编者按:客服中心运营优化有三个阶段:一是减少人工坐席的接待量,提高接待效率,以减少客户等待时间;二是优化客户体验,提升客户满意度和忠诚度;三是主动营销,促进售前转化。机器人的引入主要服务于第一个目的,同时需要兼顾访客的咨询体验,避免满意度的下降。因此,企业做机器人优化时需要关注以下两个核心指标。

 

➤  机器人解决率

机器人解决率指的是统计周期内,访客未二次来访的会话与接入机器人的会话量的比值。这个数据说明通过机器人接待后,未转入人工的比率,能够说明机器人在解决客户问题方面的效果。不过这里需要提醒大家的是,解决率的统计会有一个统计周期,有些系统会将统计周期默认设置为半个小时。但其实以半小时作为一个统计周期是有点过短的,会存在客户问题其实未被机器人解决,而客户延迟接入人工后数据未被计入的情况,这会导致解决率数据虚高,会有点自欺欺人,一般建议我们将解决率的统计周期设置为24小时。此外,不同的客服机器人对指标的定义也是不一样的,我们在关注指标数据时可以根据其真实的定义来选择和解决率指标相同的项进行监测。

▌匹配率

解决率数据其实是一个结果数据,要想使这个数据达到一个较高的值,我们还需要对影响机器人解决率的因素进行拆解,并对更因素对应的指标逐个优化,以最终提升解决率。影响解决率的第一个核心指标就是“匹配率”。

匹配率指的是机器人匹配到的提问数与访客提问总数的比值,这一指标旨在评估机器人知识库是否完善,是否包含了绝大多数的访客问题。这里匹配率又分为了完全匹配率、相似匹配率以及相似匹配采纳率。当匹配率较低时,我们首先需要扩充知识库问题。具有机器学习能力的智能客服系统能够主动进行知识挖掘,将知识库未覆盖的客户提问整理出来,提交给人工添加为新问题或关联到已有问法下,从而使知识库覆盖绝大多数的访客咨询。

▌热门问题解决率

访客咨询问题的分布也会呈现明显的二八效应,即80%的客户在咨询20%的问题。因此,要想提升整体的机器人解决率,首先应该按照问题匹配量数值从高到低,对解决率低的问题的答案进行优化。通过分析答案来判断是否存在答非所问的情况,或者答案的说明是否准确、表达是否简洁清晰,从而提高热门问题的解决率。

 

➤  客户满意度

客户满意度对于客服中心的重要性不言而喻,影响客户满意度的因素有很多,包括排队时长、首响时长、会话时长、一次性解决率等等。这些指标,在传统的客服中心也都是重要的业绩指标,客服机器人的引入会通过减少人工坐席的工作量以及智能辅助人工的功能提升以上指标。因此,在评估客服机器人的使用效果时,人工坐席的接待数据也是重要的参考值。此外,针对机器人服务的效果,系统也会统计机器人接待的会话满意度。

立即注册查看完整版评测报告
马上注册         立即登录