Contact Center Analytics: auf Basis jeder Konversation

Contact Center Analytics bedeutet, die Daten eines Contact Centers, von Queue-Statistiken und Umfragen bis zu den Anrufen, Chats und E-Mails selbst, in Antworten darauf zu übersetzen, was passiert und warum. Die operative Ebene haben die meisten Teams im Griff. Die Ebene, die die Zahlen erklärt, beruht auf den Konversationen.

Kurz gesagt

Contact Center Analytics hat fünf Ebenen (operativ, Personaleinsatz, Kundenfeedback, Konversation und Qualität), und jede beantwortet andere Fragen.
Ein Rechenbeispiel zeigt, wie ein Problem in 1,5 % der Konversationen im CSAT und in einer QA-Stichprobe von 2 % unsichtbar bleibt und offensichtlich wird, sobald jede Konversation bewertet wird.
Analytics auf Basis von QA-Scores führt jeden Trend auf die Konversationen dahinter zurück und auf eine Ursache, die Sie beheben können.
Beurteilen Sie Software nach Abdeckung, Belegen, Ursachenanalyse und Kanälen; Call Center Analytics ist die Teilmenge, die nur Anrufe betrachtet.
Beginnen Sie mit einer Frage, die Ihre aktuellen Berichte nicht beantworten können, und bauen Sie dann die Ebene auf, die sie beantwortet.

Wenn Sie das Produkt suchen und nicht die Methode, zeigt unsere Seite zu Conversation Analytics für Supportteams, wie Kaizo Analytics auf bewerteten Konversationen aufbaut. Dieser Leitfaden behandelt die ganze Disziplin und verweist auf unsere kürzeren Definitionen, wo ein Begriff eine braucht.

Was ist Contact Center Analytics?

Contact Center Analytics ist die Messung und Analyse von allem, was ein Contact Center über seine Kundenkontakte erfasst, auf fünf Ebenen: operativ, Personaleinsatz, Kundenfeedback, Gesprächsinhalt und Qualität. Zusammen erklären sie Volumen, Tempo, Zufriedenheit und deren Gründe.

Der Begriff umfasst mehr als ein Tool. Ein typisches Contact Center betreibt bereits Analytics in seiner Telefonanlage, seinem Helpdesk, seinem Workforce-Management-Tool und seiner Umfrageplattform, und jedes davon sieht einen anderen Ausschnitt. Die Tabelle zeigt, was jede Ebene misst und was sie nicht sehen kann.

Ebene	Was sie misst	Typische Quelle	Was sie Ihnen nicht sagen kann
Operativ	Volumen, Wartezeit, Bearbeitungszeit, Abbruchquote, Servicelevel, Erstlösungsquote	Telefonanlage (ACD), Helpdesk-Berichte	Warum Kunden angerufen haben oder ob die Antwort richtig war
Personaleinsatz	Prognosegenauigkeit, Adherence, Auslastung, Shrinkage	Workforce-Management-Tool	Ob die Zeit der Agents gut genutzt wurde
Kundenfeedback	CSAT, NPS, Customer Effort, Umfragekommentare	Umfrageplattform	Etwas über die Kunden, die nicht antworten
Konversation	Themen, Kontaktgründe, Sentiment, Stille, Schlüsselwörter	Speech und Text Analytics auf Transkripten	Ob der Agent Ihren Standard eingehalten hat, solange niemand ihn definiert
Qualität	Scores anhand Ihrer Scorecard: Richtigkeit, Richtlinie, Prozess, Tonfall, Lösung	QA-Tool	Trends bei Volumen und Personal, die in den ersten beiden Ebenen liegen

Die ersten drei Ebenen sind in den meisten Contact Centern ausgereift. In der vierten und fünften steckt die Erklärung, weil sie lesen, was tatsächlich gesagt wurde. Für die engeren Definitionen lesen Sie, was Conversation Analytics ist (auf Englisch), unseren Beitrag zu Interaction Analytics über Telefon, Chat und E-Mail und den zu Speech Analytics für Anrufe.

