Analiza przyczyn kontaktu (contact-driver analysis) porządkuje rozmowy według prawdziwego powodu, dla którego klient się odezwał, a nie według tagu zgłoszenia. Pokazuje, których kontaktów dało się uniknąć i co by im zapobiegło, dzięki czemu przyczynę można usunąć u źródła.
W skrócie
- Kategorie zgłoszeń pokazują, jak praca została zaksięgowana, a nie dlaczego klienci się odezwali.
- Konsultanci tagują szybko i niekonsekwentnie, więc ręczne taksonomie się rozjeżdżają.
- Prawdziwszy obraz daje odczytanie treści każdej rozmowy, a nie próbki.
- Najcenniejszą przyczyną jest często kontakt, którego dało się uniknąć i który można wyeliminować.
Dlaczego kategorie zgłoszeń nie są przyczynami kontaktu
Większość zespołów uważa, że już to robi, bo ma kategorie zgłoszeń. Kategoria zgłoszenia to jednak to, co konsultant wybrał z listy rozwijanej na końcu rozmowy, zwykle najbliższą dostępną opcję wybraną w pośpiechu. Mówi, jak praca została zaksięgowana, a nie dlaczego klient się z Państwem skontaktował. To dwie różne rzeczy, a w luce między nimi kryją się najbardziej przydatne informacje.
Przyczyna kontaktu to powód leżący u podstaw. Dwa zgłoszenia zaksięgowane jako „rozliczenia” mogą mieć zupełnie różne przyczyny: jeden klient nie zrozumiał pozycji na fakturze, drugiego system omyłkowo obciążył dwa razy. Pierwszy przypadek to problem jasności, który naprawia się lepszym sformułowaniem; drugi to błąd, który naprawia się w produkcie. Kategoria wrzuca je do jednego worka, przyczyna je rozdziela. Analiza przyczyn kontaktu to konkretne zastosowanie analizy przyczyn źródłowych do zapotrzebowania na obsługę klienta i to ona stoi za językiem punktów tarcia i przyczyn źródłowych w tekście o wnioskach z obsługi klienta.
Kategorie, które czynią analizę przyczyn użyteczną
Taksonomia przyczyn jest warta swojej ceny, gdy rozdziela rozmowy według tego, co należy z nimi zrobić, a nie tylko według tematu. Użyteczny podział wygląda tak.
| Typ przyczyny | Co oznacza | Działanie, na które wskazuje |
|---|---|---|
| Możliwa do uniknięcia: tarcie w produkcie | Funkcja jest myląca albo nie działa | Naprawić lub przeprojektować funkcję |
| Możliwa do uniknięcia: luka informacyjna | Odpowiedź istniała, ale klient nie mógł jej znaleźć | Poprawić artykuł pomocy albo wskazówki w produkcie |
| Możliwa do uniknięcia: błąd procesu | Wcześniejsza interakcja lub system nie spełniły swojego zadania | Naprawić proces na wcześniejszym etapie |
| Konieczna: rzeczywista potrzeba pomocy | Klient potrzebował ludzkiej oceny lub działania | Obsłużyć dobrze i sprawnie |
| Sygnał popytu: niezaspokojona potrzeba | Klienci wielokrotnie chcą czegoś, czego Państwo nie oferują | Przekazać właścicielom produktu lub zasad |
Dlaczego ręczne tagowanie tego nie zapewni
Większość zespołów nie ma prawdziwej analizy przyczyn, mimo że ma kategorie, bo ręczne tagowanie jej nie udźwignie. Konsultanci tagują na końcu rozmowy, pod presją czasu, z listy zaprojektowanej do routingu, a nie do analizy. Różni konsultanci tagują tę samą rozmowę różnie, taksonomia rozjeżdża się wraz z dodawaniem nowych opcji, a nikt wtedy nie przetagowuje historycznych zgłoszeń. Wynikiem jest kategoryzacja zbyt zaszumiona i zbyt płytka, by opierać na niej decyzję produktową lub dotyczącą zasad.
Bezpośrednia analiza treści rozmów omija wszystkie te problemy. Odczytanie tego, co klient faktycznie powiedział, a nie tego, co otagowano, daje przyczynę odzwierciedlającą prawdziwy powód kontaktu, stosowaną konsekwentnie według tego samego standardu w każdej rozmowie. A ponieważ analiza opiera się na treści, można ją ponownie zastosować do rozmów historycznych i zobaczyć trend danej przyczyny, czego ręczne tagi nigdy nie umożliwiają.
