《呼叫中心数据分析.doc》由会员分享，可在线阅读，更多相关《呼叫中心数据分析.doc（4页珍藏版）》请在金锄头文库上搜索。
1、目录呼叫中心数据分析2一数据分析的目的21.运营管理22.客户管理23.内外服务2二数据分析的基本步骤21.数据清洗22.基本指标建立3三统计分析方法的应用31.运营管理32.客户管理43.内外服务4四结果展示4五效果检测4呼叫中心数据分析呼叫中心的运营管理自身就是对数字管理的过程，各项营运报表、整体运营成果、CSR行为举动等都蕴藏在数字中。随着呼叫中心应用在国内高速发展，呼叫中心的管理也日趋精细化、数字化。数据分析的目的，在于发现问题，解释原因和关系，以及寻找可能的解决方法；同时达到更有效地沟通，无论是向决策层报告，还是与团队成员分享；并且数据的挖掘和整理，是绩效改善过程中的重要环节。而基本
2、流程我们可以简单的表述为以下图形：我们将以上流程细分为以下五步：一 数据分析的目的1. 运营管理项目控制、产品分析、员工考核管理等2. 客户管理客户投诉分析、客户分群营销、客户流失预警等3. 内外服务电话销售、抽样调查等二 数据分析的基本步骤1. 数据清洗数据清洗从名字上也看的出就是把“脏”的“洗掉”。因为数据仓库中的数据是面向某一主题的数据的集合，这些数据从多个业务系统中抽取而来而且包含历史数据，这样就避免不了有的数据是错误数据、有的数据相互之间有冲突，这些错误的或有冲突的数据显然是我们不想要的，称为“脏数据”。我们要按照一定的规则把“脏数据”“洗掉”，这就是数据清洗.而数据清洗的任务是过滤
3、那些不符合要求的数据，将过滤的结果交给业务主管部门，确认是否过滤掉还是由业务单位修正之后再进行抽取。不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。2. 基本指标建立1） 数量指标：队列话量、接入话量、通话时长、客服在线时长、处理量、重复呼入次数、重复呼入人数等2） 比率指标：接通率、工时利用率、重复呼叫率、处理率、出勤率、人均呼入时间、人均重复呼入次数、人均重复呼入时间、单位时间处理话量等三 统计分析方法的应用通过合适的指标监测整体的业务变化是行之有效的方法，但是面对大数据我们可以采用更加全面的统计方法挖掘更深层次的数据信息。统计方法多种多样，这是个循序渐进的过程，伴随着
4、数据量的增大和业务种类的增加我们的数据挖掘工作也会得到进一步的拓展。以下我们通过简单的例子引入基本统计方法在数据挖掘中的应用。1. 运营管理通过设置观测指标，侦测业务变化，洞悉产品特征，激励员工等途径促进业务增长、提高员工满意度，从而达到公司业务在量与质的同步发展。1） 移动平均分析方法比如针对呼叫数量、呼入时长进行移动平均指数方法跟踪呼入量的变化，及时观测到呼入量异常的时间节点，及时提出解决方案2） 有序聚类分析比如对呼入量进行阶段性分析，归纳各个阶段呼入量变化的原因从而达到投诉保修数量降低3） 相关性分析比如分析接通率、客服在线时长、出勤率间的相关性关系，通过控制相关指标达到控制目标变量4
5、） 因子分析分析比如我们由相关性分析得到呼入数量与一组指标存在关系，我们可以采用因子分析的方法寻找最主要影响因子（指标）5） 典型相关分析比如我们通过因子分析得到了一组主要的影响因子A，但是我们很难直接控制因子A，然而很幸运的是因子A又和其他一组因子B存在关系，同时因子B我们比较容易人为控制，故我们采用典型相关分析寻在A、B的相关组从而达到控制目标变量2. 客户管理客户管理主要是研究客户的行为和偏好，而呼叫中心的客户管理中作则针对客户的投诉动机寻找业务的不足、客户的建议提升业务能力、客户的偏好进行精准营销。1） 客户群体的聚类分析针对不同群体的客户进行不同的方法进行营销，判断不同等级的客户的各方面的能力如购买力等。2） 客户的偏好的因果分析分析客户的行为的原因，寻找因果关系，探寻客户需求。3. 内外服务我们可以对自身新产品的测试，对外的调研，电话销售设计各种实验方法。1） 问卷设计2） 抽样简单抽样、整群抽样、分层抽样等3） 实验4） 结果分析四 结果展示我们可以采用多种多样的形式展示我们的分析，如条形图，折线图，柱形图，雷达图等。五 效果检测设计实验方法，建立对照组，运用设计方法，通过调整实验中的变量考查目标变量的变化，从实证角度测试统计方法的效果。