Welche Fragen jede Ebene beantworten kann

Jede Ebene beantwortet eine Art von Frage gut: operative Daten „wie viel und wie schnell“, Feedback „wie hat es sich angefühlt“, Konversations- und Qualitätsdaten „was ist passiert und warum“.

Nutzen Sie diese Tabelle als Wegweiser. Wenn Ihnen jemand eine Frage stellt, suchen Sie sie links und gehen Sie zu der Ebene, die sie wirklich beantworten kann, statt ein Dashboard zu überdehnen, das es nicht kann.

Die Frage, die man Ihnen stellt	Ebene, die sie beantwortet	Warum die anderen nicht reichen
Haben wir am Montagmorgen genug Personal?	Personaleinsatz, operativ	Konversationsdaten prognostizieren keine eingehenden Kontakte
Warum ist der CSAT diesen Monat um zwei Punkte gefallen?	Qualität und Konversation, verknüpft mit Feedback	Die Umfrage zeigt den Rückgang, nicht seine Ursache
Welche Kontaktgründe wachsen?	Konversation (Kontaktgründe)	Ticket-Tags fehlen oft oder sind falsch
Nennen die Agents die richtige Erstattungsrichtlinie?	Qualität (Richtlinienkriterium bei jeder Konversation)	Bearbeitungszeit und CSAT sehen normal aus, während die Antworten falsch sind
Löst der neue KI-Agent Anliegen oder schließt er sie nur?	Qualität bei Konversationen des KI-Agenten	Automatisierte Lösungen zählen, dass der Kunde gegangen ist, nicht, dass ihm geholfen wurde
Welches Team braucht Coaching wofür?	Qualität nach Kriterium und Team	Durchschnitte verbergen, welches Verhalten schwach ist
Treibt ein Produktfehler die Kontakte?	Konversation und Qualität, nach Ursache gruppiert	Das Volumen zeigt einen Anstieg, nicht seine Herkunft

Die meisten Fragen, die Führungskräfte in ein Monatsreview mitbringen, liegen in der Mitte dieser Tabelle. Deshalb wirkt das Reporting im Kundenservice, das die meisten Teams liefern, dünn: Es ist stark bei den ersten Ebenen und schwach bei denen, die die Konversation lesen.

Warum Ticketzahlen und Stichproben die Ursache verfehlen: ein Rechenbeispiel

Ein Problem, das einen kleinen Teil der Konversationen betrifft, bewegt den CSAT kaum und taucht selten in einer QA-Stichprobe auf, wird aber deutlich sichtbar, wenn jede Konversation bewertet und nach Kontaktgrund gruppiert wird.

Die folgenden Zahlen sind ein von uns berechnetes, veranschaulichendes Beispiel, keine Kundendaten. Sie beschreiben ein mittelgroßes Contact Center und nutzen runde Zahlen, damit Sie die Rechnung mit Ihren eigenen wiederholen können.

Die Ausgangslage. Das Contact Center bearbeitet 40.000 Konversationen im Monat über Telefon, Chat und E-Mail. Erstattungsanfragen machen 10 % davon aus, also 4.000. Wegen eines veralteten Textbausteins nennen die Agents in 15 % der Erstattungskonversationen die alte Erstattungsfrist: 600 Konversationen oder 1,5 % des gesamten Volumens.

Was die Umfrage zeigt. Angenommen, 12 % der Kunden beantworten die CSAT-Umfrage: 4.800 Antworten. Nur 72 davon stammen aus den 600 betroffenen Konversationen. Wenn die betroffenen Kunden zu 50 % zufrieden sind und alle anderen zu 85 %, sinkt der CSAT insgesamt von 85,0 % auf 84,5 %. Ein halber Punkt liegt im normalen Rauschen von Monat zu Monat, also untersucht niemand etwas.

