随着互联网、移动支付和人工智能的发展,客户需求入口多样化,用户体验追求不断提升,对远程银行的质量管理工作带来新的冲击与挑战。智能语音、声纹识别、人脸识别等技术在智能客服中的应用也促使远程银行的质量管理从2.0时代(人工+智能)向3.0时代(人工×智能)转变,暨通过推进横向到边、纵向到底的场景化分工作业模式,形成深度“人机协同”的质量管理模式。

一、质量管理从1.0到2.0时代的发展历程

质检是客户服务工作中推动服务质量提升的中坚力量,其职能主要体现在以下方面:一是挖掘服务过程中存在的问题;二是实施全面质量管理推动中心整体服务水平提高。远银中心成立至今,经历了1.0向2.0的转变,质量管理在每个阶段都发挥了不同的作用,也呈现了不同模式的弊端(图1)。

(一)1.0时代——传统人工质检模式

未引入智能语音技术前,绝大多数呼叫中心的质量管理仅采取传统的人工抽样质检模式,质量管理仅停留在质量评估的环节。由于系统制约、历史局限性等影响,传统质检模式弊端日益显现。

1.覆盖率低导致质量评价风险捕捉能力不足。由于人力和技术原因,行业内质检覆盖率不足30%,很多隐藏价值或风险的录音被忽略。抽样质检极易引发质检与一线员工间的矛盾,对问题洞察也有一定局限性,风险问题捕捉能力不足,难以有效识别风险隐患。

2.对客户需求把握不准导致无法精准改善客户体验。抽样质检无法全面分析客户来电内容,反馈客户需求存在片面性。如源头信息掌握不够准确,质量管理仅能从小的发现截面进行推断,一定程度会影响服务质量改进的针对性与准确性,最终影响客户体验。

3.接触业务有限导致员工专业技能难以提升。随着业务量增加,为满足质检比例,需投入大量人力物力,传统作业模式不可持续。另一方面,若质检师长期处于抽样状态,接触业务有限,长远来看也不利于其业务知识掌握、业务技能培养。

(二)2.0时代——“人工+智能”质检模式

2016年智能质检系统全面上线,开启了2.0时代——“人工+智能”的质量管理模式。运用语音技术充分发挥对业务发展的支持作用,效果逐步显现。

1.拓宽覆盖面提升质检效能与质检价值。可视化智能质检使质检工作从“盲听”转变为“听看结合”,利用文本切入录音节省反复监听时间成本。模型设立及录音全量检索使质量评价更加深入,有效提升质检师专业技能,一定程度缓解质检与员工之间矛盾。

2.数据挖掘与分析夯实业务管理基础。从服务态度、服务规范、操作风险、声誉风险、客户咨询热点、业务类型等六大维度搭建模型库,探索客户需求、管理客户体验、增强客户粘性等价值创造工作。

3.靶向监督增强业务操作风险识别能力。根据风险特征创建风险模型,深挖内部潜在风险,覆盖高风险业务,全面监控业务风险。

工作模式转变与发展必然要求理念定位、工作方式、人才培养理念的转变,目前质量管理模式虽已开启对“人机协同”质检的探索,但也存在一定局限性:

一是沿用传统质量管理理念会给业务发展带来阻碍,“人工+智能”作业模式虽已实施机控,但仍局限于录音监听,是人工与智能的初步叠加,人机协同的深度与广度不够;二是员工素质提升与技术进步需求之间的矛盾使人才培养成为关键;三是现有质检模式多属于“事后”质检,无法实现“事中”管理及强监管期望。四是质检与员工之间的关系虽有一定缓解,但矛盾依然存在。

二、3.0时代——“AI-TQM” 质量管理模式

远程智能银行发展趋势呈现出“服务智能化、渠道一体化、业务场景化、数据应用化”的特征,其转型发展也面临着向经营方向转变的必然选择。3.0时代,要打造“ 人工×智能”全面质量管理模式(AI-TQM),将质量管理贯穿“客户需求洞察-客户问题分析-服务流程制定-服务场景优化-员工能力提升-客户体验提升”全周期,将重心转移到对客户行为、生命周期及价值提升的深入洞察(图2)。

(一)“全流程管理”实现质量管理模式转变

实现全流程质量管理,以“质量”为核心,渗透服务全过程的管理。始终将改善客户体验放在服务工作的首要位置,将服务标准与客户需求相匹配,通过及时介入质量监督、风险防控、流程优化、机会挖掘等事前、事中、事后各个流程,充分反馈及复盘形成服务质量管理闭环。多维度拓展管理内容与范围,实现质量管理由2.0向3.0转变(图3)。

工作范围:完成由简单质检工作向多元质量管理工作转变。将质检师从枯燥重复的监听工作中解放出来,基于对业务场景的深入钻研,承担起质量分析、品质提升、风险预警与机会挖掘的工作,成为相应业务场景的客户体验专家。

