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
【概述】
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。
【详述】-数据可用
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。
(一) 对外：精准营销
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。
2. 套餐营销
建立模型及结果输出
① 核心内容
A. 根据用户的语音、流量实际使用情况，分别计算用户使用每个4G套餐后的语音费和流量费，取费用总和最小的套餐作为最佳匹配的套餐。
B. 最终，将通过调整“总费变化率”和“月租变化率”，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。
② 方法策略
A. 聚合信息
聚合候选用户近三个月的基本信息，单月示例见下（20XX年XX月）：
B.用户细分
对候选用户群进行细分：针对4G用户，可采用套餐饱和度进行划分；针对非4G用户，可采用使用量分位数进行划分。
C. 套餐适配
构建笛卡尔积进行套餐适配，分别计算同一用户使用不同资费套餐时，所产生的语音费和流量费。示例见下：
D.条件筛选
对每个用户的计算结果进行条件限制：
- 条件1-取出费用总和最少的套餐；
- 条件2-4G套餐类用户不降低适配后的套餐月租（也即不降档）；
- 条件3-如果是捆绑合约用户，匹配后的套餐月费>=原套餐月费；
- 条件4-如果是融合业务（宽带）用户，不降档；
- 条件5-原费用的150%>匹配后的总费用>原费用的60%；
- 条件6-......
E. 结果输出
根据模型分析结果和用户属性确定最佳匹配套餐，输出结果如下。并将结果数据对接呼叫中心系统平台，设计营销场景及营销话术、优化呼入营销弹窗功能，正式上线应用。
模型评价
① 核心内容
模型分析出的数据结果质量到底如何？则需要根据分析结果数据的实际使用效果来综合、客观判定。对于模型效果的评价维度包括：
② 方法策略
A. 精准性评价
评价指标
对以上评价指标的分解说明如下：
| 序号 | 指标名称 | 指标含义 | 计算方法 | 数据来源 |
| 1 | 模型覆盖率（%） | 统计周期内、同一营销渠道，模型分析结果覆盖到的变更套餐的用户数量，占变更套餐用户总量的比率。 | 模型分析结果覆盖到的变更套餐的用户数量/变更套餐的用户总量 × 100％ | 1、用户服务系统-热线IVR服务渠道--人工服务渠道运营报表 2、BOSS平台（Business & Operation Support System 业务运营支撑系统） |
| 2 | 模型准确率（%） | 统计周期内、同一营销渠道，变更套餐的用户资费与模型分析结果一致的数量，占模型分析结果覆盖到的数量的比率。 | 变更套餐的用户资费与模型分析结果一致的数量/模型分析结果覆盖到的数量 × 100％ | |
| 3 | 呼入营销弹窗率（%） | 统计周期内，系统平台上呼入精准营销弹窗的弹出（提示）数量，占模型分析给出的目标用户呼入人工服务渠道总量的比率。 | 弹窗数量/模型分析给出的目标用户呼入人工服务渠道的数量× 100％ | |
| 4 | 主动营销开展率（%） | 统计周期内，主动开展呼入营销的数量与目标用户在精准营销界面弹窗数量的比率 。其中：主动开展呼入营销量是指客服代表手动点击精准营销弹窗（打开弹窗窗口）的数量。 | 主动营销数量/目标用户在精准营销界面弹窗的数量 ×100％ | |
| 5 | 营销成功率（%） | 统计周期内，成功办理的业务数量与主动开展营销数量的比率。 | 营销成功业务量 / 主动营销数量 × 100％ | |
| 6 | 用户满意度（%） | 统计周期内，主动营销的服务中，有效参与人工服务满意度调查总量中用户评价为满意的比率。 | 人工服务满意量 / 人工服务满意度评价总量 × 100% |
评价方法
