数据分析与在呼叫中心的应用
呼叫中心数据分析
呼叫中心数据分析在当今数字化的商业世界中，呼叫中心已成为企业与客户互动的重要枢纽。
每天，大量的电话呼入呼出，承载着客户的咨询、投诉、建议以及订单等各类信息。
而对这些海量数据进行深入分析，对于企业提升服务质量、优化运营流程、增强市场竞争力具有至关重要的意义。
呼叫中心数据分析是什么？简单来说，就是对呼叫中心产生的各类数据进行收集、整理、分析和解读的过程。
这些数据来源广泛，包括通话记录、客户信息、问题类型、处理时长等等。
通过对这些数据的综合分析，企业能够获取许多有价值的洞察。
首先，我们来看看客户行为分析。
通过分析客户来电的频率、时间分布以及咨询的问题类型，可以了解客户的需求规律和偏好。
比如，某电商平台的呼叫中心发现，在促销活动后的一周内，客户来电咨询物流问题的数量大幅增加。
这就提示企业在未来的促销活动中，要提前做好物流配送的规划和沟通，以提高客户满意度。
再来说说服务质量评估。
平均通话时长、客户等待时间、问题解决率等指标是衡量服务质量的关键。
如果平均通话时长过长，可能意味着客服人员的业务熟练度不够，或者是问题本身较为复杂，需要进一步优化流程。
而客户等待时间过长则会直接影响客户的体验，导致客户流失。
通过对这些数据的监测和分析，企业能够及时发现服务中的问题，并采取针对性的措施加以改进。
另外，员工绩效分析也是呼叫中心数据分析的重要组成部分。
通过分析每个客服人员的通话量、问题解决能力、客户满意度等指标，可以对员工的工作表现进行客观评价。
对于表现优秀的员工，可以给予奖励和晋升机会，激励他们继续保持；对于表现不佳的员工，则可以提供培训和辅导，帮助他们提升能力。
除了以上几个方面，呼叫中心数据分析还能在市场预测和产品改进方面发挥作用。
通过分析客户的反馈和需求，企业可以预测市场趋势，提前调整产品策略。
例如，某手机厂商的呼叫中心发现，近期客户对某款手机的电池续航问题反映较多，这就为研发部门提供了改进的方向。
然而，要做好呼叫中心数据分析，并非易事。
呼叫中心数据分析
呼叫中心数据分析引言概述：呼叫中心作为企业与客户之间的重要联系渠道，每天都会产生大量的通话数据。
这些数据蕴含着珍贵的信息，通过对呼叫中心数据的分析，企业可以深入了解客户需求、优化运营流程、提升客户满意度。
本文将从五个方面介绍呼叫中心数据分析的重要性和方法。
一、呼叫量分析：1.1 呼叫量趋势分析：通过对呼叫量的日、周、月、季度、年度等时间段的分析，了解呼叫量的变化趋势，为企业提供合理的资源配置和人员安排。
1.2 呼叫量分布分析：对呼叫量在不同时间段的分布情况进行分析，找出高峰期和低谷期，合理调整人员数量和工作时间，提高呼叫中心的效率。
1.3 呼叫量来源分析：分析不同渠道、不同地区、不同产品的呼叫量占比，匡助企业了解市场需求和产品受欢迎程度，以便进行精准营销和产品策划。
二、通话时长分析：2.1 平均通话时长分析：计算呼叫中心每一个客服人员的平均通话时长，了解客服人员的工作效率和服务质量，为培训和绩效考核提供依据。
2.2 通话时长分布分析：分析通话时长的分布情况，找出通话时长过长或者过短的异常情况，进行问题排查和改进，提高客户满意度。
2.3 通话时长与问题解决率的关系分析：通过对通话时长和问题解决率的相关性分析，找出通话时长与问题解决率之间的关联，为提升问题解决效率提供参考。
三、客户满意度分析：3.1 客户满意度调查分析：通过呼叫后的满意度调查问卷，采集客户对呼叫中心服务的评价，分析客户满意度的整体水平和不同维度的得分，为改进服务提供指导。
