【導讀】質量,是提升核心競爭力的當務之急。銀行業(yè)的客服中心是商業(yè)銀行戰(zhàn)略。成本中心的特性,常常成為銀行提升服務質量的瓶頸和突破口。隨著電話客戶群體日益壯大,得以保證,嚴重影響客戶的感受和企業(yè)服務能力的提升。力不匹配,導致服務質量難以保證的這一制約客服中心發(fā)展的關鍵問題,的管理者具有現實指導意義。即導致來話量最多的熱點業(yè)務。然后梳理總結、比對現有技術條件下。狀和需解決的問題作了深入的剖析。其他渠道功能和特點,指出進行話務分流的必要性及可行性。探索性數據挖掘技術手段進行客戶需求分析。引導至合適的電子渠道,從源頭總量上分流話務。

　　

【正文】 。 所謂節(jié)流 , 是指通過應用高技術手 段來提升運營效率 , 降 低運營成本。 銀行業(yè)的客服中心 作為我國呼叫中心行業(yè)的先行 者 , 現代金融呼叫中心在技術層面已經與 Inter 和 3G 實現了融合 , 其功能也從僅僅 提供受理語音咨詢和投訴的客戶服務 ,發(fā)展成為與 CRM 系統(tǒng)融合 ,開展運 用包括語 音、 文字、 圖像和視頻等多媒體手段進行立體化服務和交互的多功能中心。 其發(fā)展與 [3] 實踐有如下特點 : (1) 多渠道策略追求 客戶滿意度 。 多樣化的服務渠道和客戶滿意度存在著密切 的關系 。 多樣化的服務 策略一方面可以讓客戶不必忍受某一渠道的不便 , 如去網點可 能面臨的擁堵的 交通和排隊等候 , 如撥打客服 中心熱線持續(xù)占線無法接通 , 而有機會 選擇更適合客戶自己的便捷服務渠道 , 提升服 務效率和客戶滿意度 。 另一方面銀行渠 道的電子化率越高 , 對 服務和交易成本的降低更有利 , 也 體 現出銀行業(yè)客服中心對于 節(jié)約成本的價值。 (2 ) 提供基于客戶價值的個性化分層服務。將有限的資源用于價值客戶 ,提 升價值客戶的滿意度和忠誠度可以使銀行的價值實現最大化 , 這就要求銀行業(yè)客服中 心能夠與 CRM 系統(tǒng)進行對接 ,通過數據挖掘技術 ,對客戶的信息和行為進行分析 , 感知客戶潛在的金融服務需求和價值等級 , 并 為這些客戶分配合適的服務技能 , 或者 為客戶提供同等級的服務質量及恰當的服務渠道。 另外 , 客戶也可將自己常用的金融 業(yè)務進行聚合 , 定制個性化的電話銀行 , 提高效率。 這些功能對于客戶起到 了提升客 戶滿意度 的作用 , 對于銀行客服中心則加快了處理速度 , 提升了服務能力 , 節(jié)省了成 本。 (3) 呼叫中心與 CRMCustomer Relationship Management 技術整 合 。 CRM 是 以客戶管理為中心 , 用以規(guī)范企業(yè)的市場營銷、 銷售流程 , 技術支持 、 客戶服務的管 [3] 理工具。 呼 叫 中 心 擁 有 與 客 戶 溝 通 的 多 種 渠 道 , 記 錄 客 戶 咨 詢 記 錄 與 軌 跡 , 通 過 CRM 軟 件 進 行 分 析 , 搜 集 潛 在 客 戶 進 行 追 蹤 管 理 。 呼 叫 中 心 通 過 計 算 機 集 成 技 術 10 北京理 工大 學工 商管 理碩 士 (MBA ) 學位 論文 (CTI ) 對 重 點 客 戶 和重 點 業(yè) 務進 行 識 別 , 并將 客 戶 分配 相 應 負責 人處 理 , 實現 一 對 一服務 ,不僅提高了工作效率 ,同時節(jié)約客戶時間 ,提高服務質量。 (4) 呼叫中心與數據挖掘技術結合。 數據挖掘是指從大量的、 不完全的、 有噪 聲的、 模糊的、 隨機的 數據中提取隱含在其中的、 人們事先不知道的、 但又是潛在有 用的信息 和知識的過程。 呼叫中心在日常呼入與呼出工作中 , 不斷積累用戶數據 , 利 用電腦軟件技術、 模型化算法對客戶信息進行處理 , 提煉客戶有用信息 , 挖掘出消費 者的呼入軌跡 , 對消費者進 行分類 , 結合銀行的業(yè)務 , 提供更加個性、 有效性的服務。 客戶 關系管 理 (CRM )理 論 CRM (Custom Relation Management )即客戶關系管理 ,在企業(yè)中用來管理與客 戶之間的關系。 CRM 思想起源于美國 , 在 1980 年初即有所謂的“ 接觸管理” ?專門收 集客戶與公司聯(lián)系的所 有信息 , 1990 年前后演變成包括電話服務中心支持資料分析的 客戶關懷中心。 CRM 是企業(yè)經營模式由“ 以產品為中心” 向“ 以 客 戶 為 中 心” 的模式轉 移的必然結果。 它可以應用到企業(yè)的市場營銷、 銷售、 服務等環(huán)節(jié) , 圍繞客戶進行全 方位的深 度分析 , 提高客戶的滿意度 , 改善企業(yè)與客戶的關系 , 進一步提升企業(yè)的市 [4] 場競爭力 。 