72 views

編輯導語:當用戶的需求越來越多的時候,人工客服就顯得力不從心了,於是出現了智能客服,越來越多的企業嘗試用智能客服來代替一部分人工客服的崗位。對於用戶來說,智能客服產品可以解決一些基本的問題,提高了提問的效率;對於企業來說,則有利於留住用戶,從而提高交易率。

售後服務能力的發展路徑,受不同公司戰略目標定位、經濟實力、業務現階段能力等影響。

有的公司因為本身不需要售後業務,因此他們從一開始主打做的是售後服務的平台工具並對外售賣;有的公司是一開始為公司內部C端客戶提供售後服務能力,再到後來演變為向B端客戶售賣平台能力。

因為對內的售後服務能力會更快碰到天花板,後續想要進一步盈利:

  • 做成平台工具售賣給其它公司獲取工具使用費;
  • 孵化商圈吸引商家入駐,作為第三方平台收取平台費用;
  • 衍生相關周邊商品,售賣相關商品盈利等。

要說我們做這塊業務能力是為了什麼?單獨為了減少人力成本?給錢的消費者金主爸爸們可不希望這樣。

對於消費者而言,你家公司的人力減少了,並不意味著給其解決售後問題的服務能力好了,他們巴不得你提供更充足的人力為其服務。

因為在人的潛意識中會覺得人比機器更靈活,特別是當現在機器能力還需不斷優化的階段,客戶會覺得有更多人才能更好更快為其解決問題。甚至於,他們希望獲得的售後服務能超出預期,讓他們產生surprise。

對於公司而言,公司想要盈利,因此才會考慮成本節省,但是客戶流失成本、人力成本、賠付成本等節省都只屬於節流做法。

更重要的是開源,通過經營好售後服務,虜獲消費者芳心(信任),使其願意再次消費,或通過口碑相傳吸引更多新消費者,才會有源源不斷的營收。

那奔著開源節流、保障消費者體驗的目標,有哪些指標可以用來驗證效果?

  • 一看增益指標:主要是成本降低收益提升,包括:平台人力成本降低效果、平台賠付成本降低效果、「二次消費」客戶增量和利潤效果、「老客帶新客」客戶增量和利潤效果等。
  • 二看約束指標:主要是消費者體驗,包括:消費者滿意度、消費者投訴率、消費者問題一次性解決率、消費者問題解決時長、響應速度等。

要實現增益最大化,就需要用有限、最少的成本獲得「再次消費客戶」和「老客帶新客」帶來的利潤最大化。

因此我給其總結了一個公式:售後服務體系利潤=「老客再次消費收入」+「老客帶新客消費收入」-「客戶流失成本」-「營銷成本」-「平台人力成本」-「平台賠付成本」。

下文前三部分「精細化運營」、「智能化承接」、「捕抓智能化漏網之魚」將講述我對做好售後智能化項目的思考,以便降低成本。

第四部分「聯動售前精細化運營」則講的是在售後取得客戶信任后,如何提高老客帶來的收益。由於每個點都有很多可以擴展討論,沒寫詳細的會放在以後進一步寫。

一、精細化售後服務

考慮用最少的人力成本實現服務價值最大化,那需要對客戶進行精細化定位,挖掘高價值客戶。比如,對於新零售企業,如何挖掘高價值客戶?

1. 第一點判斷依據:消費能力

消費能力分為:現階段消費能力、未來消費潛力。

從消費額度看現階段客戶的消費能力;從職業、工作年限、家庭收入、可貸款額度等看客戶未來消費潛力。

2. 第二點判斷依據:社交能力

我們後續希望能通過老客帶新客,那老客的社交能力也是決定客戶價值性的因素之一。

社交圈規模:客戶微信、QQ等社交軟體的好友數量;工作圈規模:所在公司規模或工作軟體的同事數量等進行判斷。

有人會說,怎麼獲得用戶社交能力數據呢?

