企業HR共享服務中心承擔了大量繁雜的HR事務性工作,管理人員需要通過持續的標準化、流程化和自助化對中心的服務質量和效率進行優化,已達到提質增效的目的。這就要求HR共享服務中心系統有全面的數據統計和分析功能,來支持運營人員基于科學的數據指標體系制定優化策略。具體來說,系統需要支持的數據分析功能如下。

 

?  核心數據指標

服務總量

系統能夠對來自各個渠道的服務總量數據統計,包括人工在線服務總會話量、呼叫的總話務量、總的工單量、機器人會話總量數據。幫助運營人員宏觀上了解員工服務的工作量以及在各個渠道的分布量。

服務效率

互聯網的快速發展使得人們對于消息回復的即時性以及服務的效率有非常高的要求,因此各個服務渠道針對服務效率的數據都應該是服務中心運營人員需要核心關注的數據指標。這里我們整理了效率相關的數據指標,供大家參考。

1.排隊量:現在人們對于排隊等待這件事越來越沒有耐心,排隊會直接引起人們對于服務的不滿。如果服務中心排隊時間長、多次排隊無法接入會直接導致員工認為HR共享服務中心服務水平差,因此排隊量是HR共享服務中需要重點核心關注的一個指標,包括在線人工坐席排隊量、呼叫排隊量數據。需要注意的是,這里的排隊量應該這里的排隊量應該包含排隊成功進入會話、排隊成功進入留言、排隊失敗量的數據。排隊量是指導人力安排的核心指標,企業需要這個數值對服務人員進行合理分配和調整。

2.響應時長:響應時長主要針對呼叫坐席,指的是從發起呼叫申請到通話接通的時間,也就是服務的等待時間運營人員可以參考這個數值對中心的坐席人力進行合理分配和調整。

3.呼損量:呼損量主要針對呼叫坐席,指的是成功呼入但沒有接通的話務總量,包括:IVR放棄、排隊隊列放棄、呼入客服未接聽、無客服在線、非服務時間、客戶快速掛機等情況。我們需要關注這部分數據,并對由于各種原因引起的呼損進行分析,提出對應的解決方案。

4.工單處理時長:相較于在線和呼叫來說,工單針對的是無法提供即時回復的服務,對服務的時效性要求相對較低,但并不意味著工單處理效率就不重要。我們同樣需要關注從工單發起到工單完結的時間,并根據實際的處理周期給服務對象明確、可靠的預期。同時我們可以通過建立SLA服務目標,精準的設置響應和完結的時間要求,并不斷優化工單力流程,縮短工單處理耗時。

5.一次性解決率:一次性解決率指的是統計周期內,同一訪客未二次來訪的會話與總會話數的比值,此數據有一定時間延遲。這一數據指標主要用于評估服務的質量,即服務人員能否精準定位訪客問題,并給準確高效的解決辦法。

6.機器人解決率:機器人解決率是機器人訓練優化最為關鍵的指標,直接反映了機器人能夠多大程度地減少人工工作量。我們在選擇服務商時,很難根據各家采用的智能算法、機器人接待邏輯這些來判斷機器人效果,但我們可以通過機器人解決率這一最為直觀的數據來進行判斷。

服務滿意度

系統支持分別統計包括在線、呼叫、工單、機器人在內的各個渠道的服務滿意度數據,這個指標就是客戶對客服人員工作的打分情況,可以作為一個最直接的評估指標結果。基于方可的滿意度評價,系統并能對好評和差評對應的咨詢內容、來源渠道、響應時長、會話時長分布數據進行統計,從而支持運營人員明確服務優化的方向,制定優化策略。

 

?  小結

HR共享服務中心基于云計算和人工智能技術,將HR的工作化繁為簡,同時方便企業年輕員工高效便捷地通過在線方式獲取服務。避免了遇到問題不知道找誰、找不到人或找到人不能及時處理等尷尬。基于HRSSC平臺的數據統計和分析功能,企業HR服務能夠實現流程驅動、數據指導,不斷提升服務的質量和效率,實現提質增效。