Was eine QA-Stichprobe von 2 % zeigt. Die Reviewer bewerten 800 Konversationen im Monat. Im Schnitt sind 12 davon betroffene Konversationen. Verteilt auf zehn Reviewer und vier Wochen ist das etwa eine alle drei Wochen pro Reviewer, und jede lässt sich leicht als Ausrutscher eines einzelnen Agents lesen statt als Muster.

Was die Bewertung jeder Konversation zeigt. Wenn jede Erstattungskonversation nach dem Kriterium „richtige Richtlinie genannt“ bewertet wird, fallen im Monat 600 durch. Nach Kontaktgrund gruppiert zeigt die Erstattungs-Queue bei diesem einen Kriterium eine Fehlerquote von 15 %, gegenüber nahezu null an anderer Stelle. Die Ursache ist in der ersten Woche sichtbar, und sie zeigt auf den Textbaustein, nicht auf die Agents.

Ansicht	Was Sie sehen	Würden Sie handeln?
Operatives Dashboard	Normales Volumen und normale Bearbeitungszeit	Nein
CSAT	85,0 % auf 84,5 %	Wahrscheinlich nicht
QA-Stichprobe von 2 %	Etwa 12 Fehler, verstreut über die Reviewer	Wenn überhaupt, Coaching für Einzelne
Jede Konversation bewertet	15 % Richtlinienfehler bei einem Kontaktgrund	Ja: den Textbaustein diese Woche korrigieren

Dieselbe Logik gilt für jeden Fehler, der in einer einzelnen Queue oder einem Thema steckt. Wie viele Konversationen eine Stichprobe braucht, um ein seltenes Problem zu finden, erklärt unser Leitfaden zur Statistik von QA-Stichproben (auf Englisch).

Contact Center Analytics auf Basis von QA-Scores

Analytics auf Basis von QA-Scores bewertet jede Konversation anhand Ihrer eigenen Definition einer guten Konversation und gruppiert und verfolgt die Ergebnisse, sodass sich jede Zahl bis zu ihren Konversationen öffnen lässt.

Das ist die Umkehrung dessen, wie Speech-Analytics-Suiten meist arbeiten. Diese Tools indexieren aufgezeichnete Anrufe und verlassen sich darauf, dass Analysten die Kategorien aufbauen und pflegen, mit denen sie durchsucht werden. Wer bei der Scorecard beginnt, misst, worauf er ohnehin coacht: Richtigkeit, Richtlinie, Prozess, Tonfall und Lösung.

So arbeitet Kaizo. Laut Kaizos Seite zur Ursachenanalyse bewertet es jeden Anruf, jeden Chat und jede E-Mail anhand Ihrer Kriterien und zeigt dann, ob ein Einbruch von einem fehlerhaften Prozess, von Reibung im Produkt oder von einer Kompetenzlücke kommt, mit den Konversationen hinter jeder Ursache.

Die Seite zur Stimmungsanalyse sagt, dass Kundenstimmung und Empathie der Agents über jede Nachricht hinweg bewertet werden. Sie können Fragen in natürlicher Sprache stellen, und automatisierte BI-Exporte gibt es in den Plänen Intelligence und Enterprise.

Zwei Grenzen sollten Sie kennen. Kaizo arbeitet mit einer Konversation, sobald sie beendet ist, überwacht also keine Anrufe live und gibt Agents während eines Anrufs keine Hinweise; das ist Real-Time Agent Assist (auf Englisch), eine andere Tool-Kategorie. Und es ist kein Workforce Management: Prognose und Schichtplanung bleiben in der Ebene Personaleinsatz.

Worauf Sie bei Software für Contact Center Analytics achten sollten

Beurteilen Sie Software für Contact Center Analytics nach Abdeckung, Belegen hinter jeder Zahl, Ursachenanalyse, gleicher Behandlung der Kanäle und danach, wie Erkenntnisse die Personen erreichen, die sie beheben.

