2016年,中国呼叫中心知识库发展的五大趋势

简介:

在短缺经济时代,产量即销量,只要生产出来产品不论好坏,总能销售出去;后来的同质化竞争时代,降低价格和增加功能都能带来明显的销量提升,所以我们看到不断的价格战和功能创新。在这两个阶段,企业在本质上不用关注客户的需求和体验,只需要大量生产或者降低成本、提升功能就会有源源不断的客户。

但现在,时代已经改变!

从2015年始,供给侧改革成为热词,一方面我们生产的大量产品积压库存高企无人问津,另一方面是大批国人走出国境采购。加上互联网、大数据等技术手段的应用于普及,我们真正进入了“消费者主权”的时代。这种情景下,企业才会真正考虑用户的需求和体验,这对于直接面对客户的呼叫中心、客户服务中心无疑是一种机会和利好。但同时,对呼叫中心和客户服务中心的能力也提出了更高的要求,我们是否已经准备好了呢?

在这种变革的环境下,作为呼叫中心“大脑”的知识库如何去应对,未来将如何变化?基于中国知识管理中心(Knowledge Management Center Of China,KMCenter)知识库研究和咨询团队的实践和调研,KMCenter对2016中国呼叫中心知识库趋势做出以下预测:

趋势一:重新审视呼叫中心知识库,从一线的知识库建设运营到客户服务全职能的知识管理

客户服务行业之前的管理假设建立在2个基础之上。第一是中国劳动力成本较低、工作过程复杂程度低而重复度高;第二是有限服务,只要为客户提供“差不多”的服务即可。既然他们已经购买,差不多的服务是最经济的方式。

基于第一种假设,大部分客服中心的核心工作以大规模招聘与高人员流失率结合、粗放式培训与严格的绩效考核为主要特色。其管理更多的是对于员工的控制(Control)而非赋能(Empower)。随着近年劳动力成本的上升,客服中心已经不可能用人员数量去弥补管理效率的低下问题;同时,人工智能的发展及其在客服中心的应用,正在将大部分简单、重复的工作机器化。这种背景下,客服中心管理方式面临变革的要求,而变革的核心在于对知识、知识型员工的倚重,其效率来自于他们能力的提升和知识工作的绩效,本质上要求对内部经验进行沉淀、对最佳实践进行整理、常见经验教训的梳理从而高效的重用复用,达成整体运营效率的提升。在我们的咨询实践中也发现,即便是一线知识库的问题,但引起问题的深层原因却在后台的管理层,所谓“”一将无能,累死三军。

基于第二种假设,客户体验是无足轻重的事情。但现在的情势已经变化,通过社会化媒体和互联网手段,一个不满意的客户可以影响到的范围越来越广。而且随着消费升级,人们对于体验的要求也越来越高,并且他们愿意为此付费;同时,对客户需求的洞察和理解,呼叫中心是很重要的渠道之一。销售、市场、公关、客户服务、投资者关系等构成大的客户服务线条,他们共同察觉客户显性和潜在的需求,成为企业创新和升级的核心动力来源。

趋势二:客户对于知识内容的需求向两级发展:更细颗粒度的碎片化和基于复杂问题的内容场景化重组

在不同场景下客户的需求差异极大,有时候TA只需要你给他一句话、一个数字甚至一个“是”或“否”的判断,你多说的任何一个字TA都会觉得很烦。网上不乏吐槽各种官方账户无论什么类型问题、无论大小问题都是一套程式化说辞的段子。这个时候,客户需要知识库内容的碎片化,而且碎片化的颗粒度越小越好。但现在我们的知识库程序大部分是按照文档形式组织的,而不是按“知识点”组织,造成客服人员想简单也无法简单。

另一种场景则是,客户的问题及其引起的原因十分复杂,要解决这样的需求可能涉及到产品维度、政策维度、管理维度、技术维度等几个甚至上十个维度的对应内容。现在的知识库对这类问题完全束手无策,只能依赖于坐席人员的经验和临场发挥,对服务人员能力要求太高。对于该类问题,是否能达成客户满意和良好的体验,只能靠运气。从知识管理的角度言,这种状况需要基于场景的重要性去顺次建立场景化内容组织,弥补靠服务人员能力和临场发挥而服务水平无法保证的问题。