3.2 问题类型与满意度的关系分析：将客户反馈的问题类型与满意度进行关联分析，找出问题类型对满意度的影响，为提升客户满意度制定针对性的改进措施。
3.3 客户满意度与重复投诉率的关系分析：通过客户满意度和重复投诉率的相关性分析，了解客户满意度对重复投诉率的影响，为提高客户忠诚度和口碑效应提供参考。
四、服务质量分析：4.1 服务等待时间分析：分析客户在呼叫中心等待接通的时间分布情况，找出等待时间过长的问题，优化呼叫中心的服务流程和人员配置。
呼叫中心如何利用大数据分析改善服务
呼叫中心如何利用大数据分析改善服务在当今数字化时代，大数据已经成为企业提升竞争力和改善服务的重要工具。
呼叫中心作为企业与客户直接沟通的重要渠道，也可以通过充分利用大数据分析来显著提升服务质量，增强客户满意度和忠诚度。
大数据分析能帮助呼叫中心更全面地了解客户需求。
通过对海量的客户呼叫数据进行分析，包括客户的问题类型、咨询时间、语气情绪等，呼叫中心可以挖掘出客户最关心的问题和最常见的需求。
例如，如果大量客户在特定时间段内频繁咨询关于产品某个功能的使用方法，这就表明企业在产品说明或培训方面存在不足，需要改进。
利用大数据分析，呼叫中心能够实现客户细分。
根据客户的购买历史、消费习惯、地域分布等因素，将客户分为不同的群体。
针对不同群体的特点和需求，提供个性化的服务策略。
比如，对于高价值客户，可以提供优先接入、专属客服等特殊待遇，增强他们的忠诚度；对于新客户，侧重于提供耐心的引导和详细的产品介绍，帮助他们尽快熟悉企业的产品和服务。
大数据分析有助于预测客户需求和行为。
通过分析历史数据和趋势，呼叫中心可以提前预知某些问题可能出现的高峰期，从而提前做好人员调配和资源准备。
例如，在新产品推出后的一段时间内，可能会有大量客户咨询相关问题，呼叫中心可以提前安排更多的客服人员进行培训，以应对可能的咨询高峰。
优化服务流程也是大数据分析在呼叫中心的重要应用之一。
通过对客户在呼叫过程中的等待时间、转接次数、问题解决时间等数据的分析，找出服务流程中存在的瓶颈和问题，并进行针对性的改进。
比如，如果发现客户等待时间过长，可能需要增加客服人员数量或者优化排队系统，以减少客户的不满。
在人员管理方面，大数据分析同样能发挥重要作用。
通过对客服人员的工作数据进行分析，包括接听电话数量、解决问题的效率、客户满意度评价等，可以评估每个客服人员的工作表现。
对于表现优秀的员工，给予奖励和晋升机会；对于表现不佳的员工，提供针对性的培训和辅导，提高整体服务团队的水平。
呼叫中心数据分析
呼叫中心数据分析一、引言呼叫中心是企业与客户之间进行沟通和交流的重要渠道。
随着呼叫中心技术的不断发展和应用，大量的数据被收集和记录下来。
本文将对呼叫中心数据进行分析，以帮助企业了解客户需求、提高客户满意度和优化运营效率。
二、数据收集和整理1. 数据来源呼叫中心数据来源于客户与呼叫中心的通话记录、在线聊天记录、电子邮件交流等渠道。
2. 数据类型呼叫中心数据包括客户信息、通话时长、通话目的、问题分类、客户满意度评价等。
3. 数据整理对收集到的数据进行清洗和整理，包括去除重复数据、填补缺失值、转换数据格式等，以确保数据的准确性和一致性。
三、数据分析方法1. 呼叫量分析通过对呼叫中心数据进行统计和分析，可以了解到不同时间段、不同渠道的呼叫量情况，从而合理调配人力资源，提高客户服务质量。
2. 问题分类分析将客户呼叫中心的问题进行分类，可以帮助企业了解客户的主要关注点和需求，有针对性地改进产品或服务，提高客户满意度。