比如可以通過活動、會員認證福利等吸引用戶證明自己是社交達人,且高價值客戶的熟人朋友圈往往也會比較高。面向高價值客戶,提供VIP專屬服務,如一對一專屬服務、全程人工接待、24小時隨時響應、賠付額度升級等。

針對普通價值客戶,則可以把控服務人力的投入,通過智能化釋放出人工。客戶的價值性也不是一成不變的,因此需要周期性地識別客戶價值。

二、智能化承接

針對普通價值的客戶,如何採用智能化系統釋放人力?那得看目前處理售後問題的人力投入在哪裡?

不同公司人員分工不同,比如:一線接待客服、售後處理專員、風控專員、財務處理專員、產品技術……為什麼需要花這些人,因為用戶產生了售後問題需要解決。

第一要事,將客戶問題儘可能消滅在搖籃、讓客戶不會產生相應問題或預測客戶當即會產生疑問時前置給出解決方案,而不是被動地等客戶來找你解決。

特別是當一個公司業務存在很多問題,首要的精力不是思考如何承接找上售後客服的人,而是解決業務存在的問題。

1. 小故事一

大件商品如汽車的物流運輸時間往往需要一個多月,但有的營銷人員為業績會告知客戶一個星期就能提取,導致後續大量客戶來投訴物流進度。

客戶的焦躁情緒真的是來源物流進度嗎?

我理解並不是,對於家裡有多輛汽車的客戶,他們可以開舊車。首次買車的客戶,他們也還有別的暫時代步工具,且大件商品物流運輸時間長如果事前給客戶提醒,客戶還是存在一定包容度。

我看到顧客反饋更多強調的是受到欺騙,期望越高失望越大,因此規範銷售的營銷行為是首要工作。

但是客戶也還是希望能更快拿到商品,公司和銷售也需要賺錢,因此需縮短商品準備、手續辦理、物流運輸等時長,這便需要推動線下流程優化。

2. 小故事二

有次我們業務方上線了一個功能,針對逾期還款的人,截斷了給客戶返優惠的錢,一下子爆發很多客戶來諮詢返現問題。主要原因是返現有滯后性且還通知不到位,業務改成當即返現或在客戶還款時提示後續返現時間就能前置解決問題。

第二要事,無法前置解決的問題,需兜住找上門的客戶,這時就需智能化系統上場。用戶的售後需求主要有三類:答疑解惑、任務處理、閑聊:

1)答疑解惑

答疑解惑類的售後需求,分為2種:可給出答案和不可給出答案的。

如果是可以直接給答案的都可以通過移動端頁面說明、IM機器人、IVR機器人等渠道工具給出答案;如果不能給答案的(有些因線上能力不足無法區分客戶給出不同解決方案,有些不能公開說、有些需人工磨合),那這時人工客服兜底就派上用場。

2)任務處理

任務處理類的售後需求,分為2種:可開放給客戶自主操作的、需工作人員協助操作的。

智能系統需保障攔截住可由用戶自主操作的任務;將需人工協助的任務直達給到有售後處理許可權的工作人員,去掉中間任何其他人工轉達環節。

三、捕抓智能化漏網之魚

而當人工智慧還宛如人工智障階段,針對本應智能系統承接的問題,怎麼確定用戶依舊轉人工的原因呢?

那還得從用戶操作路徑說起,用戶可以通過2大渠道觸達「智能化系統」:電話渠道、移動端渠道(app、微信小程序、企業微信等)。

當客戶撥打電話獲取售後服務,可以通過IVR系統承接,但是因為電話端沒有可視化界面,用戶在跟語音機器人和兜底人工溝通的效率整體沒移動端高,因此我們在將用戶往移動端引導。

當客戶到移動端獲取售後服務,如果讓客戶一進去就直接由IM機器人接待,客戶可能會因為不知道機器人能解決什麼問題、因為不信任機器人能力,便會直接去找尋轉人工的入口,因此:

1. 第一要事:要向客戶展現智能化系統的能力,且主動預測客戶問題

比如在IM渠道入口前置「客服中心」,通過「客服中心」將可由客戶自己操作的功能開放給客戶,自己搜尋答案、自助處理任務等。

由於業務知識紛繁複雜,如果將一堆解決方案集中拋給客戶,客戶自己搜索解決方案的精力成本會比較高,因此我們可以預測客戶可能遇到的問題,給不同特徵客戶展示不同功能頁面、推薦不同「猜你想問」問題。