Nutzen Sie diese Checkliste in einer Demo. Bitten Sie den Anbieter, jeden Punkt auf dem Bildschirm zu zeigen, statt ihn zu beschreiben.

Kriterium	Wie gut aussieht	Frage an den Anbieter
Abdeckung	Jede Konversation analysiert, keine Stichprobe	Welchen Anteil der Konversationen des letzten Monats hat es bewertet?
Belege	Jeder Score und jeder Trend öffnet sich bis zu den Zeilen im Transkript dahinter	Zeigen Sie mir die Konversationen hinter dieser Zahl
Ihre Kriterien	Bewertung anhand Ihrer eigenen Scorecard, in Ihren Worten	Kann ich ein Kriterium ändern und sehen, wie es auf neue Konversationen angewendet wird?
Ursachenanalyse	Prozess-, Produkt- und Kompetenzprobleme getrennt	Wie unterscheiden Sie einen fehlerhaften Prozess von Coachingbedarf?
Kanäle	Anrufe, Chat und E-Mail nach denselben Kriterien	Ist ein Score im Chat mit einem Score am Telefon vergleichbar?
KI-Agenten	Bot-Konversationen nach demselben Standard bewertet	Bewertet es Konversationen, die unser KI-Agent geführt hat?
Datenexport	Export in Ihr Data Warehouse oder BI-Tool	Wie gelangen die Daten zu unserem BI-Team?
Passung zum Stack	Native Anbindung an Ihren Helpdesk oder Ihr CRM	Was umfasst die Einrichtung für unseren Helpdesk?

Einen ausführlicheren Evaluationsplan und die Preismodelle, denen Sie begegnen, finden Sie in unserer Kaufberatung für Conversation-Intelligence-Software. Wenn Sie auch QA-Tools vergleichen, zeigt der Vergleichsbereich, wie sich Kaizo von anderer Contact-Center-Software unterscheidet.

Unterscheidet sich Call Center Analytics von Contact Center Analytics?

Call Center Analytics meint meist Analytics nur für Telefonate, während Contact Center Analytics jeden Kanal des Teams abdeckt: Anrufe, Chat, E-Mail und Messaging. Die Methoden sind dieselben, der Umfang ist größer.

Der Unterschied zählt aus einem Grund. Viele Teams bearbeiten heute mehr schriftliche Konversationen als Anrufe, und ein Tool, das um Anrufaufzeichnungen herum gebaut ist, kann Chat und E-Mail als Nebensache behandeln.

Wenn Ihr Volumen gemischt ist, prüfen Sie, ob Analytics und Qualitätskriterien für jeden Kanal gleich gelten, sodass ein Richtlinienfehler im Chat genauso zählt wie einer am Telefon. Kaizos Seite zum Qualitätsmanagement im Callcenter beschreibt das als eine Scorecard für Anrufe, Chats und E-Mails, mit kanalspezifischen Kriterien nur dort, wo sich das Medium wirklich unterscheidet.

Wie Sie mit Contact Center Analytics beginnen

Beginnen Sie mit einer Frage, die Ihre aktuellen Berichte nicht beantworten können, wählen Sie die Ebene, die sie beantwortet, und belegen Sie den Nutzen an dieser Frage, bevor Sie Dashboards für alles andere bauen.

Schritt 1: Schreiben Sie die unbeantwortete Frage auf

Listen Sie die Fragen aus Ihren letzten drei Management-Reviews auf, die niemand mit Daten beantworten konnte. „Warum ist der CSAT gefallen?“ und „Löst der KI-Agent die Anliegen wirklich?“ sind die üblichen. Wählen Sie die, an der am meisten Geld hängt.

Schritt 2: Prüfen Sie, welche Ebene die Antwort enthält

Nutzen Sie die Tabelle oben. Wenn die Antwort in der Konversations- oder Qualitätsebene liegt, wird keine Arbeit am operativen Dashboard sie liefern.

