北京移动潜在不满意客户识别及服务知感改善方案

潜在不满意客户识别与服务感知改善 （业务服务创新奖项目介绍） 申报部门：中国移动通信集团北京有限公司 2010年 12月 目录 一、项目背景 二、项目创新性 三、项目总体效益 四、项目可推广性 一、为什么进行不满意客户管理？ 数据摘自： in 1985),抚客户不满情绪 避免客户大量流失 发掘客户服务短板 持续提升服务水平 不满意客户管理提升企业服务形象 建立优质服务口碑 平均来说，一个不满意客户会将他的不满意经历告诉 9 10个人，造成负面情绪的快速扩散，影响其他客户满意度 有效的不满意客户管理，可及时安抚不满意客户情绪、提升服务水平，树立企业优质服务形象，达到事半功倍效果 凡是抱怨被满意地解决的客户平均会把他们所受到的对待告诉 5个人 ； 平均来说，一个企业无法听到它的 96%的不满意客户的声音； 每收到一次抱怨，就意味着实际上有 26个 顾客也有同样的问题； 平均来说，一个有问题的人会告诉910个人 ，有13%的客户将会告诉 20个以上的人； 在对明确不满意管理创新的基础上进一步挖掘潜在不满意客户 2009年，北京公司在 全国首次 基于经分系统建立不满意客户管理池，将投诉、热线及营业厅短信评价不满意、调研不满意等不同来源的不满意客户进行有效管理和监控，在集团公司获得经分案例评选 一等奖 2010年，除原有 150万明确不满意客户外，进一步寻找“隐性”潜在不满意客户 已识别的明确不满意客户， 37% 未识别的不满意客户， 63% 09年， 首创 明确不满意客户系统化监控管理 注：北京公司用户规模 2000余万，根据集团满意度调研结果，约 20%客户不满意，即北京公司不满意客户总规模为 400万 有效识别明确不满意客户 150余万 如何找到隐藏的不满意客户 目录 一、项目背景 二、项目创新性 三、项目总体效益 四、项目可推广性 二、项目创新点 国内首次 提出“潜在不满意客户”服务理念，实现客户满意度管理的“未雨绸缪” 理念 创新 国内首次 形成潜在不满意客户的识别方法论， 高效定位“隐形”不满意客户群体 方法 创新 国内首次 实现潜在不满意客户差异化服务，多样化关怀提升不满意客户服务感知 应用 创新 什么是“潜在不满意客户”？ 如何找到“潜在不满意客户”？ 找到后该怎么办？ 入客户预期 学界定潜在不满意客户研究范畴 客户预期 从满意度的传统定义出发，引入客户预期 户期望的服务分为理想的服务和适当的服务两类，当客户服务感受值小于适当服务时，客户就会不满意，是不满意客户分析的关键点 理想的服务 适当的服务 感受到的服务 客户满意度 客户满意度 =服务感受值 客户满意 适当服务值 理想服务值 不满意分析关键点 适当服务是最小的宽容期望值 ，它反映顾客期望接受的基本服务水平，如基本通话顺畅、服务人员业务熟练 客户想要什么样的服务？ 于客户预期 出影响客户服务 感受的三大假设 基于客户预期 在不满意客户发生在客户服务感受低于适当服务标准时。因此，我们假设三种情况会降低客户服务感受值，并针对三种假设条件下满意度进行深度研究与验证 潜在不满意客户 =服务感受值 0 不满意分析关键点 假设影响因素一： 客户渠道使用偏好 客户长期未与服务渠道接触，“适当服务”无从谈起 几乎无服务感受 假设影响因素二： 突发事件影响 受到突发事件或特定场景影响而导致感受到的服务出现瑕疵 服务感受值低 假设影响因素三： 商业过程服务质量影响 客户在日常服务过程中，因商业过程服务质量问题导致服务感知差 服务感受值低 影响客户服务感受的三大假设 二、项目创新点 国内首次 提出“潜在不满意客户”服务理念，实现客户满意度管理的“未雨绸缪” 理念 创新 国内首次 形成潜在不满意客户的识别方法论， 高效定位“隐形”不满意客户群体 方法 创新 国内首次 实现潜在不满意客户差异化服务，多样化关怀提升不满意客户服务感知 应用 创新 什么是“潜在不满意客户”？ 