3. 通话时长分析通过分析呼叫中心通话的平均时长、最长时长、最短时长等指标，可以评估客户服务的效率和质量，优化呼叫中心的运营流程。
4. 客户满意度分析通过对客户满意度评价数据的统计和分析，可以了解客户对呼叫中心服务的满意程度，发现问题并及时改进，提升客户体验。
5. 呼叫转化率分析通过分析呼叫中心的呼叫转化率，即客户通过呼叫中心解决问题或购买产品的比例，可以评估呼叫中心的销售能力和服务质量，为企业制定营销策略提供依据。
四、数据分析工具和技术1. 数据可视化工具使用数据可视化工具如Tableau、Power BI等，将呼叫中心数据转化为图表、图形等形式，直观地展示数据分析结果，方便管理层和决策者进行数据洞察和决策。
2. 数据挖掘技术利用数据挖掘技术如聚类分析、关联规则挖掘等，挖掘呼叫中心数据中的潜在规律和关联关系，为企业提供更深入的洞察和决策支持。
3. 自然语言处理技术对呼叫中心的在线聊天记录、电子邮件交流等非结构化文本数据进行自然语言处理，提取关键词、情感分析等，帮助企业了解客户需求和情感倾向。
数据分析与在呼叫中心的应用
数据分析与在呼叫中心的应用数据分析与在呼叫中心的应用引言数据收集数据分析的第一步是收集呼叫中心产生的大量数据。
这些数据可以包括来电数量、通话持续时间、客户问题类型、解决方案的成功率等。
还可以收集客户满意度调查结果、员工绩效数据等。
收集多种类型的数据可以为数据分析提供更多的维度和深度。
数据清洗和整理在将数据用于分析之前，需要对数据进行清洗和整理。
清洗数据可以去除无效或错误的记录，确保数据的准确性。
整理数据可以将不同数据源的数据整合到一个统一的数据集中，为后续的分析提供方便。
数据可视化数据可视化是将数据转化为易于理解和解释的图形或图表的过程。
在呼叫中心的应用中，通过数据可视化可以清晰地展示来电量、服务水平、员工绩效等关键指标的趋势和变化。
这样的可视化报表可以帮助管理人员迅速了解当前的运营状况，并根据数据做出相应的决策。
预测和优化数据分析可以帮助呼叫中心进行预测和优化。
通过对历史数据的分析，可以预测的来电数量和处理时间。
这样的预测可以帮助呼叫中心提前制定人员调配计划，以确保在高峰期有足够的人力资源。
还可以通过分析客户满意度数据，找出影响客户满意度的因素，并优化呼叫中心的服务流程和策略。
实时监控和反馈数据分析还可以用于实时监控呼叫中心的运营状况。
通过实时数据的反馈，管理人员可以及时发现和解决运营问题，提高服务质量和效率。
例如，当来电数量超出预期时，可以迅速调配人力资源；当客户满意度下降时，可以立即采取改进措施。
数据分析在呼叫中心的应用为企业提供了更深入的洞察和决策支持。
通过收集、清洗、整理和分析大量的数据，呼叫中心可以更好地管理其运营，提高客户满意度，优化人力资源配置，从而提升企业的竞争力。
随着数据分析技术的不断发展，呼叫中心将能够发挥更大的作用，实现更高的效益。
呼叫中心数据分析岗位职责
呼叫中心数据分析岗位职责呼叫中心数据分析岗位的主要职责是通过分析呼叫中心的数据，提供决策支持和改进建议，以优化呼叫中心的绩效和客户满意度。
岗位的具体职责如下：1. 数据收集与整理：负责收集呼叫中心相关数据，如呼叫量、呼叫时长、客户满意度调查结果等，还要确保数据的完整性和准确性。
需要将原始数据整理成有用的形式，如报表、图表等，以便后续的分析。
2. 数据分析与挖掘：利用统计学和数据分析的方法，对呼叫中心的数据进行深入分析。
通过观察和验证数据，发现数据背后的规律和趋势，揭示问题和潜在机会。
例如，可以通过分析呼叫量和呼叫时长的关系，评估服务质量和响应时间的表现。
