简单点，让自助语音“贴心”点

一、调查研究背景分析

在信息多元化的今天，人们获取信息的方式也逐步走向多元化，由被动告知走向主动获取。对于客户而言，已经不满足于单一的人工查询、办理方式，客户对于自助语音服务渠道、人工智能服务的需求日益见长；而从运营商方面来言，提供方便、便捷的自助渠道，能够有效降低运营成本、分流话务，并且在一定程度上促进接通率、满意度等各项运营指标达标。鉴于此，给予客户一个便捷、良好的自助服务体验感知，对于客户本身、以及公司的发展都具有非常重大的意义。

10086客服热线，作为中国移动的金字招牌，提供了语音自助和人工两种服务渠道。通过对所在客服中心上半年服务渠道占比分析：在中国移动提供的各项服务渠道中，热线服务占比88%，互联网服务渠道占比12%。由此可见，热线仍然承载着大量的客户群体，绝大部分客户选择通过热线服务渠道寻求业务帮助。而在这88%的使用群体当中，19%客户选择人工服务，69%客户选择使用自助语音服务，自助获取信息，自助语音服务渠道是连接公司与客户的重要承载渠道。因此，提升自助渠道的客户群体服务感知，是提升热线满意度的重要因素。

目前在自助语音服务提供能力方面，存在以下几个困难： （1）前期的客户满意度调研都是针对人工、非人工（包含10086语音自助、短信、APP、微厅、营业厅自助终端等）多种服务提供渠道进行整体调研，未能深入了解到客户针对10086语音自助这一渠道的详细感知和反馈； （2）10086语音自助渠道提供的查询、办理业务较多，菜单界面较为复杂(现共有7个二级菜单,24个三级菜单)，如果需要提升客户使用满意度，无法很好的把握改善重点。

KANO模型是基于顾客需求的细分原理，而开发的一套结构型问卷和分析方法,它可以帮助我们了解不同层次的客户需求,识别影响客户满意的至关重要的因素，进而帮助我们找出提高客户满意度的切入点。因此，笔者选择通过运用KANO模型对10086自助语音服务满意度影响因素作初步的定性分析,以促进自助语音服务的改进和提升,提高客户满意度。

 

二、KANO模型概述

KANO 模型是东京理工大学教授狩野纪昭 (Noriaki Kano)提出的，针对用户需求分类和优先排序的工具，以分析客户需求对客户满意度的影响为基础，体现了产品性能和客户满意度之间的非线性关系。

在KANO模型中，将产品和服务的质量特性分成五种类型，分别用5条线表示其实现率与客户满意度的关系，具体如下图1：

图1：KANO理论模型图l

基本(必备)型属性（M）：产品或服务必须具备的功能或属性，客户不会因为有此功能或属性的存在、优化而感到非常满意，但若无此功能或其提供特性不足时，客户会非常不满意。比如购买手机，商家提供的售后服务越周到，客户越满意。当这个周到服务达到一定水平之后，客户的满意度不会继续上升（客户会考虑手机性能、价格、操作是否方便，等因素），但若不足或缺失，会造成客户的满意度下降。

l 期望（意愿）型属性（O）：产品或服务不一定会具有的功能或属性，但是客户会希望能够得到这些功能或属性。这类功能或属性实现得越多，客户就会越满意，如果此类功能或属性缺失，客户的满意度也会同时降低；比如手机的性能和价格，手机的性价比越高，客户越满意。

l 兴奋（魅力）型属性（A）：超越了客户的期望或者拥有客户没有想到的功能或属性。当这类功能或属性缺失时，不会导致顾客的不满；但当它存在时，能够使得客户满意度急速提升。比如打折促销，商家提供的折扣力度越大，客户越满意。

l 无关紧要属性（I）：客户对它们的性能水平或功能不感兴趣，其存在与否对客户的满意程度没有影响。

l 反向（逆向）型属性（R）：会引起强烈不满或造成低水平满意度的功能或属性，因为并非所有的客户都有同样的喜好。

三、将KANO模型应用于热线自助语音服务渠道

自助语音服务质量调研将以KANO模型为基础，通过将自助语音服务中的各个需求因素进行分类，可以帮助我们判断各个因素对于客户体验感知的影响程度，按照影响程度大小，逐步改善客户对于自主服务质量感知。