如何找到“潜在不满意客户”？ 找到后该怎么办？ 在不满意客户识别方法 潜在不满意客户识别关键指标探索 针对 假设一 ，渠道接触沉默指标对满意度影响探索 针对 假设二 ，突发 事件影响指标对满意度影响 探索 针对 假设三 ，重点 商业过程服务指标对满意度影响探索 潜在不满意客户模型输出及验证 潜在不满意客户识别模型建设框架 基于客户预期 一步建立起潜在不满意客户识别模型，综合考虑影响客户服务感知的各类指标，利用科学的数据挖掘方法，有效定位潜在不满意客户 道 接触沉默对满意度 影响（ 1/2）：业务特征分析锁定渠道接触沉默客户 剔除专属服务渠道的 团客户联系人等特殊群体 后 ， 锁定半年内的 渠道接触“ 沉默 ”客户 ，通过数据分析发现，该类客户多数是正常消费客户，平均网龄在 3年以上 ， 80%以上 的客户月均消费在 10元以上，且 四分之一 客户为中高端客户 渠道接触 “沉默”客户 定渠道接触沉默客户 据分析勾勒客户业务特征 未 拨打10086 连续 6个月内 未登录过 网站 未使用过营业厅 未 使用过短信渠道 道 接触沉默对满意度影响 （ 2/2） ：调研 验证渠道 接触行为对满意度影响 通过对沉默客户进行抽样外呼调研，验证其满意度水平发现，该类客户的综合满意度比普通客户综合满意度低 12%，标准满意度更比普通客户的低 14%，渠道接触频次是反映客户满意度水平差异的显著指标，因此将其作为潜在不满意客户识别建模重要参数之一 综合满意度 普通客户群 渠道接触 沉默客户 满意度变化率 12% 户调研了解满意度情况 标准满意度 普通客户群 渠道接触 沉默客户 满意度变化率 14% 满意度下降 12% 满意度下降 14% 发 事件对满意度 影响 ：锁定对满意度 影响的突发 事件指标 满意度考核重点商业过程商业过程子项 满意度考评内容 满意度考核指标室内外信号覆盖范围通话畅通（通话过程丌掉线）通话清晰程度（通话无杂音）手机上网速度（数据发送/接收速度）手机上网稳定性收发彩信彩信发送失败次数彩信接收失败次数开通提醒短信未送达率业务申销失败率手机上网w e b /w a p 网页响应时间平均下载速度彩铃开通提醒短信未送达率业务申销失败率手机报开通提醒短信未送达率手机报延时次数（如每月延时1 小时以上次数）业务申销失败率无线音乐俱乐部开通提醒短信未送达率业务申销失败率移动飞信开通提醒短信未送达率业务申销失败率125801 2 5 8 0 挂机评价丌满意客户业务申销失败率1 3 9 邮箱开通提醒短信未送达率业务申销失败率信息获取方便信息获取及时信息准确信息易理解漫游话费准确交费方便停机提醒及时（提前通知）重开机的速度交费成功率漫游交费方便地点方便营业厅环境营业员整体表现等候时间可接受半年内系统故障情况业务办理快捷易接通自动语音引导合理话务员整体表现解答问题能力业务办理方便业务办理成功率高网站稳定性网站界面友好性业务内容丰富业务办理方便业务办理成功率高积分值或积分计划信息易查询积分兑换方便兑换产品有吸引力业务办理方便业务办理成功率高通话畅通( 通话过程丌掉线)室内信号覆盖范围（只是指语音网络覆盖范围）室外信号覆盖范围（只是指语音网络覆盖范围）通话清晰程度（通话无杂音）电话接续时间长短（从开始拨号到听到铃音的时间长短）电话接通率T 网和G 网切换顺畅( T 网指T D 网络,G 网指G S M 网络)网络质量人工热线营业厅服务交费热线接通率 转人工失败率2 小时重复拨打率挂起时间占通话时长比例业务办理成功率排队时长特定业务办理时长半年内营业厅系统故障率（故障营业厅覆盖客户）3 