一個更可能的理由是，對呼叫中心來說，高生產效率比高質量更容易定義和測量。盡管生產效率的衡量包含幾個不同的指標（排班遵守率，工時縮減因素，每客戶來電量等等），但都指向低成本。而高質量呢？就很難說清了。我們常常聽到坐席說，盡管管理層經常談論質量，但一到績效評估層面，對于生產效率的衡量往往顯得更重要。持懷疑觀點的人可能會說這是因為領導者更在乎削減成本，而不是改善質量。 如果我們想要持續提供高質量的電話服務，首先就要定義何為高質量。我們所采用的很多種選擇方案都會有利弊，而對于每種方案利弊的透徹了解，是我們選擇正確的測量方案的關鍵。并且我們都知道，如果我們要在呼叫中心里做好某件事情，首先我們要知道如何去測量它。 不滿意度的缺失VS.滿意度的等級 問你自己一個問題：如果來電者沒有任何方面的不滿意，那么他/她是否能夠被定義為滿意的客戶呢？盡管這句話聽上去像充滿了禪意的哲學，不過它的確是一個與此相關的很實際的問題，能夠幫助你更好地定義與衡量質量。很多人（我也包括在內）會爭辯說，滿意度是一個滑動的尺子。消除不滿意度的根源非常重要，但也只能使你到達最低程度滿意的層次。當然，你希望越來越多的來電者脫離不滿意的群體，但是這跟讓每個人都上升一個臺階又是不一樣的。 這跟定義一個高質量的通話又有何關聯呢？想想我們使用的一些測量方法。我們中的很多人會追蹤服務投訴和升級之類的事件，并以此作為投訴率來呈現。將此比率從3％改善到2％，對于那1％的客戶來說，這個變化是巨大的。可事實上無論這種變化是什么引起的，對其他99％的客戶可能毫無影響。這項指標很顯然是在衡量不滿意度。對于首次解決率來說，也是同樣的道理。從92％移到95％，告訴我們3％發生了變化，可是對其他97％來說還是沒有任何意義。 為了便于比較，考慮一下通過客戶調查機制得到的滿意度評級。整體滿意度評價從83%上升到87%，可能并不僅限于最低端的改善，而是更加綜合和整體的提升。相對于把某件事情改善1000%的方式來降低不滿意度，通過把1000件事情都改善1%的方式來提升客戶的滿意度會更有意義。 哪種方式更好——降低不滿意度還是提高滿意度？如果客戶和他們的期望是各式各樣的，那么我們的質量衡量標準也應該是對應的。 挑戰 當你把自己當成客戶去評估質量時，就知道衡量質量有多難了。質量的確是移動的目標。不僅你的期望跟下一位打進電話的人不一樣，就連你自己今天所想的都可能跟明天的不一樣。不過作為客戶的優越之處在于你不需要具備邏輯性。為了得到你的生意，公司必須遵從你的意愿。這對客戶來說好極了，但是對我們這些試圖定義、測量和滿足（甚至超越）一個好的通話標準的人來說，就沒那么簡單了。 如果說客戶期望的變化是問題的核心，那么包圍在外面的一層一層的皮則布滿了我們的指紋。我們竭盡所能地找尋找著那個代表著我們所有滿足客戶和企業期望的能力匯總的神奇績效指標，但似乎總是無功而返。一些人緊抓著質量評分不放（無論分數來自于內部或外部的評測群體），另一些人則總相信客戶滿意度評價才是關鍵，還有一些則指向首次解決率（FCR）。所有這樣或那樣的標準只是針對了不同的層面，了解這些對找到正確的衡量方法很關鍵。 用技術來拯救？ 有關高質量通話的衡量，最新的技術手段可以使其變得相對更容易一些。近來一些有意思的技術進步發生在語音分析領域。如果你對此還不是十分了解，那么最新的系統是值得嘗試的。這個系統能自動監聽你的通話并且識別通話的主要階段，或者通過識別音量的變化所代表的沖突升級，這對你的服務質量衡量與提升有非常大的幫助。 花時間走向正軌 我們都聽說過能夠被衡量的才能夠被改進。在呼叫中心，我們有如此多的數據以至于這種說法應該變成什么能夠被合理、準確、全面地衡量，并且可以被清晰地報告，什么就值得改進。如果要從時刻變化的客戶期望來著手測量，真的還是存在很多挑戰的，需要一定的時間來走向正軌。不過這總比花費時間卻朝著錯誤的方向走要好得多。 行為VS.認知 你對你的來電客戶進行全面研究后發現，97%的人在感到不滿意前可以忍受2分鐘的等待。然后你查看了一下上個月的數據，發現11％的等待時間在90－120秒之間的呼入者還是放棄了電話。這說明了什么？ 你剛剛進入了行為與認知的對抗領域。當我們面對調查結果時，往往會傾向于全盤接受。但是實際當客戶填選調查問卷時，他們的選項并沒有代表他們所有的想法。沒有人能夠準確預測實際情況下當他/她要面對較長一段時間等待時的反應，而且人性也決定了我們往往沒有我們自己想象中那么有耐心。 我們所擁有的評估通話質量的數據，要么是基于行為的，要么是基于認知的。基于行為的數據包括一次解決率，升級比率及放棄率。它們是所發生的行為的數據表現。是我們賦予這些行為以實際的意義。比如，首次解決不成功，我們就視為客戶對通話不滿意。基于認知的數據包括用戶調查反饋，大部分質量監控的評分，以及來自神秘客戶服務的整體滿意度數據。只要我們知道數據是基于認知推斷的，并且當認知數據與行為數據發生沖突時以后者為準，認知的數據就是可用的。 全部還是部分 我們的質量績效標準并不都是建立在同樣的基礎之上。有些指標，如投訴率，就是基于所有呼叫中心處理的客戶聯絡。而其它的一些指標，比如質量監控分數，僅是基于所有來電的抽樣樣本。現代統計學告訴我們，如果我們所取的樣本是有效的，其結果可以比較可靠地適用于所有。不幸的是，這些統計數據的表述中，充滿了公式、怪異的符號、計算輸出表格，以及一些聽上去好像不屬于英語語言的詞語。理論上，當我們采用了一個合適的樣本時，全部和部分的差別應該很小。現實中，很多呼叫中心在定義一個有效的，隨機呼叫樣本時，常常犯嚴重的錯誤。最普遍的一個錯誤是進行電話質量監控時，忽略通話時間較長的電話，因為長電話會影響質檢人員的工作效率。然而，長電話更有可能包含錯誤，因為很多坐席所犯的錯誤（沒有好好傾聽、給出錯誤的信息并不得不改正它等等）都會使通話時長延長。顯然，衡量所有的通話比衡量樣本更好，但現實中對于很多指標來說卻很難達到。 附：客戶究竟想要什么？ 我們知道每個客戶都是不同的，而且就算是同一個客戶也會在不同的心情和場合下有著不同的需求。那么，我們能否整理出一般客戶在電話呼入聯系我們時，都有哪些需求呢？一起來看看：