3.1确定关键因素

通过走进一线服务人员访谈、业务专家头脑风暴、客户视角体验等多种方法，将客户在使用自助语音服务过程的需求进行了总结，具体如表1：

表1：自助语音服务需求项目分类表

3.2开展问卷调查

问卷设计方面主要依据Kano模型结构性问卷设计的思路，对每个需求项目需要进行正反两个维度调研客户真实评价。答案一般采用五种选项，分别是“很喜欢”、“理应如此”、“无所谓”、“可以忍受”、“不喜欢”。同时，笔者也结合所在客服中心运营现状，在问卷开端，增加了一道对于“自助语音服务整体感知”评价的打分题，用以判断现阶段客户使用自助语音服务的整体满意度。以需求项目“话费查询”为例，问卷设计，如下图2所示：

图2：调查问卷举例

同时为了确保本次客户信息收集的准确性以及有效性，此次调查问卷采用电话外呼的方式开展，调查对象为近三个月内随机抽取的使用热线自助语音服务客户群体。

3.3 问卷结果处理

本次调研一共收集419个成功有效的样本量，通过对这些问卷进行筛选汇总，参照卡诺模型分类表（表2），对所有项目进行分析,每种需求项目会得到25种可能,以话费查询为例，得出话费查询分类统计结果(表3),具体如下：

表2:卡诺模型分类表

表3:话费查询分类统计结果举例

将表3中的各项需求分类数据求和，可以汇总计算出每项需求的占比，从而归纳出各个因素的评价进行分类的表格，经过简单的数据处理后，从而得出每个因素的卡诺属性，见表4：

表4:自助语音服务功能项目KANO属性表

3.4筛选改进因素

根据表4得出的结果中可以发现13个因素都是属于期望型因素。并且根据卡诺理论模型图(图1)中的满意度趋势，可以判断出这些因素都是对客户满意度是正影响。但是却无法进一步判断，这13项因素哪些是重点需要改进的因素，以及其改进因素对客户满意度的影响程度。在接下来，还需要通过满意度的敏感性分析来筛选改进因素，通过找出各因素的满意/不满意影响力，来对各因素的满意敏感性进行比较。-满意敏感性分析是指通过对各项因素的满意影响力（satisfaction influence，SI）和不满意影响力（dissatisfaction influence，DSI）的分析，来判断客户对这些因素满意水平变化的敏感程度，其目的是确定改进哪些因素会更有利于提升客服中心语音自助服务满意度，它们的测量公式为：

SI=(A+O) /(A+O+M+I)

DSI= (O+M)/ (A+O+M+I)

SI的大小显示，如果某项因素得到改进，客户满意强度会有多大的提升；

DSI的大小显示，如果某项因素未满足用户的需求，会对用户满意度的降低产生多大的影响。

将这13项因素通过带入公式计算，得出结果如表5：

表5:自助语音服务功能满意敏感性分析计算结果

根据自助语音服务功能满意敏感分析计算结果,将各功能因素以DSI值为横坐标、SI值为纵坐标，将不同因素带入坐标轴。从图3中，可以得出我们分析的13个因素，都是属于期望型因素。其中，期望因素象限中的因子，离原点越远，代表满意/不满意因素敏感性越大，影响越大。

图3：满意因素敏感性比较四分图（整体）

鉴于此，为了将每个因素的影响大小进行排序，笔者通过满意度敏感指数公式计算各个因素的影响程度。

满意度敏感指数=将各因素的满意度敏感指数结果进行排序，如下表

表6: 自助语音服务功能满意度敏感性优先级别排序表

通过满意度敏感性指数计算结果，可以得出以下结论：

l 充值服务、流量办理、套餐及流量情况查询、话费查询、停复机为排名前五的因素，对于客户的满意因素敏感性较强，需重点关注提升；

l 历史账单查询、WLAN无线上网办理、归属地查询为排名后三的因素，满意因素敏感性稍弱，在提升10086语音自助服务方面，可以适当在其他的因素后面进行考虑提升。

3.5再次筛选改进因素– 贬损和中立客户群体

通过进一步剖析调研问卷,此份问卷整体得分为97.89分,表现较好,但是回到笔者在文章开端提及到的自助语音服务客户群体对于热线满意度评分整体偏低,所以笔者决定从此次调研客户群体中筛选贬损和中立客户群体(评分为1-8分)进行数据分析,关注此部分客户群体的需求和建议来提升自助语音服务能力.经过问卷筛选,共计136个样本量.将客户参评数据依据前面KANO模型处理思路,再来一次客户需求挖掘:

通过数据汇总处理,得出评分1-8分客户群体对于自助语音服务功能需求中的各个因素的卡诺属性，见表7：

可以得出：归属地查询和WLAN无线上网办理两个因素对于贬损和中立客户群体为无差异因素，即不会导致贬损和中立客户群体满意或不满意，而其他11项因素，均为期望因素，即客户的满意状况与该项因素的提供程度成正比例关系。提供得越好，客户越满意。