3. 绩效评估与报告：根据分析结果，评估呼叫中心的绩效表现。
可以根据指标如平均通话时长、携号转网率、客户满意度等，对呼叫中心的工作进行量化评价，并比较不同时间段、不同团队或不同地区之间的差异。
此外，还需撰写相关报告和建议，向上级或相关部门提供数据驱动的意见和决策支持。
4. 问题解决与优化建议：通过数据分析，发现呼叫中心存在的问题和瓶颈，并提出改进方案和优化建议。
例如，根据分析结果，提出呼叫中心工作流程的改进方法、培训和提升客服人员技能的建议等。
能够将数据和见解转化为具体的行动计划，推动呼叫中心的效率和服务质量的提升。
5. 数据系统管理与维护：负责呼叫中心数据管理系统的维护和更新，确保数据的可靠性和安全性。
需要熟悉和掌握数据管理工具和软件，如数据库、Excel、数据可视化软件等。
能够根据业务需要和数据分析的要求，设计和建立适合的数据系统和报表，并提升数据的自动化和效率。
6. 跨部门合作与培训：与其他部门合作，协调数据的收集和分析工作，以实现跨部门数据的整合和资源共享。
例如，与营销部门合作，分析呼叫中心的客户流失情况，制定营销策略。
此外，还需要向呼叫中心的员工提供数据分析培训和支持，提升他们的数据意识和分析能力。
综上所述，呼叫中心数据分析岗位的职责包括数据收集与整理、数据分析与挖掘、绩效评估与报告、问题解决与优化建议、数据系统管理与维护以及跨部门合作与培训。
呼叫中心如何利用数据分析改善服务
呼叫中心如何利用数据分析改善服务在当今竞争激烈的商业环境中，客户服务质量的优劣直接影响着企业的声誉和业务发展。
呼叫中心作为企业与客户沟通的重要渠道，承担着解答疑问、处理投诉、提供支持等关键任务。
为了不断提升服务水平，满足客户日益增长的需求，呼叫中心应当充分利用数据分析这一有力工具。
数据分析能够帮助呼叫中心深入了解客户行为、需求和满意度，从而精准地优化服务流程、提高员工效率，并最终增强客户忠诚度。
首先，呼叫中心需要明确收集哪些数据。
通话时长、等待时间、解决问题的时间、客户满意度评分等都是关键的指标。
此外，还应包括客户提出的问题类型、问题的复杂程度、客户的情绪状态等细节信息。
这些数据的收集可以通过电话系统的自动记录、客服人员的手动输入以及客户在通话结束后的反馈调查等多种方式进行。
有了丰富的数据基础，接下来就是对数据进行整理和分类。
将海量的数据按照不同的维度进行分类，例如按照业务类型、客户类型、时间段等，以便更清晰地发现数据中的规律和趋势。
比如，通过按时间段分类数据，可以发现某些时段的来电数量特别多，从而合理调整人员安排，避免客户长时间等待。
深入的数据分析是挖掘数据价值的关键步骤。
通过运用统计学方法和数据挖掘技术，呼叫中心可以找出数据之间的隐藏关系。
比如，分析客户满意度与解决问题时间之间的关联，可能会发现如果能在一定时间内解决客户问题，满意度会显著提高。
又或者通过关联分析，发现某些问题常常同时出现，这意味着可能存在一个系统性的根源需要解决。
利用数据分析来优化服务流程是提升服务质量的重要途径。
如果数据显示某个环节经常导致客户不满或者延误处理时间，就应当对该环节进行重新设计或改进。
例如，简化繁琐的身份验证流程，或者优化问题转接机制，确保客户能够快速找到能解决问题的人。
员工培训也是数据分析的一个重要应用方向。
通过分析员工的服务表现数据，如通话时长、解决问题的准确率、客户满意度评价等，可以找出员工的优势和不足之处。
呼叫中心如何利用数据分析提升业务洞察力
呼叫中心如何利用数据分析提升业务洞察力在当今竞争激烈的商业环境中，呼叫中心作为企业与客户沟通的重要渠道，承担着解决问题、提供服务、促进销售等关键任务。
