
基于數(shù)據(jù)挖掘技術(shù)建立智能型客戶聯(lián)絡(luò)中心
作為客戶關(guān)系管理(Customer Relationship Management,CRM)的主要載體之一,基于CTI(Computer
Telephony Integration)技術(shù)的現(xiàn)代呼叫中心(Call
Center)在20世紀(jì)90年代引入中國(guó)。在其后十年左右的時(shí)間里,呼叫中心迅速經(jīng)歷了概念期和導(dǎo)入期,很快就進(jìn)入了高速推廣期,并以超乎尋常地速度得到普及和應(yīng)用。
作為企業(yè)直接與客戶聯(lián)系和溝通的前端,呼叫中心在行業(yè)總量保持高速增長(zhǎng)的同時(shí),其內(nèi)涵也在不斷發(fā)生著質(zhì)的轉(zhuǎn)變。傳統(tǒng)的呼叫中心主要是被動(dòng)接聽和處理電話呼叫,保持與客戶的聯(lián)系。顯然,隨著競(jìng)爭(zhēng)的加劇、經(jīng)濟(jì)節(jié)奏的加快,客戶資源已經(jīng)成為現(xiàn)代企業(yè)爭(zhēng)奪的主要領(lǐng)域,企業(yè)為維持客戶滿意度、保持持久競(jìng)爭(zhēng)力,迫使呼叫中心必然向新的模式轉(zhuǎn)型——基于數(shù)據(jù)挖掘(Data Mining)的智能型客戶聯(lián)絡(luò)中心(Customer Contact Center)。
數(shù)據(jù)挖掘是指從海量的應(yīng)用數(shù)據(jù)中,發(fā)現(xiàn)有用的相互關(guān)系、模式和趨勢(shì)的過(guò)程。從理論角度講,數(shù)據(jù)挖掘是融合模式識(shí)別技術(shù)、統(tǒng)計(jì)和數(shù)學(xué)等多個(gè)學(xué)科理論和技術(shù)的現(xiàn)代跨學(xué)科數(shù)據(jù)分析技術(shù)。從商業(yè)角度來(lái)說(shuō),數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù),其主要特點(diǎn)是對(duì)商業(yè)數(shù)據(jù)庫(kù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽樣、清洗、轉(zhuǎn)換、分析和模型化處理,通過(guò)抽取數(shù)據(jù)特征輔助商業(yè)決策。
在買方市場(chǎng)背景下,各個(gè)行業(yè)逐漸進(jìn)入微利時(shí)代,同時(shí)消費(fèi)者對(duì)產(chǎn)品和服務(wù)的認(rèn)知水平和消費(fèi)能力的不斷提高,需求和欲望呈現(xiàn)出多樣化、差異化等特征,企業(yè)為保持持久的競(jìng)爭(zhēng)力,必須在與客戶的聯(lián)絡(luò)中,借助數(shù)據(jù)挖掘技術(shù),更加客觀、精準(zhǔn)的認(rèn)識(shí)和識(shí)別的客戶需求,從而以最低的成本獲得更高的客戶滿意度。與此同時(shí),呼叫中心與生俱來(lái)的具有信息化和數(shù)據(jù)化的特征。多年的呼叫中心實(shí)踐,企業(yè)已經(jīng)積累了大量的客戶信息和數(shù)據(jù),其中既有客戶的屬性信息,也有時(shí)間序列特征的行為數(shù)據(jù),這為數(shù)據(jù)挖掘的商業(yè)應(yīng)用提供了客觀數(shù)據(jù)支持。因此,借助數(shù)據(jù)挖掘技術(shù)建立現(xiàn)代客戶聯(lián)絡(luò)中心是一種必然趨勢(shì)。
與傳統(tǒng)呼叫中心相比,引入數(shù)據(jù)挖掘技術(shù)的聯(lián)絡(luò)中心將具有以下特點(diǎn):