Schritt 3: Definieren Sie die Kriterien vor dem Tool

Schreiben Sie die drei bis fünf Kriterien auf, die die Frage beantworten würden, etwa „richtige Richtlinie genannt“ oder „Anliegen ohne erneuten Kontakt gelöst“. Wenn Sie sie nicht formulieren können, kann keine Software sie messen. Unser Leitfaden zu Kennzahlen der Servicequalität, die den CSAT vorhersagen, hilft bei der Auswahl.

Schritt 4: Decken Sie jede betroffene Konversation ab

Bewerten Sie jede Konversation in den Queues, um die es bei der Frage geht, keine Stichprobe, damit ein Muster in Tagen statt in Monaten sichtbar wird.

Schritt 5: Gruppieren, verfolgen und weiterleiten

Gruppieren Sie die Ergebnisse nach Kontaktgrund, Team und Ursache und geben Sie jede Erkenntnis an die zuständige Stelle: Prozess- und Produktprobleme an das Team, das sie verantwortet, Kompetenzlücken an das Coaching. Unser Leitfaden zur Ursachenanalyse im Kundenservice zeigt, wie Sie dieses Review durchführen.

Sehen Sie es in einer Live-Demo. Kaizo baut Contact Center Analytics auf bewerteten Konversationen über Telefon, Chat und E-Mail auf, und jede Zahl öffnet sich bis zu den Konversationen dahinter. Termin buchen.

Häufig gestellte Fragen

Was ist Call Analytics?

Call Analytics ist die Analyse von Telefonaten, meist anhand der Aufzeichnungen und ihrer Transkripte, um Themen, Sentiment, Stille, Compliance-Formulierungen und Ergebnisse zu messen. Es ist ein Teil von Contact Center Analytics. Teams, die auch Chat und E-Mail betreiben, brauchen dieselbe Analyse für diese Kanäle, idealerweise nach denselben Kriterien.

Welche vier Arten von Analytics gibt es im Contact Center?

Die vier Arten sind deskriptiv (was ist passiert, etwa Volumen und CSAT), diagnostisch (warum ist es passiert, etwa die Ursache eines Qualitätseinbruchs), prädiktiv (was ist wahrscheinlich als Nächstes, etwa das prognostizierte Volumen) und präskriptiv (was ist zu tun, etwa eine Coachingmaßnahme). Die meisten Contact Center sind bei der deskriptiven Analyse stark und bei der diagnostischen am schwächsten.

Was ist ein KPI im Callcenter?

Ein KPI im Callcenter ist eine Zahl, die über die Zeit verfolgt wird, um zu beurteilen, ob der Betrieb im Plan liegt, etwa Servicelevel, durchschnittliche Bearbeitungszeit, Erstlösungsquote, CSAT oder der QA-Score. Contact Center Analytics erklärt, warum sich ein KPI bewegt hat; der KPI allein sagt Ihnen nur, dass er es getan hat.

Brauchen Sie für Contact Center Analytics einen Datenanalysten?

Nicht für die täglichen Fragen, wenn das Tool Filter und Fragen in natürlicher Sprache erlaubt und sich jede Zahl bis zu den Konversationen dahinter öffnen lässt. Ein Analyst hilft Ihnen trotzdem, wenn Sie Contact-Center-Daten in Ihrem eigenen Data Warehouse mit Umsatz-, Abwanderungs- oder Produktdaten verknüpfen.

Kann Contact Center Analytics in Echtzeit arbeiten?

Einige Ebenen schon. Queue-Statistiken und Tools für Real-Time Agent Assist arbeiten während des Anrufs. Qualitäts- und Ursachenanalyse arbeiten meist nach Ende der Konversation, weil sie die ganze Konversation brauchen, um sie zu beurteilen. Viele Contact Center nutzen beides: Live-Tools für den Moment, Analytics nach der Konversation für Muster.