使用A/Btest方法进行对比评价，A样本为使用新模型数据分析结果的呼入营销数据，B样本为使用旧模型数据分析结果的呼入营销数据。同时，还须满足以下条件、以保证数据具备可比性：
- 弹窗规则及弹窗界面的功能性和易用性相同。
- 运营导向性的落地措施相同。
- 产品营销优惠政策相同。
评价示例
附注：
以上表格中的数据为示例，并非真实项目数据。
B样本使用的是旧数据模型的分析结果数据。
AB样本在”模型分析给出的目标用户呼入人工服务渠道的数量“、”目标用户在精准营销界面弹窗的数量“和”主动营销数量“数据项目上保持一致。也即，平台易用性和运营导向性保持一致，以确保数据具备可比性。
B.收益性评价
评价指标
呼入营销是呼叫中心人工服务团队在服务中创收的重要方法，也是推动呼叫中心由成本中心向利润中心转型的有效措施。而通过逐步优化数据模型分析质量、提升营销成功率，则能够在现有人力不变的前提下（即投入成本不增加），持续拉动收入数据提升。也即，对于收益性的评价聚焦在-呼入营销成功率的提升为企业所带来的收入增加。评价指标为：
对以上评价指标的分解说明如下：
| 序号 | 指标名称 | 指标含义 | 计算方法 | 数据来源 |
| 1 | 销售收入（元） | 是指企业通过产品销售或提供劳务所获得的货币收入，以及形成的应收销货款。此处特指企业通过呼叫中心电话营销渠道，所获得的销售收入。 | 销售收入=营销成功数量X月功能费 | 1、用户服务系统-热线IVR服务渠道--人工服务渠道运营报表 2、BOSS平台（Business & Operation Support System 业务运营支撑系统） 3、呼叫中心运营管理平台 |
| 2 | 人均收入（元） | 是指一定时期内，收入总额与人员数量的比值。 | 人均收入=收入总额/人员总量 |
评价方法
- 使用A/Btest方法进行对比评价，A样本为使用新模型数据分析结果的呼入营销数据，B样本为使用旧模型数据分析结果的呼入营销数据。
- 可从：单月营收增加、留存3个月营收增加（假设留存率80%）、留存6个月营收增加（假设留存率60%）几个维度进行分析。
- 其它要求同精准性评价部分。
评价示例
单月营收增加
附注：
以上表格中的数据为示例，并非真实项目数据。
B样本使用的是旧数据模型的分析结果数据。
单月营收=营销成功量X月租。
为保证数据具备可比性，”主动营销数量“和”呼入营销人员数量“数据保持一致。
留存3个月营收增加
附注：
以上表格中的数据为示例，并非真实项目数据。
B样本使用的是旧数据模型的分析结果数据。
3个月营收=营销成功量X月租X3X80%，其中80%为假设的用户留存率。
为保证数据具备可比性，”主动营销数量“和”呼入营销人员数量“数据保持一致。
留存6个月营收增加
附注：
以上表格中的数据为示例，并非真实项目数据。
B样本使用的是旧数据模型的分析结果数据。
6个月营收=营销成功量X月租X6X60%，其中60%为假设的用户留存率。
为保证数据具备可比性，”主动营销数量“和”呼入营销人员数量“数据保持一致。
模型优化
① 核心内容
根据初次模型的运行结果，通过数据集对模型的准确率进行验证，以准确率为导向优化算法参数和样本数据。
② 方法策略
A. 效果优化：调整指标的显示类型（部分指标既可用1和0标识，也可以使用连续性数值标识），对比模型输出的结论后，结合业务经验得到模型输出的最终结论。最终，根据分析结论采取如下优化策略：
- 优化模型方法一：可以考虑重新选择一个新的模型。
- 优化模型方法二：模型中增加新的考虑因素，或者调整参数。
B.配置灵活：可通过如下方法提升模型配置的灵活性。
- 每当有新的资费产品加入时，可直接在资费套餐产品配置表中添加新套餐，节省模型开发上线时间。示例见下：
- 模型中预置多种分类标签、并设有调节指标，可以按照所需的目标用户群数量进行选择，方便灵活。
模型发布/固化
对于已经过效果评估及优化迭代环节的数据分析模型，可正式发布并固化在大数据分析平台上。模型发布流程为：
【未完待续】
王丹丹
2020年10月
13910330350
Dece1118@126.com