預測的方法有幾種:

  1. 通過當前數據識別用戶遇到的問題,比如:系統數據查詢到客戶還款失敗了,那我們就給客戶推薦還款失敗解決方案;
  2. 通過歷史數據分析不同特徵用戶的高頻問題,跟用戶畫像推薦系統相似道理。比如,保險到期前1個月的客戶高頻諮詢續保問題;剛買保險1個月內的客戶高頻諮詢增加保險險種問題等。

2. 第二要事:優化機器人接待能力

經過系統功能攔截,還會有一部分客戶進入IM在線諮詢渠道。其中有的客戶還是會直接選擇轉人工,有的客戶會願意開口跟機器人對話,但聊不好也會轉人工。

如果直接轉人工佔比太高,就需要在機器人能力優化到一定程度后弱化轉人工入口。

而針對跟機器人開口對話后仍舊轉人工的客戶,需進一步研究機器人哪裡沒做好,可能存在的原因:一是問題識別不準,二是答案無解決用戶問題。

1)問題識別不準的原因又可拆分為

  1. 機器人知識庫不存在對應意圖知識點:需豐富覆蓋知識點;
  2. 知識庫存在對應意圖但是演算法模型識別不準確:則可通過增強數據標註、讓演算法工程師優化演算法模型提升模型精確率、召回率、F1值。

2)在研究答案是否準確這件事上,也是一門有趣的活

當我們想採集客戶對答案準確度反饋,用戶並不反饋~啊哈哈哈,因為這種反饋並不能讓客戶感知到對其有啥好處,他們要給你反饋幹啥,有的問題他們也只問一次就不問了。

因此我採取了2種方式盤點解決方案:

  1. 讓一線小夥伴加入盤點答案,同時也解決了因為業務不停變更,有些歷史答案覆蓋不到現在客戶情況的問題,使得解決方案能不斷被更新;
  2. 對客戶轉人工的會話進行case分析,研究機器人為什麼沒回答好,人工客服解決得好的又是怎麼解決的。

四、售後連接售前精細化運營

前文講到售後做好最大價值點是要吸引「開源」,即進一步給客戶營銷推廣相關商品。

1. 第一要事:需了解客戶再次進行消費的周期,以便了解給客戶推送營銷信息的時間節點和頻率

再次消費周期會受到商品屬性、客戶自身情況、外部環境等影響,比如:

  1. 從商品屬性預測其損耗需再購周期;
  2. 從客戶公司、職業、工作年限等預測客戶更換更高品質商品的幾率和時長;
  3. 從外部經濟狀況、政府政策反推客戶所處職業崗位可能受到的約束或助力等。

2. 第二要事:針對不同用戶畫像特徵的用戶,結合推薦系統原理給客戶推薦其可能感興趣的商品

推薦商品的方法有多種:

  1. 根據商品相似度進行推薦,解析商品有什麼特徵,給客戶推薦相似特徵的商品,比如買的商品比較少女,那就再給客戶推薦少女型的其它商品,買的商品比較實用,那就推薦實用型商品;
  2. 根據商品互補性進行推薦,比如用戶買了泳衣,那客戶可能會進一步需要買泳帽泳鏡;
  3. 根據用戶相似度進行推薦,買過同款商品的不同用戶,用戶A還買了什麼就給用戶B也推薦;
  4. 根據外部環境進行推薦,比如結合用戶所在地理位置、所處季節、天氣近況給用戶推薦不同商品;
  5. 根據用戶生理屬性動態變化路徑,客戶到不同年齡段的自身生理特徵、家庭環境、工作情況會如何變化而進一步推薦商品,比如從買車來說,客戶從青年到壯年,可能會遇到家庭成員新增等變化,需要將空間狹小車輛更換成寬敞型車輛,客戶接近退休年紀,可能會想更換成越野車輛方便四處旅行。

我就先寫到這裡了,改日再續~

 

作者:唐吖年,公眾號:三丫頭記

Go Top