(1)渠道多樣性
聯(lián)絡(luò)中心包括與客戶聯(lián)系的所有渠道,即包括語(yǔ)音(例如電話、IVR、語(yǔ)速識(shí)別和聲音識(shí)別),也可以充分利用E-mail、WEB、視頻、傳真和信函等多種形式。這是一個(gè)輸入/輸出雙向的基于服務(wù)的環(huán)境,在這個(gè)環(huán)境中座席處理所有有關(guān)銷售、客戶服務(wù)、營(yíng)銷、電話營(yíng)銷、搜集以及其他功能等方面的信息。
(2)虛擬性
聯(lián)絡(luò)中心的多種聯(lián)絡(luò)渠道,特別是對(duì)現(xiàn)代網(wǎng)絡(luò)技術(shù)的利用,使得聯(lián)絡(luò)中心可以做到從邏輯上是單體的,而從物理上是分散的,從而通過(guò)虛擬的架構(gòu)為客戶提供更可靠、更便捷的服務(wù)。
(3)個(gè)性化
運(yùn)用神經(jīng)網(wǎng)絡(luò)、聚類分析等數(shù)據(jù)挖掘技術(shù),聯(lián)絡(luò)中心可以精準(zhǔn)的獲得客戶的基本特征,把握客戶需求的細(xì)微變動(dòng),從而可以主動(dòng)為其定制個(gè)性化的服務(wù)。
(4)精細(xì)化
基于數(shù)據(jù)挖掘技術(shù),聯(lián)絡(luò)中心可以科學(xué)的評(píng)價(jià)每個(gè)座席的績(jī)效,從而進(jìn)行恰當(dāng)?shù)呐虐?,發(fā)揮每個(gè)座席的特點(diǎn)和優(yōu)勢(shì),為客戶提供最細(xì)致的服務(wù)。
可見,成功地應(yīng)用數(shù)據(jù)挖掘技術(shù),聯(lián)絡(luò)中心將充分體現(xiàn)出其智能性,從而為企業(yè)經(jīng)營(yíng)決策提供強(qiáng)有力的支持,讓聯(lián)絡(luò)中心真正的從被動(dòng)的“成本中心”向主動(dòng)的“利潤(rùn)中心”逐漸過(guò)渡。
一方面,通過(guò)對(duì)數(shù)據(jù)的整合和優(yōu)化,實(shí)施數(shù)據(jù)挖掘技術(shù)建立智能型聯(lián)絡(luò)中心,能顯著提高聯(lián)絡(luò)中心的附加價(jià)值,為企業(yè)帶來(lái)更好的經(jīng)濟(jì)效益。
首先,聯(lián)絡(luò)中心借助數(shù)據(jù)挖掘技術(shù)可以實(shí)現(xiàn)精準(zhǔn)的客戶細(xì)分,使得座席可以有選擇的主動(dòng)呼叫迫切需要提供服務(wù)的客戶,為其提供及時(shí)地主動(dòng)關(guān)懷。這既能節(jié)約聯(lián)絡(luò)中心的運(yùn)行成本,同時(shí)又能夠集中有限的人力和時(shí)間服務(wù)于最需要服務(wù)的客戶,有效提高客戶滿意度。
圖1 智能型呼叫中心模式圖
其次,呼叫中心的大量座席長(zhǎng)期與客戶最直接的“親密”接觸,其可以充分了解客戶的需求。借助關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘技術(shù),新型聯(lián)絡(luò)中心能夠方便的將散落在座席之間的零散信息進(jìn)行集中、系統(tǒng)地分析,從而洞悉客戶需求的變動(dòng)趨勢(shì),為交叉銷售、新產(chǎn)品開發(fā)等提供主動(dòng)的決策支持。聯(lián)絡(luò)中心將一改往日輔助部門的地位,而成為市場(chǎng)運(yùn)轉(zhuǎn)的核心,從而真正實(shí)現(xiàn)以客戶為中心的現(xiàn)代企業(yè)管理理念。
