基础设施助力双11(九):问题处理流转工单系统

简介: 工单系统以严格的时效保障、清晰的信息流转和完善的的解决方案,保障了整体业务的稳定性,在双11期间的问题协同流转中起到了至关重要的作用。

导言

2017双11巨额成交量的奇迹有目共睹,但是在这样大体量的场景下,一定会出现各种各样的问题,在双11这样一个分秒必争的特殊时刻,问题能否有序高效处理就凸显的至关重要,承载着问题处理流转功能的工单系统在双11当天必然也是如同经历大考。

双11期间的工单量高达日常工单量的2倍,在如此高体量的场景下,问题的处理仍快速有序地流转进行,在系统SLA的的服务监控下,30分钟内工单解决率接近9成,是日常工单处理速度的5倍。

工单系统以严格的时效保障、清晰的信息流转和完善的的解决方案,保障了整体业务的稳定性,在双11期间的问题协同流转中起到了至关重要的作用。

工单系统核心概念

产品定位

工单系统是线上问题协同处理平台,以问题分类为维度,提供标准化的流程和解决方案。服务团队对问题分类提供服务支持,提高各BU、各团队协同处理线上问题的效率,促进线上问题快速解决。

image.png

业务流程图

三个核心理念

将问题精准地分派到对应的处理人及服务团队

• 工单系统将各类业务场景抽象化,将其简单清晰地描述成一个个问题分类,以此作为问题投递的窗口。 提交人可便捷选择问题所处的业务场景进行问题的投递,系统将会自动分配工单给到相应的服务团队进行服务处理。

• 工单系统上抽象了上千个问题分类,覆盖了集团内部绝大多数BU的问题。全面又精准的问题分类可以帮助提单人快速、准确找到问题的归属方,提单人只需要将问题提交到对应的问题分类即可,不用关心问题是谁处理,系统会自动路由到对应的服务组,将工单具体分配到服务组的值班同学。

以团队为整体对外提供服务

• 工单系统转变之前的工作方式,以服务团队的方式对外提供服务,以团队的方式进行服务管理。组内成员进行服务排班,值班人员负责在线处理,同时可以转交其他同学处理并加以监督,既提升了响应速度又减少了工作阻断的次数。

• 团队服务的工作模式改变了从前的工作模式造成的协作效率不高、责权不清晰、中断式协调、缺乏沉淀的状况,在服务管理上加以辅助合理安排,专人专事,实现了团队整体效率的提升。

问题的快速有序处理

• 工单系统提供SLA服务保障,将待处理的事件自动进行分级,对不同级别的问题给予不同的事件要求,保障重要的事情优先得到处理,提高问题时间的处理质量

• 通过钉钉应用、钉钉群机器人、邮件、电话等渠道进行实时提醒、催办、升级,督促保障SLA的执行,推进工单的解决。

工单高效协同

自今年5月工单系统运行以来,首先在集团内某核心战略BU推广运行,从该BU的CTO线开始进行推广,如今已经做到了BU的业务全覆盖。

• 在服务建设上,该BU在工单系统上管理了一套清晰易读的问题分类,已经做到了BU内部业务应用场景的全面覆盖。

• 在服务管理上,通过工单各维度的服务质量相关数据统计分析并加以有效运营管理方式,实现了团队整体效率提升。

• 在时效保障上,BU全员开放“逐层升级到CEO”的超时升级机制,所有工单超时未处理就会逐层告警升级直到CEO级别,通过这种SLA的催办方式,督促提醒处理人解决问题,极大地提升了问题处理流转的效率。

在GOC工单系统的强力支持下,该BU内的使用团队覆盖已超过8成,在实现协同效率提升、问题管理线上化的同时,也将问题沉淀到了知识库。

双11大促流转

工单系统作为问题流转平台,支持日常场景和大促场景的切换,包括大促高响应时效的切换,大促期间值班人员的配置,大促视角信息视图的设置,以及各类统计大盘的信息播报。

在整个大促备战的过程中实现了服务管理、服务排班、事件流转、时效管理、时效保障、视图管理、统计大盘等功能,为事件的快速高效流转处理提供了保障。

时效保障

双11期间, 在SLA机制下通过实时通知、超时提醒、超时升级等方式保障工单的快速响应、异常事件的快速恢复。双11期间,通过钉钉、邮件、短信、电话的方式渠道发送催办、升级消息共计上千次,为事件快速恢复、业务的流畅运转提供了保障。

大促日常化

今年双11期间,部分BU在工单系统上尝试了大促日常化的场景,从前期大促准备,到大促期间的流转都取得很好效果。 工单系统为支持大促场景特点提供了一整套大促场景的各项切换方案,后续也将会紧跟业务节奏,提供更多服务适配和更多场景。

将大促日常化的优点有很多:

• 无需单独为大促准备环境,只需切换大促响应模式(即设置响应时效、配置大促排班、配置大促视图)

