什么时候觉得,数据分析真的非常有用?

虽然数据分析的重要性在今天异常凸现,但是对于很多人来说,数据分析还是没有发挥真正的价值。想在这里跟大家探讨一下,什么时候觉得,数据分析真的非常有用?
关注者
6426
被浏览
1097984

这是一个关于公司政治和数据的故事。这两个看起来毫不相关的概念,因为数据分析的精彩而解决了公司政治的复杂。


一、新官上任三把火的前戏

2005年,我司接到某国际大公司的项目,助其规划呼叫中心战略。说是“规划战略”,其实是给新上任的呼叫中心负责人提供政治弹药。俗话说新官上任三把火,面对在线客服这种纯成本中心而不容易出成绩的部门,新来的负责人为了尽快做出令人瞩目的突破,可谓是相当激进和勇敢:誓要改变呼叫中心的流程,同时达到省成本和提体验两个本就是互相违背的目的。

他的战略是两手。其一,通过菜单优化和简化,提升IVR体验和加大IVR服务比例。

IVR(Interactive Voice Response),自助语音菜单



其二,人工服务学习欧美医疗的分诊机制,在最前端设立一个“分诊客服”,当用户第一次接触人工的时候,了解用户需求之后,迅速把用户转接到合适的IVR服务或者“专业客服”,由他们提供更专业更精准的服务。



以今天的视角来看,这位领导非常之超前,首先是用机器替代人,只不过是叫IVR,不好意思叫AI;其次是,专业化分工和流水线作业;最后,通过简化产品来提升用户体验,有那么一点苹果Home键的极简思路。但是用在12年前的这个时候,这样的超前战略布局把大部分人都吓尿了。啥?原来的上百个菜单要砍到几十个,虽然那些菜单很不常用,但是用户找不到投诉怎么搞?用IVR替代人是个什么鬼东西?专业化分工客服怎么搞,分诊客服和专业客服能配合好吗?

新领导的手下们纷纷“冒死进谏”,希望步子小点闲着蛋,可是雄心勃勃的老板雷厉风行准备立即开干。大家忧心忡忡担心各自乌纱之际,某位老江湖献计:“老板,这个锅可以让人来背嘛。我们小范围试行您伟大战略的过程中,引入一家国际知名战略咨询公司在一旁帮我们做优化和评估。首先,我们可以及时完善您的伟大战略,让伟大更加伟大。其次,如果时运不济,我只是说如果和假设,您的战略在实施过程中遇到小麻烦,那也是国际知名咨询公司都论证无误的方案,纯粹是个意外,我们也没有责任。”新领导大老板闻言大悦道,“老司机,就这么上车吧!”

以上情节和对话纯粹为脑补,如有雷同纯属意外。

于是我们咨询团队就这样被一个大合同砸中了头然后匆忙上阵。考虑到当年的那种数据基础和技术手段,我们很快就犯难了,就这点通话量等宏观数据,搞不出啥方案评估的结果来。顶多只能找市场调研公司发问卷,定性定量得问问用户体验如何,打个分和之前的服务相比如何。稍微懂行的人就知道,这个调研是一件非常扯皮的事情,存在着样本选择、问题设计以及提问引导等等各种可以随意更改最后结果的环节。而我们咨询团队的领队也是老司机,深知甲方的项目背景以及需要什么样的结论,这种海森堡测不准的事情,我们除了顺着客户说同时在其中找出几个增值点,也就算满足客户需求了。即使不顺着甲方之前的建议来说,作为我们唯一调研方案的用户调研,从方法论到实施过程都是千疮百孔,也经不起用户调查。


二、不服输的数据爱好者

眼睁睁,这个项目只好甲方乙方“沆瀣一气狼狈为奸”糊弄过去。可是可是,那些年那些兔,我还是个非常年轻的技术男,非常不甘心这样,最后站出来告诉老板:希望以市场调查为辅,以纯数据分析为主;定义可量化的目标(成本和服务质量),全程埋点监测用户路径,AB测试……这些当前看似习以为常的术语其实在12年前,许多都还没有专属名词。万幸的是,我老板是毕业于美国名校的生物大牛PhD,一听这套思路寻思联想到自己曾经搞的各种双盲测试结合,非常开放得让我一个人带着两个实习生放手去尝试,剩下的人走市场调研的老思路。

第一步是定义目标函数。

  • 什么是成本,每天的话务量和客服人数都有波动,单看来电量或者接通量肯定有误差。最后是通过看单位成本来衡量,单位成本=人工服务时长/所有的有效拨叫用户量。有效拨叫用户量利用来电号码去重。
  • 什么是体验,话务量和客服人数的波动会影响体验,单看等待时长或者接通率肯定有误差。最后是通过反复拨叫客服用户的占比来代表体验,因为反复拨叫客服的用户,证明第一次没有接通或者进入呼叫中心后问题没有得到解决而需要重复拨打。


指标定义清楚之后,接着按照下图把各类数据定义清楚,然后在所有可能的地方生成日志以便产生所需的数据,按照当下的术语叫做“埋点”。

在收集到含有所有这些数据的日志之后,进行数据清洗和结构化,最后建立逻辑树(Logic Tree),当然按照现在的术语叫做金字塔模型和漏斗模型。比如:人工服务总时长=人工服务单位时长x人工服务话务量,人工话务量=总话务量x(1-IVR服务比例%),总话务量=发起话务量x接通率,发起话务量=有效呼叫用户量x人均呼叫次数,等等。


绘制出用户的详细轨迹,找出整个流程的瓶颈。


绘制出按操作时间的比例分布图,对用户行为进行详细的拆解和分析。

绘制出IVR菜单的转化漏斗,对IVR菜单设计合理性进行详细分析。

最后设计分流措施,达到AB测试的结果,有纯随机流量的AB测,也有弱一些的按地域分开的AB测,方便结果之间的对比。


三、Data is the new sexy

如果说结果是无可辩驳有点夸张,但是纯数据的方式非常有说服力。一方面验证了大领导的远见卓识,一方面也从实施角度找到若干风险点帮助大领导优化执行节奏,而这些建议都是依靠传统的市场调研无法获得的。比如:

  • 新流程虽然降低了平均人工服务时长,实现了大领导的重要目标,但因为分诊客服的操作不熟练,分流不精准而不能解决用户需求,让重复拨打的用户大幅提升,最终反而提升了总人工服务时长,同时降低了服务质量。对症下药就是提升分诊客服的熟练度,以及将解决用户需求的IVR菜单拆分得更原子化以便更精准得解决用户需求。
  • IVR菜单根据漏斗模型来优化菜单,重点是降低菜单的宽度和深度。基于用户路径的分析,进行许多微观层面的改进而把用户来电尽可能得引导到IVR服务,比如:把占最大比例的查询话费余额放在首层菜单的首位;对一些下行比例很低的菜单进行删除或者调整;强制用户在听完第一层IVR菜单后才能跳转到人工服务等等。



最后我们的结果震撼了客户以及大老板,虽然有忠言逆耳的部分,但是在认可他的大方向的同时,又用难以辩驳的数据和方法论提出了战略执行中若干需要把握节奏和提升体验的细节,其实帮助他更好地实现其战略和收获不一样的成绩。

数据分析,让我们不用违心的人云亦云,也不用以给客户做枪的方式来获得回报,这一种很好的站着把钱挣到手的方式。


…更多文章请到数据冰山 - 知乎专栏

…更多回答请看何明科