企业HR共享服务中心承担了大量繁杂的HR事务性工作,管理人员需要通过持续的标准化、流程化和自助化对中心的服务质量和效率进行优化,已达到提质增效的目的。这就要求HR共享服务中心系统有全面的数据统计和分析功能,来支持运营人员基于科学的数据指标体系制定优化策略。具体来说,系统需要支持的数据分析功能如下。
➤ 核心数据指标
▌服务总量
系统能够对来自各个渠道的服务总量数据统计,包括人工在线服务总会话量、呼叫的总话务量、总的工单量、机器人会话总量数据。帮助运营人员宏观上了解员工服务的工作量以及在各个渠道的分布量。
▌服务效率
互联网的快速发展使得人们对于消息回复的即时性以及服务的效率有非常高的要求,因此各个服务渠道针对服务效率的数据都应该是服务中心运营人员需要核心关注的数据指标。这里我们整理了效率相关的数据指标,供大家参考。
1.排队量:现在人们对于排队等待这件事越来越没有耐心,排队会直接引起人们对于服务的不满。如果服务中心排队时间长、多次排队无法接入会直接导致员工认为HR共享服务中心服务水平差,因此排队量是HR共享服务中需要重点核心关注的一个指标,包括在线人工坐席排队量、呼叫排队量数据。需要注意的是,这里的排队量应该这里的排队量应该包含排队成功进入会话、排队成功进入留言、排队失败量的数据。排队量是指导人力安排的核心指标,企业需要这个数值对服务人员进行合理分配和调整。
2.响应时长:响应时长主要针对呼叫坐席,指的是从发起呼叫申请到通话接通的时间,也就是服务的等待时间。运营人员可以参考这个数值对中心的坐席人力进行合理分配和调整。
3.呼损量:呼损量主要针对呼叫坐席,指的是成功呼入但没有接通的话务总量,包括:IVR放弃、排队队列放弃、呼入客服未接听、无客服在线、非服务时间、客户快速挂机等情况。我们需要关注这部分数据,并对由于各种原因引起的呼损进行分析,提出对应的解决方案。
4.工单处理时长:相较于在线和呼叫来说,工单针对的是无法提供即时回复的服务,对服务的时效性要求相对较低,但并不意味着工单处理效率就不重要。我们同样需要关注从工单发起到工单完结的时间,并根据实际的处理周期给服务对象明确、可靠的预期。同时我们可以通过建立SLA服务目标,精准的设置响应和完结的时间要求,并不断优化工单力流程,缩短工单处理耗时。
5.一次性解决率:一次性解决率指的是统计周期内,同一访客未二次来访的会话与总会话数的比值,此数据有一定时间延迟。这一数据指标主要用于评估服务的质量,即服务人员能否精准定位访客问题,并给准确高效的解决办法。
6.机器人解决率:机器人解决率是机器人训练优化最为关键的指标,直接反映了机器人能够多大程度地减少人工工作量。我们在选择服务商时,很难根据各家采用的智能算法、机器人接待逻辑这些来判断机器人效果,但我们可以通过机器人解决率这一最为直观的数据来进行判断。
▌服务满意度
系统支持分别统计包括在线、呼叫、工单、机器人在内的各个渠道的服务满意度数据,这个指标就是客户对客服人员工作的打分情况,可以作为一个最直接的评估指标结果。基于方可的满意度评价,系统并能对好评和差评对应的咨询内容、来源渠道、响应时长、会话时长分布数据进行统计,从而支持运营人员明确服务优化的方向,制定优化策略。
➤ 小结
HR共享服务中心基于云计算和人工智能技术,将HR的工作化繁为简,同时方便企业年轻员工高效便捷地通过在线方式获取服务。避免了遇到问题不知道找谁、找不到人或找到人不能及时处理等尴尬。基于HRSSC平台的数据统计和分析功能,企业HR服务能够实现流程驱动、数据指导,不断提升服务的质量和效率,实现提质增效。