随着互联网、移动互联网技术的迅猛发展，以及业务特性复杂程度的日趋加深，单一服务渠道很难及时解决客户的问题，越来越多的客户习惯于通过多个渠道获取服务。

　　面对着客户行为习惯发生的改变，整个客户服务体系的建设导向、及建设内容也在发生改变。本文将从“服务、数据、产品”三个方面，详细阐述新形势下客户服务体系建设的新思考。

　　三、 新思考：由“大服务”到“大数据”，深挖数据价值、实现数据变现

　　近几年来“大数据”一词的热度有目共睹，各行各业也都在根据自身特点和需求不断探索符合不同行业特性的大数据应用场景。

　　呼叫中心作为连接企业和企业用户的沟通枢纽，其在日常运营中也会获取、使用、或者是产生大量的数据。虽然从数据的“量级”来看，呼叫中心的运营数据规模相对有限，然而对于呼叫中心自身的运营管理，乃至于企业来讲这部分数据的价值却是“无可限量”的。

　　以下，将以“运营可视、管理可控、数据可用”作为主线条，对呼叫中心的大数据应用进行详细阐述。

　　数据可用是指：整合多渠道服务生产数据，建设运营指标库和用户标签库，实现“数据变现”。按照数据变现后的作用方向不同，数据可用包括：

　　以下，将分别打开、详细说明。

　　精准营销是指：借助大数据分析技术，提升呼入/外呼营销成功率，推动呼叫中心由成本中心向利润中心转型。

　　精准营销解决方案整体视图见下：

　　“精准营销”大数据挖掘分析闭环实施“八步曲”如下：

　　以下，将通过：流量包营销、手机套餐营销、手机终端营销三个明细应用场景，对“八步曲”进行详细打开说明。

　　① 核心内容

　　A. 营销产品:4G飞享及组合套餐（中国移动）。

序号	套餐名称
1	飞享38元
2	飞享48元
3	飞享58元
4	飞享88元
5	飞享138元
6	飞享158元
7	飞享238元
8	飞享268元
9	飞享338元
10	飞享588元
11	自选组合58
12	自选组合88
13	自选组合128
14	自选组合158
15	自选组合188
16	自选组合298
17	自选组合418
18	自选组合608

　　B.营销方法：呼入营销-是指利用呼叫中心服务团队与用户直接接触沟通的过程，分析用户需求、引导用户心理，采用有效的营销及沟通技巧向目标用户进行产品推介，从而最终形成产品销售的营销模式。

　　C. 核心内容：通过现场调研，分析锁定影响呼入营销成功率的因素，将作为后期建模及开展其它优化措施的业务信息输入。

　　经过现场调研，分析锁定影响呼入营销成功率的因素有：

　　A. 数据的精准性

　　须通过大数据分析模型的交付落地，实现目标用户精准定位，包括：向谁营销、营销什么、何时营销，在提升呼入营销成功率的同时，确保用户满意度。数据挖掘分析方法详见本小节以下内容。

　　B.平台的易用性

　　须对系统平台上呼入营销功能模块进行优化改造（包括：营销前、营销中、营销后的核心功能优化），通过提高系统平台的易用性，最终确保并不断提升呼入营销成功率。关于系统功能优化的具体内容，详见本书第五章《呼叫中心系统平台智能化应用》。

　　C.运营的导向性

　　通过运营的导向性作用，在提升呼入营销成功率的同时确保用户满意度。关于运营管理的细节性内容，详见本书第二章《呼叫中心精细化运营管理体系》。

　　建立”数据漏斗“并完成专业分析，锁定影响呼入营销成功率的因素，将作为后期建模及开展其它优化措施的数据信息输入。

　　A.建立数据漏斗

　　B. 完成专业分析

　　模型分析导入的用户数量理论上可以为全网全量用户。

　　经过数据统计分析，XX省运营商全网共计XXXX万用户，其中大约有XXXX万用户月均流量在5M以下，这些用户中有78%为神州行套餐，不适合推荐4G飞享及组合套餐。如下图所示（示例）：

　　经过对XX省运营商所有资费套餐的业务规则进行分析，在剔除XXXX万用户后，剩余的XXXX万用户中大约有XXX万仍不能作为4G飞享及组合套餐推荐的目标用户。比如：IP资费、学生卡资费、儿童套餐、家园套餐等不作为目标推荐群，也即资费套餐表格中product_status<>1的用户。如下图所示（示例）：

