2
Ima li statistika smisla ako znamo da "prosjek" zapravo ne postoji?
Koje su dimenzije prosječnog pilota?
Krajem 1940-tih Sjedinjene Američke Države su se u oblikovanju i dizajnu borbenih aviona vodile "prosječnim pilotom" prema dimenzijama pilota prikupljenim 1926. No, u tom periodu suočile su se s visokim stupnjem smrtnosti svojih pilota van borbe. Pretpostavili su da je problem u treningu pilota i njihovom neprilagođivanju velikim brzinama aviona.
Pokušali su istraživati moguća poboljšanja zasnovana na pretpostavci da je nešto krivo s pilotima. Kada su iscrpili sve mogućnosti, odlučili su izmjeriti preko 140 dimenzija 4.000 pilota u cilju određivanja “novih” prosječnih dimenzija pilota. Poručnik Gilber S. Daniels želio je znati koliko pilota “upada” blizu prosjeka. Na primjer, ako je prosječni pilot bio visok 170 cm, onda je tražio sve koji su bili visoki između 170 i 180 cm. I tako za 10 ostalih dimenzija. Kad je obradio sve podatke ustanovio je broj pilota koji su bili prosječni. Prosječnih pilota bilo je 0. Nula. Prosječni pilot nije postojao.
Kako onda primijeniti statistiku u praksi?
Isto tako ne postoji ni prosječni korisnik i pozivatelj. Ako kažemo da prosječni pozivatelj provede 44 sekunde u IVR-u, a onda zahtijeva interakciju sa živim korisnikom, nismo ništa rekli. Naime, postoji velika šansa da nijedan pozivatelj ne provede 44 sekunde u IVR-u. Te kao što je poručnik Daniels analizirao stvarne podatke o pilotima, potrebno je analizirati i korisničke podatke koje skupljamo u kontaktnom centru. Potrebno je povezati podatke iz kontaktnog centra sa stvarnim korisnicima te podacima koji se skupljaju po drugim touchpointima (poslovnice, mobilna aplikacija, web).
Takvu analizu na primjer možete koristiti kod kreiranja nove segmentacije svojih korisnika - segmentaciju prema ponašanju u kontaktom centru. Zamislite da uspijete identificirati koje karakteristike korisnika utječu na ponašanje te to znanje iskoristite za tretiranje korisnika u kontaktnom centru.
- Visokovrijedni korisnik koji mrzi IVR - ide direktno u red čekanja za agenta.
- Korisnik koji, ako ne dobije agenta u roku od 36 sekundi, ide direktno na Twitter žaliti se na vašu uslugu - nakon 28 sekundi preskače ostale pozivatelje u redu čekanja.
- Što učiniti s korisnikom koji je u zadnjih 20 dana kupio novi strateški proizvod? Ovisno o sofisticiranosti sustava u kontaktom centru te dubine analize, možete prilagoditi (customize) ponašanje kontaktnog centra svakom pojedinom korisniku.
Znanje koje dobivamo povezivanjem korisničkih podataka s podacima iz kontaktnog centra možemo iskoristiti i u pravcu razumijevanja kako drugi dijelovi organizacije utječu na kontaktni centar. Primjerice, ako je nalaženje informacija nepregledno ili prekomplicirano, tada će korisnik nazvati kontaktni centar. Te dvije informacije mogu pomoći u kvantifikaciji opravdanja promjene. Ili, ako korisnici koji kupe roštilj model XYZ zovu zbog dodatnih uputa, onda znamo da je potrebno unaprijediti roštilj ili upute koje s njim dolaze.
Kako god bilo, podaci koje skuplja kontaktni centar nisu korisne samu u planiranju potrebnih resursa u kontaktom centru. Ti podaci mogu pomoći i u dizajniranju i prilagođavanju usluga i proizvoda stvarnim korisnicima. Stvarnim korisnicima, a ne prosječnim.
Kako primjenjujete statistiku u vašoj kompaniji?
