希望通过智能客服能够让企业对人工专业度的要求可以适当降低一点。
影响专业度因子
那么专业度影响因子又分为三部分,分别是接线分配策略、专业难度、培训成本。
我们可以看一下这张图。
影响服务质量专业度
左侧,我们可以按照技能值设置会话分配策略,让专业客服解决专业问题,基础客服解决基础问题。当然还有其他分配方式,我们可以让客户属性和客服的专业度尽可能匹配。
右侧显示的是我们的知识库。除了让智能客服服务客户之外,知识库的另一个应用场景就是让客服人员可以快速给出答案。那么在这个过程中,客服人员就由一个接待员转变成了一个导航员,客服人员不再需要记下复杂具体的知识点,只需要记下知识点的核心要素或者关键特征就可以检索出正确答案并推给顾客,大大降低了企业的培训成本。


响应度

响应度
响应度最直观的理解是因为机器人分担掉大部分基础工作量,我们的人力能够腾出更多的人手去及时响应、接待客户。
这里我可以给大家分享一个数据,就是刚刚提到了教育客户,在过去的暑假因为业务特征会有很大的波峰波谷效应,比如暑假的接待量是平常的三倍。但其实很多任务是标准化的,所以这段高峰期他们实际只增加了30%的人力,就解决了3倍的业务量,那么对于企业来说它的响应度就非常从容了。同样的,对电商行业的大促期也可以发挥同样的价值。
另外,很多企业不会在下班时间安排人工做接待,而是选择邮箱或留言板让客户留言。在线客户的特点就是如果用户不再二次接入,你任何反向触达的手段基本都是无效的,除非消费者是注册用户。在某些售前场景下,甚至可能因为响应不及时而直接导致丢单。
所以如果有一个具备复杂接待能力的机器人的时候,下班时间的接待有效率也会有很大提升。这也是提升服务质量的一部分。



指标三:售前转化


智能客服售前转化中应用
虽然智能客服在售前转化这块的应用并不多,但其实它对于售前转化还是能起到很多作用的。这里我把售前转化拆分为三个点。第一个是预处理,第二个售前路由分配,第三个是访问轨迹建模。


预处理

售前转化数据预处理
预处理又可以分为海量线索筛选和骚扰数据过滤。
企业会收到各种渠道来源的各种咨询,当然不可能每一条都是有效线索,所以我们可以在七鱼系统里设定一些规则初步筛选出对业务有价值的咨询,比如咨询多少轮对话后可以判定为有效线索,这样就不用人工逐条检查了。
有时候受客户产品引导策略的影响,导致了他们接触的客户里面有90%属于无效客户,像K12教育行业的服务过程中会有很多小孩发起的咨询,那么我们可以通过机器人拦住第一道骚扰数据,比如多问几个问题,让小孩在点选的过程中失去兴趣,就不会触发人工的接待。这样的骚扰数据过滤帮我们的客户节省了至少30%的接待量。


售前路由分配

21.png
售前预处理完之后,接下来就是路由分配。
售前路由分配跟售后的会话分配有一定关联性,但是规则和策略模型会更加复杂。除了我们前面提到的按照技能值以外,还有用户的访问页面,或者企业的CRM、ERP系统里客户的指标和标签,这些在售前转化里都可以帮接待人员去做出更合理的接待准备。


访问轨迹建模

22.png

第三部分是访问轨迹建模。这部分相对来说复杂性更高,更多是属于有潜力的一个应用。回到我们前面讲的这个问题,售前接待很大程度上,它背后是有一套阶段策略支撑的,这个阶段策略根据业务的特点有可能复杂也可能简单。如果我们能够对某些字段进行筛选,而客户可以在自己的企业中设立一系列的转化策略模型,当我们的客服系统在接待客户的时候,将对应的采购信息传到的策略中台,我们的企业就可以根据自己的接待策略给到客服人员一些指导,来实现最后的成单转化。



本文转自:网易七鱼公众号

以上是关于“10年智能化转型顾问,手把手教你提升智能客服的3个关键指标”的阐述,如果您还有什么不明白的地方可以联系我们的在线客服人员,或者拨打我们客服网的咨询热线:400-006-0362

(本文收集整理自网络,如果文中内容有侵犯到您的权益请及时联系我们,我们会在收到您的请求后及时处理)