Nel contesto del contact center, e più in generale della customer experience, i big data analytics agiscono positivamente e in modo deciso su parametri di efficienza ed efficacia della struttura. Non sfruttarli sarebbe una grave lacuna: da un lato, infatti, i contact center possono contare su un immenso patrimonio di dati, dall’altro gli indicatori tradizionali – sia pur utili e usati in tutte le realtà – rappresentano i fenomeni e i processi del contact center in modo piuttosto superficiale.
Il ruolo dei big data analytics nel contesto del contact center
Partiamo dal primo punto: i contact center sono una vera e propria miniera di dati. Lo sono sempre stati, ma a maggior ragione da quando si assiste a una forte digitalizzazione e moltiplicazione dei canali di contatto: oltre alle telefonate, che restano un elemento cardine della relazione col cliente, oggi le strutture hanno a disposizione e-mail, messaggistica web su svariati canali, video e anche interazioni automatizzate via bot.
Ma come sfruttare, o meglio valorizzare, questi enormi volumi di dati tramite la big data analytics? Essendo il contact center il principale centro di relazione tra l’azienda e i suoi clienti, la valorizzazione dei dati coinvolge tutta l’azienda. Nelle conversazioni c’è infatti la voice of the customer, ci sono le loro esigenze, i bisogni ed è espressa in maniera chiara la capacità dell’azienda di soddisfarle. A titolo di esempio, Big data analytics significa capire se ci sono criticità sui prodotti, se la logistica è allineata alle esigenze dei clienti, se i competitor stanno facendo promozioni particolari o sono più efficaci a livello di comunicazione con i propri interlocutori. Tutto ciò non può apparire dai classici KPI della customer experience come il Net Promoter Score (NPS) o il Customer Effort Score (CES).
Sfruttare i dati per migliorare l’efficienza e l’efficacia del contact center
Big data analytics significa anche, e sotto certi versi soprattutto, ottimizzare i processi del contact center, migliorare l’impiego delle risorse ed essere più efficace rispetto alle esigenze dei propri interlocutori.
Sotto questo profilo, le strutture adottano un set di KPI standard (e personalizzazioni varie), tra cui la durata delle telefonate/interazioni, la First Call Resolution, il numero di chiamate ripetute e molti altri. Il limite di questi indicatori, cui si può sopperire proprio con i big data analytics, è la loro superficialità: qual è la durata ‘giusta’ di una telefonata? Quali sono le richieste più comuni? Sono automatizzabili? Quanto sono preparati gli agenti? Come si comportano quelli che concludono più facilmente una vendita? Gli script sono efficaci? Per rispondere a queste domande non basta osservare l’indicatore standard e, magari, confrontarlo con i benchmark di mercato, ma bisogna analizzare i dati delle interazioni. L’esempio delle richieste più comuni è emblematico: i contact center sprecano moltissime risorse in attività di routine e scarso valore aggiunto quando potrebbero automatizzare le risposte tramite chatbot e voicebot, passando agli operatori umani solo i casi più complessi. Ovviamente, per farlo devono sapere quali siano queste richieste: analizzare le interazioni permette di scoprirlo.
I big data analytics permettono di evidenziare comportamenti all’interno del contact center, di capire le cause di indicatori quantitativi e, più in generale, di avere un quadro molto più completo del funzionamento della struttura, da cui interventi mirati di efficientamento e massimizzazione dell’efficacia.
Grazie all’analisi delle interazioni (voce, ma anche testuali), i customer service manager possono comprendere il comportamento degli agenti migliori e l’efficacia (o meno) degli script. Non solo: possono capire quanto debbano effettivamente durate le telefonate nel contesto di quel contact center (non di un altro), se gli agenti abbiano bisogno di sessioni di formazione ad hoc, in quali ambiti siano più preparati e, più in generale, se rispetto al passato l’azienda stia diventando più efficace nel soddisfare le richieste che riceve. Conciliare l’indicatore standard – che pur permane – con indicazioni più precise e dettagliate sui processi è la base da cui partire per eliminare le inefficienze, rivedere i processi e avvicinare la struttura ai propri clienti, da cui importanti (e benefiche) conseguenze sulla customer experience.