然而，要想在海量的呼叫数据中挖掘出有价值的信息，提升业务洞察力，并非易事。
数据分析成为了呼叫中心突破困境、实现优化和创新的有力武器。
首先，我们要明确什么是业务洞察力。
简单来说，业务洞察力就是能够深入理解业务流程、客户需求和市场动态，从而发现潜在的机会和问题，并制定相应的策略和措施。
对于呼叫中心而言，拥有强大的业务洞察力意味着能够更好地满足客户需求、提高服务质量、优化运营流程，最终提升客户满意度和忠诚度，为企业创造更大的价值。
那么，呼叫中心如何通过数据分析来提升业务洞察力呢？第一步，数据收集是基础。
呼叫中心每天都会产生大量的数据，包括通话记录、客户信息、问题类型、处理时间、客户满意度等等。
这些数据来源多样，且格式各异。
因此，需要建立一个完善的数据收集系统，确保数据的准确性、完整性和及时性。
同时，要对数据进行分类和整理，以便后续的分析和处理。
第二步，数据清洗和预处理至关重要。
收集到的数据往往存在噪声、缺失值和错误等问题。
通过数据清洗，去除无效数据，补充缺失值，纠正错误，能够提高数据的质量，为后续的分析提供可靠的基础。
例如，如果客户的地址信息不完整或错误，可能会影响对客户地域分布的分析，进而影响市场策略的制定。
第三步，选择合适的数据分析方法。
常见的分析方法包括描述性分析、相关性分析、回归分析等。
描述性分析可以帮助我们了解数据的基本特征，如平均值、中位数、标准差等；相关性分析能够揭示不同变量之间的关系；回归分析则可以用于预测和建模。
例如，通过相关性分析，可以发现客户等待时间与客户满意度之间的负相关关系，从而采取措施缩短等待时间，提高满意度。
第四步，深入挖掘数据背后的信息。
这不仅仅是对数据表面的分析，更是要探究其深层次的原因和影响。
比如，通过对客户投诉数据的分析，发现某个产品存在频繁的质量问题，这就需要进一步追溯到生产环节，查找问题根源，采取改进措施。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
离散系数=标准差/平均值
内部资料 注意保密
案例3——IVR通话均长
团队的优秀员工集中在哪个象限？
内部资料 注意保密
案例3（续）
①象限：通话均长较长，离散系数较高
趋势值在明显进步，通常是新员工
趋势值没有明显进步或退步，通常是技能没有成功养成的员工
内部资料 注意保密
数据无处不在
用户数据
VIP/非VIP QQ号码 开通业务 求助渠道 游戏行为
内部资料 注意保密
数据无处不在
工资收入
内部资料 注意保密
数据无处不在
房价
内部资料 注意保密
数据无处不在
消费 恩格尔系数=食物支出金额/总支出金额
60％以上为贫困 50％~60％为温饱 40％~50％为小康 40％以下为富裕
= 通话时长 签入时长 排班时长 签入时长 排班时长
=通话率 工时利用率 168 3600
内部资料 注意保密
案例7——处理率
进单量包含普通回复工单量、批量回复工单量、升级工单 量、临时回复工单量、删单量 处理量包含普通回复工单量、批量回复工单量、升级工单 量、临时回复工单量，不包括删单量
内部资料 注意保密
研究3（续）
内部资料 注意保密
内部资料 注意保密
小结
没有哪个分析方法是绝对正确的，但有些分 析方法是有用的 数据分析可以在企业中得到广泛的应用
数据分析方法未必越“高深”越“好”，往 往简单的方法可以解决“大问题”
内部资料 注意保密
内部资料 注意保密
内部资料 注意保密
案例7（续）
Q：处理率低=删单率高？
