本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
經理協助中的調查和建議
當您提出以 開頭的問題why，或當您請求調查指標變更時，調查就會執行。調查是一種多步驟分析，不僅會傳回單一指標值：它會檢查整個聯絡中心的多個相關資料點，以識別哪些因素導致了變更，以及您可以如何處理變更。
重要
調查期間產生的回應可能包含不正確。調查會識別資料中的關聯性，且無法確認確定的根本原因。在做出操作決策之前，請務必驗證調查結果。
調查的運作方式
當您詢問調查問題時，會執行下列步驟：
-
識別 – 決定您想要解釋的指標或條件。
-
調查 – 檢查多個維度的相關指標，包括客服人員活動、聯絡模式和歷史趨勢。
-
關聯 – 識別聯絡中心資料中的模式和促成因素。
-
建議 – 傳回具有建議動作的調查結果。
調查範例
下列範例顯示從此問題開始的服務層級捨棄調查： Our service level is impacted in the last hour but volume looks normal. Investigate what happened.
發現潛在問題時，也會建議調查提示。選擇提示會啟動多步驟分析。
調查期間，會在檢查多個資料維度時顯示處理狀態。調查需要比標準指標查詢更多的處理時間，因此預期回應需要比簡單問題更長的時間。
調查完成時，會傳回結構化分析。格式隨問題的複雜性而異，通常包含主要促成因素、消除的因素，以及建議的動作。
遵循主要促成因素的分析，提供優先建議的動作。每個建議都包含解決已識別問題的原因，並可能包含可信度指標，反映動作如何直接解決該問題。下表顯示此調查的建議動作範例。
| Priority | Action | 可信度 |
|---|---|---|
Immediate |
升級至人力資源管理，以在今天剩餘時間內還原人員配置。識別客服人員缺席的原因：未排定的缺席、狀態濫用或排程差距。隨著磁碟區減少 28%，即使部分人員配置還原也應該快速復原服務水準。 |
高 |
現在 |
啟用佇列回呼，以偏轉目前放棄的 59% 聯絡人。每個回呼都會將放棄轉換為可復原的聯絡案例，並減少其他客戶的等待時間。 |
中 |
避免 |
請勿增加客服人員並行，以取代員工人數。處理時間已經很短 （約 122 秒），因此瓶頸是線上客服人員的數量，而不是他們處理聯絡的速度。將並行新增至人員不足的佇列無法解決問題，且會危及品質降低。 |
不適用 |
策略 |
調查星期五基準。上週五 48.7% 的服務水準也遠低於目標，這表示這不是一次性事件。需要對星期五人員配置進行結構性審核。 |
高 |
調查回應的特性
-
基準比較 – 每個調查結果都會與上一個期間一週的同一天進行比較，而不是與任意閾值進行比較。
-
主要和次要歸因 – 調查會區分促成因素與症狀。例如，由於捨棄的聯絡案例已從平均接聽速度中排除，因此當客戶捨棄時，該指標可能看起來良好。
-
明確消除 – 當某個因素沒有貢獻時，例如上述範例中的聯絡量，回應會指出 具有支援資料。
-
建議中的理由 – 每個建議的動作都會說明解決此問題的原因。
-
訊號強度 – 當可用的資料不足以支援結論時，例如評估數量過低，回應會報告沒有訊號，而不是得出不支援的結論。
有效調查問題的提示
| 而不是這樣 | 試試這個 |
|---|---|
為什麼情況不好？ |
在過去一小時，我們的服務水準下降到 40%，但數量看起來正常。發生了什麼？ |
有什麼問題？ |
為什麼今天的平均處理時間比上週二高？ |
修正佇列。 |
什麼原因導致支援佇列在下午 2 點到下午 3 點之間發生捨棄高峰？ |
支援的調查
您可以詢問下列問題的原因，開始調查。
| 調查類型 | 範例問題 |
|---|---|
服務層級捨棄 |
我們的服務水準下降到 40.6%，但磁碟區看起來正常。發生了什麼？ |
處理時間增加 |
今天為什麼處理時間比上週二多 2 分鐘？ |
捨棄峰值 |
上一個小時內放棄峰值的原因是什麼？ |
磁碟區異常 |
為什麼今天磁碟區激增 50%？ |
佔用變更 |
為什麼在全人員配置時佔用率為 30%？ |
黏著性差距 |
為什麼目前帳單團隊的遵循率較低？ |
客服人員效能差異 |
為什麼 3 個客服人員的處理時間是團隊其餘人員的平均處理時間的兩倍？ |
重要考量
-
調查為唯讀。他們無法變更您的聯絡中心組態。
-
調查結果可識別資料中的相互關聯性和關係。不保證根本原因。
-
當可用資料不足以支援結論時，回應會明確指出 而非投機。
-
調查會檢查 Connect Customer 儀表板和報告中可用的相同資料。