Jak zamienić przyczyny w działania u źródła
Analiza przyczyn kontaktu opłaca się tylko wtedy, gdy zmienia coś poza zespołem obsługi klienta. Cały sens oddzielania kontaktów możliwych do uniknięcia od koniecznych polega na tym, że te pierwsze to zapotrzebowanie, które można usunąć, a nie obsługiwać sprawniej. Mylący krok w procesie zakupu, który generuje setki kontaktów tygodniowo, nie jest problemem obsady do rozwiązania szybszą obsługą; to poprawka produktu, która całkowicie usuwa te kontakty, a analiza przyczyn pozwala uzasadnić ją dowodami zamiast anegdotami.
Dwie rzeczy sprawiają, że analiza jest na tyle wiarygodna, by przedstawić ją właścicielowi produktu lub zasad. Pokrycie: zestawienie przyczyn zbudowane na próbce może pominąć albo źle zważyć właśnie te przyczyny, które mają znaczenie, więc dopiero analiza każdej rozmowy (po angielsku) pozwala powiedzieć, że przyczyna stanowi realną część zapotrzebowania, a nie przypuszczenie. I możliwość prześledzenia: gdy liczbę przy danej przyczynie da się rozwinąć aż do konkretnych rozmów, zespół produktowy może przeczytać prawdziwy język klientów, zamiast spierać się o Państwa kategoryzację. Analiza Kaizo opiera się na rozmowach z Państwa helpdesku w Zendesk lub Salesforce, więc każda przyczyna prowadzi z powrotem do rozmów, które ją wygenerowały. To warstwa analityczna działająca obok szerszej analityki obsługi klienta.
Najczęściej zadawane pytania
Czym jest analiza przyczyn kontaktu?
To praktyka kategoryzowania rozmów z klientami według powodu, dla którego klient się odezwał, aby zobaczyć, co generuje zapotrzebowanie na obsługę, i na tej podstawie działać. Sięga głębiej niż lista kategorii zgłoszeń, bo pyta, co faktycznie spowodowało kontakt, czy dało się go uniknąć i co by mu zapobiegło. W ten sposób wolumen obsługi zamienia się w wiedzę o produkcie i zasadach, które go napędzają.
Czym przyczyna kontaktu różni się od kategorii zgłoszenia?
Kategoria zgłoszenia to to, co konsultant wybrał z listy rozwijanej, często w pośpiechu, i opisuje, jak praca została zaksięgowana. Przyczyna kontaktu to powód, który za nim stoi. Dwa zgłoszenia w tej samej kategorii mogą mieć różne przyczyny, jedno problem ze sformułowaniem, drugie błąd w produkcie, które wskazują na zupełnie różne poprawki. Działa się na podstawie przyczyny.
Dlaczego ręczne tagowanie nie wystarcza do analizy przyczyn?
Ponieważ konsultanci tagują pod presją czasu z list przygotowanych do routingu, różni konsultanci tagują tę samą rozmowę różnie, taksonomia się rozjeżdża, a historycznych zgłoszeń nikt nie przetagowuje. Daje to kategoryzację zbyt zaszumioną i płytką, by opierać na niej decyzje produktowe lub dotyczące zasad. Bezpośrednia analiza treści rozmów daje spójną, prawdziwszą przyczynę, którą można też zastosować do wcześniejszych rozmów.
Co zrobić z wynikami analizy przyczyn kontaktu?
Działać u źródła. Należy oddzielić kontakty możliwe do uniknięcia (tarcie w produkcie, luki informacyjne, błędy procesu) od koniecznych i usuwać zapotrzebowanie, którego dało się uniknąć, zamiast tylko obsługiwać je szybciej. Przyczyna generująca setki kontaktów tygodniowo to zwykle poprawka produktu lub treści, a analiza przyczyn pozwala przedstawić ją odpowiedzialnemu zespołowi z dowodami zamiast anegdot.
Jakie typy przyczyn kontaktu warto wyróżnić?
Warto dzielić rozmowy według działania, na które wskazują: przyczyny możliwe do uniknięcia (tarcie w produkcie, luka informacyjna, błąd procesu), przyczyny konieczne, czyli rzeczywistą potrzebę pomocy, którą trzeba dobrze obsłużyć, oraz sygnały popytu, czyli powtarzające się prośby o coś, czego firma nie oferuje i co warto przekazać właścicielom produktu lub zasad.
Powiązane pojęcia
- Analityka obsługi klienta
- Analiza przyczyn źródłowych w kontroli jakości
- Wnioski z obsługi klienta
- Jak mierzyć jakość rozmów
- Jak ocenić 100% rozmów (po angielsku)
Proszę sprawdzić, których kontaktów nie powinno być
Prosimy przynieść rozmowy z jednego miesiąca. Pokażemy prawdziwe powody, dla których klienci się z Państwem kontaktują, jaka część tego zapotrzebowania była możliwa do uniknięcia i które poprawki produktu lub treści by je usunęły. Wszystko na podstawie rozmów z Państwa helpdesku w Zendesk lub Salesforce, a każdą przyczynę można prześledzić aż do rozmów, które za nią stoją.