表7:自助语音服务功能项目KANO属性表(1-8分客户群体)

接下来笔者对贬损和中立客户群体评价的各项因素进行满意敏感性分析,并且根据表8得出的结果绘制满意度敏感性分析四分图4:

l 针对贬损和中立客户群体，充值服务、套餐及流量情况查询、流量办理、停复机、增值业务查询与退订、历史账单查询这6个为期望因素，其好坏直接关系到客户的满意度，也是我们重点提升的方向；

l 充值与返还记录查询、4G资费套餐办理两个因素介乎期望因素和基本因素之间，话费查询、积分查询与兑换、WLAN无线上网办理、密码重置服务，4个为基本因素，可以在原有的基础上，采取措施进行提升；

l 归属地查询为次要因素，对于贬损和中立客户群体满意度影响力较弱。

表8:自助语音服务功能满意敏感性分析计算结果(1-8分客户群体)

图4：满意因素敏感性比较四分图（整体） （1-8分客户群体）

接下来笔者将根据满意度敏感指数计算公式，进一步计算在贬损和中立客户群体中各项因素对满意度影响大小，计算结果如下表9：

通过满意度敏感性指数计算结果，可以得出以下结论：

l 充值服务、套餐及流量情况查询、流量办理、停复机、增值业务查询与退订为排名前五的因素，对于客户的满意因素敏感性较强，需重点关注提升；

l 积分查询与兑换、WLAN无线上网办理、归属地查询为排名后三的因素，满意因素敏感性稍弱，在提升10086语音自助服务方面，可以适当在其他的因素后面进行考虑提升。

表9: 自助语音服务功能满意度敏感性优先级别排序表（1-8分客户群体）

四、总结与规划

通过两次运用卡诺模型，分别针对两个客户群体（整体客户以及贬损和中立客户）评价进行分析汇总，确认了后期自助语音服务满意度提升的方向：

自助语音服务功能提升改进优先级： 根据表6与表9中的满意度敏感性排序前5和后3的因素分布，找到交集因素确定需要优先关注的四个功能分别为：充值服务、套餐及流量情况查询、流量办理、停复机；而WLAN无线上网办理、归属地查询两项功能对于客户满意度影响表现弱，可适当将此部分资源做倾斜。根据以上数据分析，可以进行业务优先级排序，将排在靠前的业务需求，如：优先优化，同时搭载于各互联网服务渠道，增加热点业务信息内容，以满足客户多渠道获取信息的途径，如10086APP、微信公众号等。

基于以上运用KANO模型对客户使用IVR自助服务的调查分析，较多客户对于IVR自助服务能力的期望值较高，对产品的属性和服务行为也抱有较多期待，由此对我们所提供的产品和服务能力要求也随之加大。此类业务敏感性强，对客户满意度影响占比大，应提高重视度。

由此，除了在现有自助语音服务功能需要不断优化改进之外，我们急需要建立对IVR自助服务整体的监控分析平台，通过对不同客户属性及使用行为进行客户画像，细化产品策略服务，为客户提供更具针对性的差异化服务流程，减少客户操作步骤和输入相关信息次数，避免因配合操作和长时间等候带来复杂服务感知，同时结合客户需求因素进行不断的优化完善，以降低该产品服务出现的故障概率，从而更好的满足客户需求。

业务场景设想

流量场景设想：

l 流量自助推荐

客户拨打热线–系统自动判断客户当月剩余流量和近三到五个月的流量ARPU，若客户当前流量达到设定阀值时，系统自动计算较适合客户的流量套餐并推荐客户使用。

l 流量超额提醒

通过设定流量阀值，系统自助判断用户流量使用情况，根据客户近三-五个月的消费习惯及流量ARPU，若某一时间流量超额3-5倍时，系统则通过IVR语音自助通知客户端留意使用情况，避免产生流量超出后的高额费用。IVR自助语音：您好，您当前的流量使用度较高，请留意您的流量情况，避免产生高额的费用，如需办理流量请按1，结束请挂机

IVR自助语音场景设想：

l IVR自助语音个性化服务

根据客户对语音的喜好，设置多种IVR语音服务音频，配置不同的“名人”自助服务，给客户以不一样的服务体验，从而提升客户使用感知，让客户“爱”上自助语音服务；通过TTS文本智能语音转换和语音导航相互协同，如“志玲为您服务请按1，邓超为您服务”请按2。

本文刊载于《客户世界》2017年7月刊；作者为罗燕媚、毛云、彭力力、肖之民；作者单位为中移在线服务有限公司广东分公司广州中心。

转载请注明来源：简单点，让自助语音“贴心”点

本文链接地址：http://www.ccmw.net/article/114578.html