如果你问我这与我们的主题有什么联系，请让我简单地解释一下。
阴阳是一个古老的哲学学科。简而言之，我们可以称之为好与坏。但是，看一下这个符号，你会看到相反的两极，里面有他们的对立面。这意味着坏的是好的，好的是坏的。
作为一个具有行业从业经历20年的专业人士，我们在我们的呼叫中心、联络中心、互动中心，以最优的方式按照这个魔幻的词汇进行运营，甚至我也不知道如何定义……
在我们的运作中，我们习惯于利用许多统计报告来分析效率、质量、资源、盈利能力和忠诚度。我们从这些报告中获得的数据，在各个方面都引领着我们。我们在分析质量和衡量成绩的同时，测量满意度并采取措施。
我会试着从不同的角度来吸引你的注意力。我们对我们的统计报告有多少信心，这些报告为我们提供了优秀的数据？他们是否完全可信，没有任何错误的？
这听起来很奇怪，但不幸的是答案是否定的……
我会试着向你解释它有多重要。
我们在所有运营中都有目标集和标准。AHT、SL、QM，等等。我们正在通过这些数据选择最佳的座席和最好的服务团队。
例如，让我们为两分钟的操作取最大可接受的目标调用长度。从一般的观点来看，最优的呼叫中心座席通常是在最短的时间里接听电话的人，因为大多数都是这样。
为了验证这一点，您将检查ACD和CTI报告，这些报告将向您提供这些信息。
您可以确认此类数据，但您可以根据质量目的评估座席的交互记录。在使用抽样方法的质量过程中，必须通过评估两个或三个呼叫来确认这一点。
您是否曾经想过，作为最好的客户服务代表在与客户交互的过程中没有呈现所需的完整服务，而报告却将他们选择作为最佳座席？
因此，我希望现在你已经明白了为什么我在文章开头提到了阴阳。
我们绝不能认为报告工具提供给我们的数据是百分之百准确的或作为我们唯一的参考资料。
这只是一个例子，因为有很多这样的例子，所以这个观点非常重要。
我们必须通过数据挖掘和交互分析解决方案来重新检查和验证我们的统计数据。
我们通过这些系统来确定的KPI不仅可以解释诸如质量管理之类的少数数据，而且可以解释所有可用的数据，并向您展示在此类分析中无法识别的开放性问题。
随着人工智能系统和我们经常听到的算法的发展，这种类型的数据挖掘和分析解决方案将成为一种工具--以一种说话方式--将被放置在未来所有交互中心的中心。
关于作者
Haluk Yetkin在联络中心行业有超过20年的经验。他在技术、销售和管理职位上为主要的劳动力优化和联络中心技术公司工作。他负责超过40个联络中心的项目，包括员工人数最多的项目。
在SESTEK，Haluk负责业务发展，战略联盟伙伴关系，以及作为客户解决方案小组改进意见的顾问。
声明:版权所有 非合作媒体谢绝转载