作业模式:完成由“人工+智能”作业模式向“人工×智能”模式转变。深入“人机协同”,以业务场景分工为基础,无差别参与机器训练,智能质检应用等数字化服务新形态,应用大数据开展客户模型分析,对内提升员工技能,对外推动产品与服务的改善,双管齐下提升客户体验。

服务群体:完成由单一面向员工向综合面向员工、客户、银行战机群转变。面向一线员工,“问诊”一线员工服务质量,精准定位和高效解决员工痛难点;面向客户,及时洞察反馈客户之声,助推远银服务向涵盖业务咨询、业务办理、投诉受理等一揽子、全流程的金融服务升级。

(二)“场景化分工”实现质量管理工作方式转变

萨缪尔森指出,“专业化是指让个人各自集中精力去完成某一任务,使每个人都可以发挥其特殊技能优势。专业化分工允许人们集中优势完成特定的工作。”技术的日益成熟让全量质检成为可能,尽管模型偏差不可避免,但基于服务场景构建的模型库已实现全量检索,如加入情感识别技术准确识别服务情绪,全量服务评价便可由机器承担,替代质检评价职能。人工则更多承担挖掘问题、分析问题及培训提升的职能。职能转变也对质检师提出更高要求。

1.构建“金字塔”质检专业人才梯队。在外部环境“天时”和内部发展基础“地利”兼备的背景下,“人和”成为关键。转型发展需大力培养专业人才,在内部构建“质检师-专家型质检-客户服务体验师”人才梯队,加大人才支持力度,确保质检师在具备质检通用技能的基础上不断提升综合素质与专业技能,向“专家型质检”及“客户服务体验师”进阶(图4)。

2.实行场景化专业分工作业模式。在通用技能基础上,将质检师按业务场景分模块,实行场景化专业分工,打造“责任田”工作模式。每位质检师在所属“责任田”中均需具备“客户需求洞察-客户问题分析-服务流程制定-服务场景优化-员工能力提升-客户体验提升”等能力。通过不同服务场景切入,将员工定位专家化,以一专多能的培养模式来储备复合人才。通过阶段性专攻某领域,做深研透该领域的客户需求、关键风险点、服务提升要点,成为该领域的专家型人才(图5)。

(三)深度“人机协同”实现质量管理工具应用转变

1.结构化思维、情景化质检,实现数据式质检。海量客户来电数据对客户洞察具有关键的指向作用。根据业务模块及场景设置业务流程、服务用语和情绪识别等关键词,实现数据式质检。如,对投资理财场景进行专项质检,通过数据式质检深入挖掘营销机会,助力“成本中心”向“价值中心”转型,实现数据支撑精细化经营。

2.结合核心业务风险防控与合规性操作,实现“人机合一”智能风控。深度对接服务录音、转译文本、人工服务交易流水等数据,通过构建专项模型组全量监测风险录音,实现多进程与 “360°无死角”风险场景全量监控。

3.积累交互数据建立“有情感的客户画像”,实现服务经营能力提升。结合录音数据将数字化客户画像变成“更富有感情的人”。将语音数据生成的富文本数据,转化为包含个人情绪判定的结构化数据,作为预判客户潜在需求的基础,如,基于智能质检系统从来电数据中提取、分解与提炼出服务案例,与客户画像、产品画像等相结合,开展客户模型分析、标签定义、属性细分与分层管理,探索精准化、差异化服务模式,为客户提供更积极高效、精准匹配的服务方案与产品策略,使品质管理职能实现从支持性服务向新产能服务的转变提供数据基础。

三、“AI-TQM”模式的未来

从远银中心的未来发展趋势看,从“客户服务”到“客户经营”、“空中银行”的转变必然带来各项工作的转变

(一)以客户为导向,实现服务质量管理全面覆盖。服务的最终落脚点是“客户”,“AI-TQM”质量管理模式可改变传统质检方式无法有效挖掘客户需求、挖掘信息片面性的缺陷,真正做到以客户为导向,从客户需求出发,将质量管理的重心转移到对客户行为、生命周期及价值提升的深入洞察,通过参与客户关系管理策略的制定与优化、增强客户粘性等价值创造工作,切实提升客户满意度与忠诚度,提升客户体验。

(二)全面提升质检师综合能力,实现专业人才培养。智能产品已可代替部分人工重复做的工作,未来人工需要做更有价值的工作。业务分析与价值挖掘是其中的重要部分,这就亟待培养综合型分析人才。新模式下,质检师将承担更多洞察客户需求、识别客户痛点难点、捕捉客服人员能力短板进行反馈辅导及优化流程的工作,创造更多附加价值。同时,质检团队综合能力的提升也将反哺质量管理模式的转型升级,形成良性循环。