内部资料 注意保密
案例7（续）
进单量只能按照产 品属性进行查询
内部资料 注意保密
案例7（续）
内部资料 注意保密
案例7（续）
内部资料 注意保密
案例7（续）
处理量按照技能组 属性进行查询
内部资料 注意保密
案例7（续）
内部资料 注意保密
案例7（续）
案例8——满意度
内部资料 注意保密
综合练习
内部资料 注意保密
内部资料 注意保密
研究1——新游戏的宣传评估
内部资料 注意保密
研究1（续）
内部推广UV1
• Tips消息 • 腾讯网广UV2
• 其它传统媒体
游戏官网UV 下载页UV 下载游戏客户端用户数 注册用户数 进入游戏用户数
正常波动是由随机原因引起的运营波动，处于控制状态
异常波动是指由可指出原因(系统原因)引起的运营波动， 处于脱控状态 通过观察控制图上点的分布来判断运营波动是由随机原因 引起的，还是可指出原因引起的
内部资料 注意保密
一个小知识——标准差
标准差：各数 据偏离均值的 距离的平均数
A、B两种运营情况满意度均值都为70%
趋势值明显退步，注意员工的离职倾向
②象限：通话均长较短，离散系数较高
趋势值在明显进步，处于明显成长进步的阶段
趋势值没有明显进步或退步，表现不稳定
趋势值明显退步，处于明显的低潮和退步阶段，注意向①象限的转变
内部资料 注意保密
案例3（续）
③象限：通话均长较短，离散系数较低
优秀员工集中的象限
注意发展趋势
常用的考核
IVR
人均服务量 通话均长 工时利用率 通话率
ICS
人均服务量 闭环时长 服务响应率 处理率
接通率
满意度 正确率
满意度
正确率
内部资料 注意保密
1.服务量
服务量(工作量) 统计期内，员工处理的服务请求总量
内部资料 注意保密
1.服务量
内部资料 注意保密
1.服务量——是正常波动，还是异常？
1：有1个点在3倍标准差(AVE+3STD,AVE-3STD)之外
内部资料 注意保密
案例1（续）
内部资料 注意保密
练习1
内部资料 注意保密
案例2——人均服务量(人均工作量)
为什么人均服务量重要 ICS总处理量：309755 现有人力为：129.5人，其中一线人力103人，二线人力 12.5人，专家投诉人力14人 一线人均服务量为：3007 加入二线后人均服务量为：2682 再加入专家投诉后人均服务量为：2392 Q：在现有水平上，每增加一个二线人力 (或专家投 诉人力)，一线人力不变，则一线人均服务量需增加 多少才能与现有水平“2392单”持平？
内部资料 注意保密
4.IVR接通率/ICS处理率
接通率=接线量/进线量*100% 处理率=回单量/进单量*100%
内部资料 注意保密
案例6——接通率
增多接线量
接线量 接通率= 100% 进线量
减少进线量
减少进线量的同时增多接线量； 同增多，但接线量增幅较大； 同减少，但进线量降幅较大
ห้องสมุดไป่ตู้
接线量 通话均长 =通话时长
内部资料 注意保密
数据无处不在
数据包含的信息很多，但是数据中的信息往 往是分散的，单个数据很难直接被应用起来 统计学就是把数据转化为信息的科学
数据 分析
从数据 中提取 信息
统计 学
数据分 析的依 据
统计 工具 • 服务数
据分析
• 利用统 计原理
内部资料 注意保密
统计的小故事
一辆火车行驶在草原上，遇到一群白色的
多数人都以一般车速开车， 所以多数车祸发生于一般车速
内部资料 注意保密
统计的误区-2
民间调查研究显示，身高比 较高的儿童拼写能力也比较好， 所以从一个人身高的高矮，可 以判断他拼写能力的强弱？