客 戶 細分 Customer Segmentation, 又 稱 為 關系細 分 Relationship Segmentation, 是 20 世紀 50 年代中期由美國學者溫德爾 ? 史密斯提出 , 是指按照一定的標準將企業(yè)的現 有客戶劃分為不同的客戶群的行為。 客戶細分是產品和服務進行開發(fā)及市場營銷的基 礎 , 是使差異化成為可 能 , 使提供的產品和服 務更直接的針對某一客戶群的重要環(huán)節(jié)。 這包括理解客戶對產品和服務的偏好 , 針對客 戶的需求提供產品和服務 。 理解客戶 對 銷售和服務的要求 , 有 針對性的設計服務渠道。 客戶分類的標準可以通過消費行為分 類 , 或對按照客戶的消費心理進行分類。 客戶分類是客戶分析的基礎 , 為數據挖掘提 供更具有針對性的基礎 , 確保 數據分析的可信 性。 本文將客戶進行分類是為了匹配更 符合客戶需求的服務和渠道 , 故主要標準為顧 客致電真實需求 , 其中包括重復致電業(yè) 務、單一需求業(yè)務和關聯(lián)性強的業(yè)務。 數據 挖掘理 論 數據挖掘 (Data Mining ,簡稱 :DM )就是從 大量的、不完全的、有噪聲的、模 糊的、 隨機的實際應用數據中 , 提取隱含在其中的、 人們事先不知道的、 但又是 潛在 11 北京理 工大 學工 商管 理碩 士 (MBA ) 學位 論文 有用的信息和知識的過程。 與數據挖掘相近的 同義詞有數據融合、 數據分析和決策支 持等。 這個定義包括好幾層含義 : 數據源必須是真實的、 大量的、 含噪聲的 。 發(fā)現的 是用戶感興趣的知識 。 發(fā)現的知識要可接受、 可理解、 可運用 。 并不 要求發(fā)現放之四 [5] 海皆準的知識 ,僅支持特定的發(fā)現問題 。 數據挖掘的功能 [6] 數據挖掘的功能通常具有五類 ,分別是 :(1) 概念的描述。 單純的一個概念通常是對一個包含著大量數據的類的總體情 況的描述 ,通過對包含著大量數據的類進行概括性的總結獲得簡明、準確的描述。 (2) 分類與預測 。 分類用于抽取能 夠描述重要數據的集合或用來預測未來數據 趨勢的模型。 分類方法用來預測數據對象的離散類別 , 與此同時 , 預測則可以用來預 測數據對象的連續(xù)取值。 3. 聚類分析。聚類分析的基本原則是 :各聚類內部數據對象間的相似度最大化 。 而各聚類對象間相似度最小化。 4. 關聯(lián)分析。 關聯(lián)可以分為簡單關聯(lián)、 時序關聯(lián)和因果關聯(lián)。 關聯(lián)分析的目的是 找出數據庫中隱藏的關系圖。本論文所采用的購物籃分析即為關聯(lián)分析。 5. 異類分析。 異類分析也叫孤立點分析。 那些符合大多數數據對象所構成的規(guī)律 的數據對象就被稱為是異類。 對異類數據的分析 處理通常被稱為是異類挖掘。 數據挖掘過程 如果把數據挖掘廣義的理解為從數據中獲得有用信息的過程 , 那么數據挖掘可分 [7] 為以下 8 個步驟 : (1)理解數據和數據的來源 (understanding)。 (2)獲取相關知識與技術 (acquisition)。 (3)整合與檢查數據 (integration and checking)。 (4)去除錯誤或不一致的數據 (data cleaning)。 (5)建立模型和假設 (model and hypothesis development)。 (6)實際數據挖掘工作 (data mining)。 (7)測試和驗證挖掘結果 (testing and verfication)。 12 北京理 工大 學工 商管 理碩 士 (MBA ) 學位 論文 (8)解釋和應用 (interpretation and use ) 由上述步驟可看出 , 做 好完整的 數據挖掘工作 , 前期要花費大量的時間和精力作 好數據的預處理 ,包括理解數據的含義、確定數據的來源、數據的凈化、 格式轉換、 去重、 變量整合等工作。 就客服中心而言 , 無論是呼入還是呼出 , 均可以積累大量的客戶基礎數據 , 如客 戶致電號碼、 基本屬性、 業(yè)務交易數據、 系統(tǒng) 操作軌跡等。 數據挖掘技術就為整合這 些數據 ,為業(yè)務 所用 ,挖掘出數據價值 ,作為決策依據提供可能。 購物籃介紹 關聯(lián)規(guī)則是數據挖掘中的一個重要的挖掘模式 , 它是解決數據之間存在的相互聯(lián) 系的算法。 關聯(lián)規(guī)則的 目的就是在一個數據集中找出項與項之間的關系 , 也被稱為購 物籃分析。 當顧客在超 市購物 , 購物籃中的商 品被營業(yè)人員通過收款機一一結算記錄 , 購 物 籃 分 析 通 過 記 錄 的 數 據 對 一 名 顧 客 所 購 物 品 進 行 分 析 研 究 出 顧 客 購