傳統(tǒng)質(zhì)量評估：
樣本容量極其有限，且評估結(jié)果存在偏差
在傳統(tǒng)質(zhì)量評估模式下，企業(yè)需要每月隨機抽取每名座席的少量通話樣本，并由特定人員或團隊按照以成本節(jié)約為中心的關鍵績效指標，例如平均處理時間及首次接觸解決率等，對樣本進行審核評估。而較為復雜的評估可能會試圖挖掘顧客對質(zhì)量的感知。
這一流程存在的問題在于進行小樣本調(diào)查根本無法得出具有統(tǒng)計學意義的有效結(jié)論。然而，在傳統(tǒng)質(zhì)量監(jiān)測實踐中，這一數(shù)據(jù)卻被用于計算質(zhì)量指數(shù)得分（Quality Index Score，又稱QIS）。讓我們來看這樣一個情況，每個座席每天通話75次，每月工作22天。
- 每天通話75次，每月工作22天，月通話總量為1，650次。
- 每月監(jiān)測每名座席的5次通話。
- QIS就是0.003%（5除以1，650）。
現(xiàn)在，我們將這一數(shù)據(jù)代入標準統(tǒng)計公式。如果企業(yè)愿意接受10％的錯誤率，置信水平為90％，則樣本量應為66次通話。
然而，為了獲取有價值的洞察力而抽取大量通話樣本進行評估卻又極其困難，這使大幅提升質(zhì)量監(jiān)測水平以真正增強客戶體驗面臨著諸多挑戰(zhàn)。下面，我們主要探討三個方面的挑戰(zhàn)：
人員配備——聯(lián)絡中心的人員配備不足，無法保持低錯誤率及高置信水平。進行大樣本抽查成本極高，況且在實際應用中非常少見。
樣本量——被迫接受培訓及小樣本抽查反饋的座席可能給隨機抽樣帶來阻力，這理所當然。從統(tǒng)計學角度講，樣本量為5次通話的抽樣產(chǎn)生的置信水平僅為16％，而置信水平的接受范圍通常都在90％以上。
結(jié)果偏差——基于5次通話的小樣本抽查可能會遺漏過長及過短通話，從而導致質(zhì)量評估組織對樣本進行預先選擇，進而致使評估結(jié)果出現(xiàn)偏差。遺漏過長通話可能會導致聯(lián)絡中心忽略內(nèi)部流程不完善或需要對座席進行進一步培訓的情況。而遺漏過短通話可能導致分析結(jié)果出現(xiàn)偏差及錯失將部分過短呼叫轉(zhuǎn)向自助服務帶來的潛在成本節(jié)約機會。
語音分析如何提供幫助
語音分析解決方案可助力企業(yè)由傳統(tǒng)質(zhì)量監(jiān)測模式向更具針對性的質(zhì)量管理計劃轉(zhuǎn)型，從而給企業(yè)帶來巨大效益。例如，Verint®（慧銳）分析驅(qū)動型質(zhì)量TM（Verint® Analytics-Driven Quality™ ）解決方案可幫助企業(yè)對大量通話進行自動歸類及分析，通過給通話評估添加統(tǒng)計相關性助力企業(yè)跨越“質(zhì)量鴻溝”。
該解決方案可以幫助企業(yè)基于兩個標準進行通話評估：
- 行為：指座席的一系列言談舉止。
- 結(jié)果：指流程或行為問題所導致的結(jié)果，有時不受座席控制。
Verint分析驅(qū)動型質(zhì)量解決方案能夠根據(jù)企業(yè)所屬行業(yè)對呼叫類型進行自動分類并生成報告，大幅提升當前質(zhì)量管理報告的效率。可自動分類的呼叫類型示例如下：
充分利用數(shù)據(jù)及洞察力
通過自動評估所有通話，企業(yè)可獲得具有統(tǒng)計學意義的有效抽樣，并對座席及客戶的行為形成360°全方位視角。此外，企業(yè)還可更加深入地了解客戶與其打交道的便易度如何及導致非必要呼叫的流程問題所在。借助這方面的知識，企業(yè)不僅可以充分挖掘自助服務渠道的改善機會以降低客戶成本，還能使管理人員及輔導人員教練獲得關于員工績效的數(shù)據(jù)