　　将通过调整”总费变化率“和”月租变化率“，控制模型分析给出的目标用户数量。也即通过阈值筛选，选择同时能够兼顾公司营收和用户满意的用户群进行推荐，其它则不推荐。比如：选择总费变化率在60%到150%之间的用户，同时选择月租变化率在100%到200%之间的用户作为最终的目标推荐用户，如下图所示（示例）。

　　预估模型分析给出的目标推荐用户数量XXX万，但真正呼入人工服务渠道的数量仅为XX万，占比:15%。

　　为避免分析结果的”数据浪费“，可将模型分析给出的目标推荐用户数据同步应用于其它服务渠道（IVR、网厅、APP、微博、微信、在线客服等）的精准营销。

　　呼入人工服务渠道的用户数量XX万，但预估呼入营销界面弹窗的数量仅为X万，占比:27%，原因主要是弹窗规则限制导致。

　　为此，可采取如下策略：

　　--优化弹窗规则，适时调整资费套餐弹窗优先级。分析4G飞享及组合套餐的业务规则，可在每月20日之后将资费套餐推荐的弹窗优先级调整到最高，1日-20日之间则恢复原有等级。

　　--在系统后台设置弹窗优先级调整操作功能，呼叫中心的管理人员可手动调整不同业务/产品的弹窗优先级（具体的功能模块及功能说明，详见本书第五章《呼叫中心系统平台智能化应用》）。

　　目标用户在精准营销界面弹窗的数量X万，但预估客服人员主动开展营销的数量仅为XXXX个，占比:9%。

　　为此，须通过运营的导向性提升客服人员开展呼入营销的积极性、技能性和规范性。同时，还须不断提升系统平台的易用性，逐步优化”呼入营销弹窗“窗口界面，弹窗窗口界面须做到：一屏展示、简洁有效、信息整合（具体的功能模块及功能说明，详见本书第五章《呼叫中心系统平台智能化应用》）。

　　预估数据分析模型正式上线后，呼入人工服务渠道的客服人员主动开展营销的数量XXXX个，营销成功数量XXXX个，营销成功率为XX%

　　数据准备

　　① 核心内容

　　模型正式建立前的数据准备工作具体包括：

　　② 方法策略

　　A. 锁定候选用户

　　候选用户=全网用户-月均流量5M以下的用户-IP资费、学生卡资费、儿童套餐、家园套餐等不作为目标推荐群的用户

　　B.基础信息导入

　　收集整理候选用户近三个月的基本信息，包括：

　　C. 构建套餐维表

　　构建4G飞享和组合资费套餐维表，示例见下：

　　序号 套餐名称 套餐月租费用（元） 套餐内流量（M） 套餐内语音（M） 套餐外流量单价（元） 套餐外语音单价（元）

序号	套餐名称	套餐月租费用（元）	套餐内流量（M）	套餐内语音（M）	套餐外流量单价（元）	套餐外语音单价（元）
1	飞享38元	38	300	50	0.29	0.25
2	飞享48元	48	500	50	0.29	0.25
3	飞享58元	58	500	100	0.29	0.19
4	飞享88元	88	700	220	0.29	0.19
5	飞享138元	138	1024	500	0.29	0.19
6	飞享158元	158	2048	500	0.29	0.19
7	飞享238元	238	2048	1000	0.29	0.19
8	飞享268元	268	3072	1000	0.29	0.19
9	飞享338元	338	3072	2000	0.29	0.19
10	飞享588元	588	6144	4000	0.29	0.19
11	自选组合58	58	150	150	0.29	0.19
12	自选组合88	88	300	350	0.29	0.19
13	自选组合128	128	600	650	0.29	0.19
14	自选组合158	158	600	900	0.29	0.19
15	自选组合188	188	3072	500	0.29	0.19
16	自选组合298	298	4096	1000	0.29	0.19
17	自选组合418	418	6144	2000	0.29	0.19
18	自选组合608	608	11264	3000	0.29	0.19

　　D. 数据清洗

　　高质量的数据是数据分析的前提和可靠分析结论的保障。将通过数据挖掘工具中的”数据审核“功能，对数据的取值异常程度以及缺失情况等进行综合评价，并对其进行适当调整和填补，具体操作方法同”流量包营销-数据清洗“环节。

　　E. 算法选取

　　根据业务理解和数据理解的综合分析结果，选取笛卡尔积算法进行建模。

　　【未完待续】

　　王丹丹

　　2020年9月

　　13910330350

　　Dece1118@126.com