成长中的儿童，年龄较大的 身高会比较高，一般而言年龄 较大的儿童拼写能力会比年龄 较小的儿童强
内部资料 注意保密
羊……
物理学家说，我们看到的羊群是白色的 数学家说，我们看到的羊群朝向我们这面的那 部分是白色的
统计学家说，我们看到了103只羊，它们都是白
色的，我推断天下的羊都是白色的
内部资料 注意保密
统计的小故事
There are three kinds of lies: Lies, Damned lies, and Statistics!! 世上有三种谎言:
④象限：通话均长较长，离散系数较低
技能不好，非常稳定
需要投入较多精力
内部资料 注意保密
练习3
内部资料 注意保密
案例4——ICS闭环时长
发现超时单据
内部资料 注意保密
案例4——ICS闭环时长
组长进行解释
Q：超时单对整体业务的闭环 时长影响有多大？
内部资料 注意保密
案例4（续）
演示：Z技能组平均闭环时长的计算
行业相关研究
出勤率(遵时率) VS 工时利用率 VS 流失率 从员工心理分析，一旦员工有了离职倾向，其工作积极性及 主动性都会有不同程度的下降，在呼叫中心里最直接的表现就 是员工不再按照公司安排的计划时间工作 研究样本：深圳某呼叫中心30个月的人员流失率、遵时率、 工时利用率 研究结论：
Y(流失率)=0.1489X1-0.0861X2+0.02613 其中X1为工时利用率，X2为遵时率 （R2=0.7577，P<0.01）
内部资料 注意保密
5.满意度&正确率
满意度 最终用户的满意率=（选择“很满意”的用户数+选 择“满意”的用户数）/参评用户数*100% 正确率 人工服务差错率=质检发现的出现错误的人工服务量/ 质检的总服务量*100% 正确率=1-人工服务差错率
内部资料 注意保密
案例8——满意度
内部资料 注意保密
内部资料 注意保密
研究2——DNF用户调研
内部资料 注意保密
研究2（续）
内部资料 注意保密
研究2（续）
内部资料 注意保密
研究3——行为经济学
实验结果： 选A：50% 选C：50%
A
B
C
内部资料 注意保密
研究3（续）
征订套餐一： •电子版：59美元/年 •电子版+印刷版：125美元/ 年
订阅结果： •电子版：68% •电子版+印刷版：32%
内部资料 注意保密
案例5——工时利用率&通话率
A1在11日和12日的工作表现如何？ A1、A2、A3三位员工在11日和12日的工时利用率和通话率是 怎样的？如何评价其工作表现？和运营情况有什么关联？ 工时利用率大于等于100%的员工，其实际情况是？
内部资料 注意保密
练习5
内部资料 注意保密
内部资料 注意保密
练习4
内部资料 注意保密
3.工时利用率&通话率
在线工作时长 有效在线工作时长 刷卡上班 上班 登录/ 换班签入 请假示忙时长 学习时长 退出/ 刷卡下班 换班签出 下班
请假/示忙
结束 请假/示忙
进入 学习态 工作时长
结束 学习态
出勤率 VS 工时利用率 VS 通话率 出勤率=符合要求出勤小时数/排班应出勤小时数×100％ 工时利用率=在线工作时长(签入系统时长)/工作时长×100％ 通话率=通话时长/在线工作时长(签入系统时长) ×100％
谎言,
该死的谎言, 还有统计！！
内部资料 注意保密
统计的误区-1
ICS与IVR满意度差异大吗？
ICS满意度波动大吗？
内部资料 注意保密
统计的误区-1
更改Y坐标轴之后呢？
内部资料 注意保密
统计的误区-2
根据交通管理部门的统计结 果，多数车祸发生在当汽车行 驶于一般车速的时候，只有少 数车祸发生在超速的时候，所 以开快车比较安全？