展会信息港展会大全

基于数据挖掘技术建立智能客户联络中心
来源:互联网   发布日期:2012-10-16 19:58:55   浏览:13622次  

导读:作为客户关系管理(Customer Relationship Management,CRM)的主要载体之一,基于CTI(Computer Telephony Integration)技术的现代呼叫中心(Call Center)在20世纪90年代引入中国。在其后十年左右的时间里,呼叫中心迅速经历了概念期和导入期,很快就进入...

作为客户关系管理(Customer Relationship Management,CRM)的主要载体之一,基于CTI(Computer Telephony Integration)技术的现代呼叫中心(Call Center)在20世纪90年代引入中国。在其后十年左右的时间里,呼叫中心迅速经历了概念期和导入期,很快就进入了高速推广期,并以超乎寻常地速度得到普及和应用。

作为企业直接与客户联系和沟通的前端,呼叫中心在行业总量保持高速增长的同时,其内涵也在不断发生着质的转变。传统的呼叫中心主要是被动接听和处理电话呼叫,保持与客户的联系。显然,随着竞争的加剧、经济节奏的加快,客户资源已经成为现代企业争夺的主要领域,企业为维持客户满意度、保持持久竞争力,迫使呼叫中心必然向新的模式转型——基于数据挖掘(Data Mining)的智能型客户联络中心(Customer Contact Center)。

数据挖掘是指从海量的应用数据中,发现有用的相互关系、模式和趋势的过程。从理论角度讲,数据挖掘是融合模式识别技术、统计和数学等多个学科理论和技术的现代跨学科数据分析技术。从商业角度来说,数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽样、清洗、转换、分析和模型化处理,通过抽取数据特征辅助商业决策。

在买方市场背景下,各个行业逐渐进入微利时代,同时消费者对产品和服务的认知水平和消费能力的不断提高,需求和欲望呈现出多样化、差异化等特征,企业为保持持久的竞争力,必须在与客户的联络中,借助数据挖掘技术,更加客观、精准的认识和识别的客户需求,从而以最低的成本获得更高的客户满意度。与此同时,呼叫中心与生俱来的具有信息化和数据化的特征。多年的呼叫中心实践,企业已经积累了大量的客户信息和数据,其中既有客户的属性信息,也有时间序列特征的行为数据,这为数据挖掘的商业应用提供了客观数据支持。因此,借助数据挖掘技术建立现代客户联络中心是一种必然趋势。

与传统呼叫中心相比,引入数据挖掘技术的联络中心将具有以下特点:

(1)渠道多样性

联络中心包括与客户联系的所有渠道,即包括语音(例如电话、IVR、语速识别和声音识别),也可以充分利用E-mail、WEB、视频、传真和信函等多种形式。这是一个输入/输出双向的基于服务的环境,在这个环境中座席处理所有有关销售、客户服务、营销、电话营销、搜集以及其他功能等方面的信息。

(2)虚拟性

联络中心的多种联络渠道,特别是对现代网络技术的利用,使得联络中心可以做到从逻辑上是单体的,而从物理上是分散的,从而通过虚拟的架构为客户提供更可靠、更便捷的服务。

(3)个性化

运用神经网络、聚类分析等数据挖掘技术,联络中心可以精准的获得客户的基本特征,把握客户需求的细微变动,从而可以主动为其定制个性化的服务。

(4)精细化

基于数据挖掘技术,联络中心可以科学的评价每个座席的绩效,从而进行恰当的排班,发挥每个座席的特点和优势,为客户提供最细致的服务。

可见,成功地应用数据挖掘技术,联络中心将充分体现出其智能性,从而为企业经营决策提供强有力的支持,让联络中心真正的从被动的“成本中心”向主动的“利润中心”逐渐过渡。

一方面,通过对数据的整合和优化,实施数据挖掘技术建立智能型联络中心,能显著提高联络中心的附加价值,为企业带来更好的经济效益。

首先,联络中心借助数据挖掘技术可以实现精准的客户细分,使得座席可以有选择的主动呼叫迫切需要提供服务的客户,为其提供及时地主动关怀。这既能节约联络中心的运行成本,同时又能够集中有限的人力和时间服务于最需要服务的客户,有效提高客户满意度。

基于数据挖掘技术建立智能客户联络中心

图1 智能型呼叫中心模式图

其次,呼叫中心的大量座席长期与客户最直接的“亲密”接触,其可以充分了解客户的需求。借助关联规则、神经网络等数据挖掘技术,新型联络中心能够方便的将散落在座席之间的零散信息进行集中、系统地分析,从而洞悉客户需求的变动趋势,为交叉销售、新产品开发等提供主动的决策支持。联络中心将一改往日辅助部门的地位,而成为市场运转的核心,从而真正实现以客户为中心的现代企业管理理念。

另一方面,智能型的联络中心在客观评价座席绩效,提升呼叫中心的运行效率(特别是在分布式呼叫中心的模式下)方面更具优势。

绩效(Performance)管理是呼叫中心的主管与经理面对的日常课题。比较于其它许多行业,呼叫中心的绩效管理相对说来更复杂些。因为呼叫中心运行过程中大量数字化报表指标需要分析、利用,同时服务态度、客户满意程度等指标难于量化,这都使得绩效评估是传统呼叫中心运行管理的一个难题。智能型联络中心可以从两个方面解决这个问题:

(1)建立可靠性分析模型

基于Possion分布等数据挖掘技术,智能型联络中心可以准确预测其未来一定时间内的可能负荷,从而正确选择硬件设备和科学的座席排班,最大限度地节约费用支出,并在一定置信水平上保障中心的可靠、平稳运行。

(2)建立座席绩效评估模型

传统的呼叫中心运营系统往往通过建立主要表现指针(Key Performance Indicator,KPI)系统来衡量Call Center运行的实时状况。但由于KPI的确定过程十分复杂,特别是对座席的服务质量和效果的评估方面,往往让管理者束手无策,很多呼叫中心在运营过程中主要是靠平均接听时间来评价座席绩效,衡量中心的成本效益。显然,过于重视运行成本的节约,忽略了座席服务效果的,这与呼叫中心作为客户服务载体的初衷背道而驰了。

智能型的联络中心可以利用语音识别、小波分析、文本挖掘等技术分析座席每次服务的同步录音或者文字记录,从而从通话时间、语调等多个方面,综合给出客观的服务效果评价,同时也给出客户满意度的有效度量。通过座席绩效评估模型的建立,一方面可以准确评价座席的绩效,同时可以把握座席的特点,为敏捷排班和动态路由设计提供支持,让最恰当的人在最恰当的时刻为最恰当的客户提供最恰当的服务。保证联络中心以最好的效率运行。

随着企业以客户为中心经营模式的转变,以及客户个性化需求的凸现,企业要想在竞争中赢得先机,必须深入细分目标客户,打造差异化的产品和服务,增强企业自身的核心竞争力,建立基于数据挖掘技术的智能型联结中心是必然的发展趋势。


赞助本站

相关内容
AiLab云推荐
推荐内容
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港