
用簡單的分析發(fā)現(xiàn)運營的秘密之:構(gòu)成分析
一提到數(shù)據(jù)分析,很多人立刻會聯(lián)想到眼花繚亂的數(shù)據(jù)、高大上的工具、高深莫測的算法,認為那些東西離自己很遠而望而卻步。其實,數(shù)據(jù)分析不一定都要用得上復雜的工具和高深的算法,一些簡單易行的基礎(chǔ)分析方法同樣可以具有非凡的洞察力。今天我們就簡單聊一聊基礎(chǔ)分析方法之一:構(gòu)成分析。
構(gòu)成分析也叫做結(jié)構(gòu)分析或比例分析,是用來分析和揭示一種事物的組成部分及其占比的一種普遍性分析方法。利用構(gòu)成分析,我們可以知道話務(wù)類別、投訴原因、客戶群體、員工表現(xiàn)等多個方面的構(gòu)成要素,從而確定進一步分析與改進的目標及優(yōu)先級順序。
首先,我們來看一下某中心的當前人工話務(wù)構(gòu)成:
人工話量構(gòu)成示例
當你看到這個數(shù)據(jù)的時候會首先想到什么呢?從運營的角度來講,重復來電占比高意味著接聽率不理想、首解率不理想、寶貴的人工工時的“浪費”以及客戶的負面感知。那么“降低重復來電占比”就很自然的成為工作量優(yōu)化以及人工效能提升優(yōu)先考慮的對象。
除了話量構(gòu)成,我們還可以同樣用這種簡潔有力的方法來查看各話務(wù)類型占比、各聯(lián)絡(luò)渠道業(yè)務(wù)承接量占比、解決與未解決占比、總工時消耗占比等等各種構(gòu)成情況。
日常運營管理中,優(yōu)化平均處理時長(AHT)是提升人均產(chǎn)能和整體產(chǎn)能的關(guān)鍵舉措之一。而如何發(fā)現(xiàn)通話時長的瓶頸既優(yōu)化點是這項工作的前提。運用構(gòu)成分析,我們可以把典型的通話流程進行解構(gòu)(見下圖),針對每一個關(guān)鍵環(huán)節(jié)進行消耗時長的測量,然后再從總體差異、節(jié)點差異等方面進行進一步的對比與剖析,從而找到各個環(huán)節(jié)的優(yōu)化空間。
通話流程時長分解
再看下面的客戶與話務(wù)構(gòu)成對比分析:
客戶的聯(lián)絡(luò)頻率并不是均勻的,很多客戶可能常年都不會聯(lián)絡(luò)你,有些客戶一有問題就會聯(lián)絡(luò)你,還有些客戶有事沒事就喜歡聯(lián)絡(luò)你。我們不能直接左右客戶的行為,但分析、引導與預(yù)防工作還是要做的。根據(jù)麥肯錫的一項調(diào)查結(jié)果,呼叫中心51%的來電是由14%的客戶發(fā)起的。也就是說,14%的客戶造就了呼叫中心一半以上的工作量。當我們把客戶及來電分別進行構(gòu)成分析并放在一起做對應(yīng)對比的時候(如下圖),其結(jié)果往往會令我們眼前一亮或者心中一驚。那么接下來的工作重點就不言而喻了,這14%的客戶群是什么人?他們有什么共同特征?他們的來電原因有什么共性?我們可以采取什么方式進行疏導、預(yù)防、甚至控制?
客戶與話量的構(gòu)成對比
正確地定位問題(what)、解構(gòu)問題(why)是尋找問題解決方法(how)的重要前提,而從最簡單的基礎(chǔ)分析方法入手,人人都可以是數(shù)據(jù)分析師。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 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)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(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” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
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 動態(tài)隨機一般均衡(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)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設(shè)檢驗是驗證研究假設(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” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(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 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
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值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11