在知识内容的组织上,基于智能客服与人工客服的共同需求,对于词表、本题的构建会成为先进客服中心的热点。

趋势三:知识库系统的升级换代,传统的知识库系统和功能已经不适应新时代的需求。

呼叫中心知识库软件和系统大都脱胎于传统的文档管理(DM)、内容管理(CMS)平台,而这些平台在出现的时候大都是为了管理非结构化的文档、图片、视频等内容,更多是面对产品设计和研发人员、市场和销售人员、人力资源管理等较多需要协同工作和复杂程度较高的知识型员工,而呼叫中心的知识库有自己的特殊性:大部分情境下它很少需要长篇大论,客户也很少有兴趣去研究产品和服务,TA只需要解决当时、当地的问题或弄清楚状况。同时,呼叫中心知识库还要考虑支撑人工智能的机器人、直接面向外部用于客户自助的知识库内容外化,还要保持不同渠道的知识库内容一致性等等。

在这样差异化的需求下,造成用传统方式呼叫中心知识库系统的使用者对系统不满意、反映不好用、不能支撑他们的管理要求等等。这对于呼叫中心知识库系统厂商意味着新机会,新系统需要更多考虑知识的颗粒度水平、能够做到基于场景的碎片化知识更简单的再组织。

趋势四:客户端的知识生产会引起重视。通过对于客户的咨询、问题、抱怨进行研究和挖掘产出新知识,服务自身和其他业务部门。

大部分客户服务中心的知识生产都是由各个业务、职能部门提供原料,客服中心知识库团队按照知识库格式要求和对客户需求的预判编辑内容,在应用中再进行修正,基本上这个过程都是站在官方的立场上。

这样的方式就造成了对于客户的需求了解少,长期追求的知识库内容客户化也无法落地:客服代表认为知识库没有他们需要的内容(大部分情况下其实是存在的),只不过客户语言和官方语言体系不同,描述方式不同,需要客服代表“翻译”的能力较高,对有经验客服人员的依赖性较强。

关于客户问题、抱怨、想法甚至潜台词的表述方式也是一类重要的知识,之前对于该类型知识的关注与处理都很少,这类知识也是智能化客服服务的基础工作,在2016年会有更多客户服务中心开始重视这一块知识的提炼、整理并形成洞察和见解,除服务于呼叫中心自身之外,还可以为市场、研发部门决策提供支撑,避免呼叫中心守着金山做乞丐的窘境。

趋势五:知识库外化,让企业积累的知识直接服务用户而无需“中介”,提升客户满意度。

按照Zendesk 2013年的数据就显示,50%以上的客户希望他们自己解决自己的问题而无需去与官方交流;著名市场研究公司Gartner预测,到2020年客户85%以上的问题和困惑将不与企业的客服人员接触,通过自助方式搞定。

在新环境下,客户遇到大部分问题的典型做法不是去打电话,而是通过自己的方式去发现他们需要的信息和知识。他们可能问自己的亲朋、登录企业的官方网站、用搜索引擎搜索、去问答网站提问、看视频等方式。所以如何在客户没有找企业之前就帮助客户解决问题,成为优秀客户服务中心必须要考虑的问题,这也是建立更好客户体验的途径。

国内外已经有不少企业将自己内部的知识库经过处理(脱密、语言的客户化、更好内容组织等方式)后直接向外部客户公开,便于他们查找,由他们自行解决自己的困惑和问题,只有在特别复杂时才会用到人工渠道。还有一些优秀的客服中心录制了解决客户问题的视频,上传到第三方的视频平台(优酷、爱奇艺等),让客户即便不来官方网站亦能解决各自的问题,收获很高的客户满意度。

本文转自d1net(转载)

相关文章
|
20天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
8961 28
|
19天前
|
人工智能 并行计算 PyTorch
秋叶 ComfyUI 2026 整合包 v3.2 完整部署教程:Python 3.13 + Torch 2.13 全栈升级
秋叶aaaki ComfyUI 2026年8月整合包v3.2正式发布!全面升级Python 3.13.11、PyTorch 2.13.0+cu130及ComfyUI v0.30.2,原生支持MiniMax H3、Wan 2.2、Qwen-Image-2.1等2026主流音视频/图像模型,解压即用,无需环境配置。
3933 16
|
19天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
2292 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
5天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
453 1
|
13天前
|
人工智能 Linux 开发者
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
Codex是OpenAI推出的AI编程智能体,可读取本地项目、理解需求并自动修改代码。支持桌面GUI、命令行(CLI)及VS Code/Cursor插件三种形态,覆盖可视化操作、终端高效开发与编辑器无缝集成场景,助开发者用自然语言驱动编码全流程。(239字)
1030 2
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
|
7天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
8天前
|
人工智能 Linux Windows
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
千问办公(QwenWork)是阿里云推出的AI智能办公平台,支持网页端直接使用及Windows/Mac/Linux客户端下载。提供PPT生成、财报分析、网页搭建等AI功能,个人版免费,企业版198元/席/月。详情见官网qwenwork.cn或阿里云产品页。
1005 0
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
|
19天前
|
云安全 人工智能 安全