个月内停机次数停机提醒短信送达率客户网站交费成功率客户自助终端交费成功率停机后重开机时长E m a e b /w a p 网页响应时间平均下载速度满足需求易用费用合理开通得到确认取消方便到期积分提醒送达率到期积分清零客户积分计划个人掉话率电话接续时长电话接通率T D 用户新业务话费信息短信下行信息延时业务办理成功率短信送达率（收听后选择短信发送的客户）平均页面响应时长业务办理成功率网厅短信/ 通过不满意诱因指标梳理及调研验证，选取对满意度影响超过 10分的指标，已通过经分系统建设落地实现对 6项突发事件指标的实时监控 在不满意诱因梳理 发事件指标有效性评估 指标满意度影响评估 指标数据获取渠道 指标数据是否准确 外呼调研突发事件影响客户实际满意度水平 经验证，影响客户标满低于普通客户近 10分 数据有效性评估 立突发事件指标常态化监控 以客户满意度考核商业过程为基础，首次通过构建“贝叶斯因果网”分析模型，挖掘并直观展示出各商业过程满意度与公司标准满意度的影响关系 鉴于网络与新业务服务直接影响标准满意度水平，在构建潜在不满意客户识别模型时重点考虑网络及新业务相关指标 业过程满意度影响分析：贝叶斯网络模型快速定位满意度影响关键因素 客户新业务消费特征指标 点对点短信数 飞信短信条数 彩玲开通 业务申销失败率 手机报接送失败次数 网络使用特征指标 是否使用 3 所处基站是否属于热点投诉地区 贝叶斯网络是一种概率网络，它是基于概率推理的图形化网络 相对于其他数据挖掘模型， 贝叶斯网络能够利用简明的图形方式定性地表示事件之间复杂的因果关系或概率关系 什么是贝叶斯网络 网络服务和新业务服务满意度直接影响标准满意度水平 建 潜在不满意客户识别模型： 通过模型验证，实现不满意客户的有效识别 标准满意度潜在不满意 客户识别能力 查全率 =1880/(1165+1880)*100% 查准率 =1880/(1050 +1880)*100% 注： 1、查全率指模型准确识别出的潜在不满意客户与样本中实际不满意客户的比率，是衡量模型识别出潜在 不满意客户能力的尺度。 2、查准率指模型准确识别出的潜在不满意客户与模型识别的全部潜在不满意客户的比率，是衡量模型识 别出潜在不满意客户准确度的尺度。 3、实际不满意客户识别率 =样本数据中实际不满意客户数 /样本客户数，实际不满意客户来源于调研数据 基于前期指标探索结果，在重点引入客户渠道使用偏好、突发事件影响指标、网络和新业务使用特征的基础上，综合考虑客户基础属性、消费特征等因素，构建潜在不满意客户识别模型 通过模型计算，可得到客户不满意发生概率，并将发生概率 50%以上的客户定为潜在不满意客户，模型查全率与查准率均在 60%以上，与随机抽取情况下， 20%的不满意客户识别率相比，模型实际不满意客户识别率提升了 3倍以上 模型识别 满意客户 模型识别 潜在不满意客户 实际满意客户数 1855 1050 实际不满意客户数 1165 1880 满意客户识别率 提升 3倍以上 潜在不满意客户决策树模型示例 二、项目创新点 国内首次 提出“潜在不满意客户”服务理念，实现客户满意度管理的“未雨绸缪” 理念 创新 国内首次 形成潜在不满意客户的识别方法论， 高效定位“隐形”不满意客户群体 方法 创新 国内首次 实现潜在不满意客户差异化服务，多样化关怀提升不满意客户服务感知 应用 创新 什么是“潜在不满意客户”？ 如何找到“潜在不满意客户”？ 找到后该怎么办？ 