• 无需变化日常工作模式,减少培训成本

• 日常&大促数据清晰对比

小结

工单系统在双11大考中经受住了考验,后续我们会持续优化,以期覆盖更多的业务场景、具备更多的功能及更好的性能,从而可以帮助更多的BU更好地提升服务效率。

目录
相关文章
|
14天前
|
存储 自然语言处理 机器人
实战揭秘:当RAG遇上企业客服系统——从案例出发剖析Retrieval-Augmented Generation技术的真实表现与应用局限,带你深入了解背后的技术细节与解决方案
【10月更文挑战第3天】随着自然语言处理技术的进步,结合检索与生成能力的RAG技术被广泛应用于多个领域,通过访问外部知识源提升生成内容的准确性和上下文一致性。本文通过具体案例探讨RAG技术的优势与局限,并提供实用建议。例如,一家初创公司利用LangChain框架搭建基于RAG的聊天机器人,以自动化FAQ系统减轻客服团队工作负担。尽管该系统在处理简单问题时表现出色,但在面对复杂或多步骤问题时存在局限。此外,RAG系统的性能高度依赖于训练数据的质量和范围。因此,企业在采用RAG技术时需综合评估需求和技术局限性,合理规划技术栈,并辅以必要的人工干预和监督机制。
42 3
|
2月前
|
数据采集 监控 测试技术
大型IM稳定性监测实践:手Q客户端性能防劣化系统的建设之路
本文以iOS端为例,详细分享了手 Q 客户端性能防劣化系统从0到1的构建之路,相信对业界和IM开发者们都有较高的借鉴意义。
107 2
|
24天前
|
人工智能 自然语言处理 搜索推荐
AI技术在智能客服系统中的应用与挑战
【9月更文挑战第32天】本文将探讨AI技术在智能客服系统中的应用及其面临的挑战。我们将分析AI技术如何改变传统客服模式,提高服务质量和效率,并讨论在实际应用中可能遇到的问题和解决方案。
158 65
|
16天前
|
存储 安全 开发工具
百度公共IM系统的Andriod端IM SDK组件架构设计与技术实现
本文主要介绍了百度公共IM系统的Andriod端IM SDK的建设背景、IM SDK主要结构和工作流程以及建设过程遇到的问题和解决方案。
37 3
|
1月前
|
数据挖掘 API
如何选择适合的售后工单管理系统
选择合适的售后工单管理系统需评估需求和预算,考察功能、技术支持及服务商可靠性,并全面试用评估。ZohoDesk适合初创和中小企业,具备强大的工单管理、报告分析及可定制性,助力提升服务质量和客户体验。通过合适系统,企业不仅能优化客户服务流程,还能通过数据分析支持决策,推动长远发展。
57 16
|
1月前
|
人工智能 自然语言处理 前端开发
从客服场景谈:大模型如何接入业务系统
本文探讨了大模型在AI客服中的应用。大模型虽具有强大的知识生成能力,但在处理具体业务如订单咨询、物流跟踪等问题时,需结合数据库查询、API调用等手段。文章提出用Function Call连接大模型与业务系统,允许大模型调用函数获取私域知识。通过具体示例展示了如何设计系统提示词、实现多轮对话、定义Function Call函数,并利用RAG技术检索文档内容。最后,展示了该方案在订单查询和产品咨询中的实际效果。
|
15天前
|
前端开发 JavaScript PHP
Thinkphp在线客服系统源码多语言外贸版_PHP客服系统源码Uniapp开发搭建+论文设计
Thinkphp在线客服系统源码多语言外贸版_PHP客服系统源码Uniapp开发搭建+论文设计
|
15天前
|
人工智能 算法 搜索推荐
选择智能工单系统的理由,功能与效益分析
智能工单管理系统利用数字化技术,帮助企业高效接收、分配和解决客户请求,具备多渠道接收、智能分配和自动化处理等功能。通过实时响应、数据分析和协作工具,系统显著提升服务质量和效率,优化客户体验,成为企业提升竞争力的关键工具。Zoho Desk等系统表现尤为突出,支持多种渠道和服务功能,助力企业实现高效管理。
28 0
|
1月前
|
机器学习/深度学习 自然语言处理 搜索推荐
探索深度学习与自然语言处理(NLP)在智能客服系统中的创新应用
探索深度学习与自然语言处理(NLP)在智能客服系统中的创新应用
93 0
|
2月前
|
存储 人工智能 自然语言处理
利用AI技术实现智能客服系统
【8月更文挑战第27天】本文将介绍如何利用人工智能(AI)技术构建一个智能客服系统,以提高客户服务效率和质量。我们将从需求分析、系统设计、功能实现等方面进行详细阐述,并通过实际代码示例展示如何实现一个简单的智能客服系统。

热门文章

最新文章