另一方面,智能型的聯(lián)絡(luò)中心在客觀評(píng)價(jià)座席績(jī)效,提升呼叫中心的運(yùn)行效率(特別是在分布式呼叫中心的模式下)方面更具優(yōu)勢(shì)。
績(jī)效(Performance)管理是呼叫中心的主管與經(jīng)理面對(duì)的日常課題。比較于其它許多行業(yè),呼叫中心的績(jī)效管理相對(duì)說(shuō)來(lái)更復(fù)雜些。因?yàn)楹艚兄行倪\(yùn)行過(guò)程中大量數(shù)字化報(bào)表指標(biāo)需要分析、利用,同時(shí)服務(wù)態(tài)度、客戶滿意程度等指標(biāo)難于量化,這都使得績(jī)效評(píng)估是傳統(tǒng)呼叫中心運(yùn)行管理的一個(gè)難題。智能型聯(lián)絡(luò)中心可以從兩個(gè)方面解決這個(gè)問(wèn)題:
(1)建立可靠性分析模型
基于Possion分布等數(shù)據(jù)挖掘技術(shù),智能型聯(lián)絡(luò)中心可以準(zhǔn)確預(yù)測(cè)其未來(lái)一定時(shí)間內(nèi)的可能負(fù)荷,從而正確選擇硬件設(shè)備和科學(xué)的座席排班,最大限度地節(jié)約費(fèi)用支出,并在一定置信水平上保障中心的可靠、平穩(wěn)運(yùn)行。
(2)建立座席績(jī)效評(píng)估模型
傳統(tǒng)的呼叫中心運(yùn)營(yíng)系統(tǒng)往往通過(guò)建立主要表現(xiàn)指針(Key Performance Indicator,KPI)系統(tǒng)來(lái)衡量Call
Center運(yùn)行的實(shí)時(shí)狀況。但由于KPI的確定過(guò)程十分復(fù)雜,特別是對(duì)座席的服務(wù)質(zhì)量和效果的評(píng)估方面,往往讓管理者束手無(wú)策,很多呼叫中心在運(yùn)營(yíng)過(guò)程中主要是靠平均接聽時(shí)間來(lái)評(píng)價(jià)座席績(jī)效,衡量中心的成本效益。顯然,過(guò)于重視運(yùn)行成本的節(jié)約,忽略了座席服務(wù)效果的,這與呼叫中心作為客戶服務(wù)載體的初衷背道而馳了。
智能型的聯(lián)絡(luò)中心可以利用語(yǔ)音識(shí)別、小波分析、文本挖掘等技術(shù)分析座席每次服務(wù)的同步錄音或者文字記錄,從而從通話時(shí)間、語(yǔ)調(diào)等多個(gè)方面,綜合給出客觀的服務(wù)效果評(píng)價(jià),同時(shí)也給出客戶滿意度的有效度量。通過(guò)座席績(jī)效評(píng)估模型的建立,一方面可以準(zhǔn)確評(píng)價(jià)座席的績(jī)效,同時(shí)可以把握座席的特點(diǎn),為敏捷排班和動(dòng)態(tài)路由設(shè)計(jì)提供支持,讓最恰當(dāng)?shù)娜嗽谧钋‘?dāng)?shù)臅r(shí)刻為最恰當(dāng)?shù)目蛻籼峁┳钋‘?dāng)?shù)姆?wù)。保證聯(lián)絡(luò)中心以最好的效率運(yùn)行。
隨著企業(yè)以客戶為中心經(jīng)營(yíng)模式的轉(zhuǎn)變,以及客戶個(gè)性化需求的凸現(xiàn),企業(yè)要想在競(jìng)爭(zhēng)中贏得先機(jī),必須深入細(xì)分目標(biāo)客戶,打造差異化的產(chǎn)品和服務(wù),增強(qiáng)企業(yè)自身的核心競(jìng)爭(zhēng)力,建立基于數(shù)據(jù)挖掘技術(shù)的智能型聯(lián)結(jié)中心是必然的發(fā)展趨勢(shì)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10