于潜在不满意客户特征实施差异化服务策略，实现客户关怀精细化管理 针对未接触 潜在不满意客户， 开展互动式服务产品推介， 习惯培养提升客户服务感知 针对接触 的潜在不满意客户， 建立渠道 接 触点关怀， 资源整合提升客户关怀效率 针对 不同原因的 潜在不满意客户 ， 开展创新关怀手段 ， 需求 挖掘 满足客户服务期望 策略一 策略二 策略三 主动出击 守株待兔 对症下药 动出击策略：渠道接触沉默客户服务产品主动推介 资费敏感客户话费类产品推荐 针对长期未接触的潜在不满意客户进行分析，有 费敏感 客户，通过开展互动关怀活动，主动调研客户对话费信息类服务产品的偏好程度，并对高偏好客户开展针对性推荐，有效提升客户服务感知 活动后，该部分客户套餐余量提醒产品的办理率由之前的 12%提升至 58% 锁定资费敏感不满意客户 19%(客户参与调研互动， 套餐余量提醒产品的办理率提升 46个百分点 株待兔策略 (1/3)：建立客户渠道接触点主动关怀模式 针对有渠道接触的潜在不满意客户，采取守株待兔策略，有效利用客户与我们的接触时机，当客户主动与我们的服务渠道接触时，开展服务关怀活动 该策略不但可以避免对客户的打扰，通过对渠道接触时机的合理利用，还可以减轻关怀资源配臵压力 营业厅渠道偏好客户 人工 10086偏好客户 网站偏好客户 短信渠道偏好客户 自助终端偏好客户 短信 营业厅 10086热线 网站 电话经理 户经理 客户渠道偏好细分组 服务渠道 关怀措施 服务产品推荐 优惠资讯推荐 株待兔策略 (2/3)：渠道接触点主动关怀应用场景示例 不满意客户拨打人工热线 热线接通后，系统为客服人员提示关怀内容 客服人员对目标客户进行关怀，提升客户满意度 人工热线接触点主动关怀服务场景示例 目前，通过对客户业务使用偏好、渠道使用偏好的挖掘与应用，已针对 人工热线偏好 和 网站渠道偏好 的潜在不满意客户开展接触点主动关怀服务 为您贴心推荐（您可能对以下服务产品感兴趣） 预存享 业务查询与办理 满意 100优惠资讯 业务查询与办理 网站接触点主动关怀服务场景示例 当客户进行余额查询时的主动关怀推荐 关键 触点 株待兔策略 (3/3)：渠道接触点主动关怀效果 通过上述服务策略的实施，已对 30万网站渠道偏好客户开展服务关怀，活动平均响应率由原来的 8%提升至 33%，客户标准满意度平均成绩由原来的 满意度提升 10% 症下药策略 (1/2)：针对网络及新业务潜在不满意客户开展深访，深入了解客户需求 通过对网络及新业务潜在不满意客户进行深访，发现手机上网是新业务及网络服务的共同短板，而“手机上网速度慢”、“没信号”、“流量扣费不清楚”等是造成不满意的主要原因 新业务不满意原因 手机上网 35% 短信 11% 飞信 11% 彩信 6% 手机报 5% 139邮箱 2% 其他 2% 不清楚 /不知道 5% 无 3% 无效答案 21% 合计 100% 网络不满意原因 新业务方面： 客户对手机上网不满意客户占比最高（ 35）， 网络方面： “手机上网时速度慢”、“手机上网时登录不上 /没有信号”、“信号差”为客户反映最为突出的问题 手机上网产生的问题并非偶然， 89%的客户表示经常受到影响 症下药策略 (2/2)：根据客户深访结果，针对手机上网客户开展服务关怀 目前，针对 35万手机上网活跃客户开展服务关怀活动，向这部分客户推荐数据流量使用查询、数据套餐用尽提醒等服务产品，针对性的改善客户手机上网服务体验 套餐余量提醒 数据套餐用尽提醒 数据流量使用查询 活动 成功参与率 24%， 客户满意度也得到有效改善，标准满意度由原来的 升至 目录 一、项目背景 二、项目创新性 三、项目总体效益 四、项目可推广性 三、总体效益（ 1/3）：提升不满意客户识别率 不满意客户识别率提升 2倍 2009年，通过经分系统支撑，已监控到明确不满意客户 150余万，可识别出全部不满意客户（ 400万）的37% 2010年通过潜在不满意客户识别研究，新增识别出潜在不满意