L'expression "période sans précédent" semble tellement exagérée à ce stade, mais elle est vraie. En tant que Customer Success Manager sur Kustomer, j'ai été aux premières loges pour observer l'impact de la pandémie sur les entreprises dont je m'occupe. Certaines sont en difficulté, d'autres en plein essor. Lorsque je collabore avec mes clients à l'élaboration de stratégies commerciales, l'examen des tendances des performances d'une année sur l'autre est une entreprise délicate. C'est un peu comme essayer de juger de la taille d'un ouragan lorsque vous êtes assis dans l'œil du cyclone. L'année 2019 semble déjà bien loin, et qu'est-ce que cela nous apprend vraiment si le temps de première réponse d'une entreprise a augmenté de 30 secondes entre 2019 et 2020 ?
Dans le cadre d'un projet personnel, j'ai commencé à étudier les performances de nos clients de mars 2020 à août 2020. De nombreuses entreprises se sont concentrées sur cette fenêtre temporelle en ce qui concerne leurs performances dans un monde post-COVID. Bien qu'il y ait plusieurs mesures sur lesquelles j'aurais pu me concentrer pour ce projet, j'ai choisi d'en mettre deux en avant : Le temps de première résolution et le temps moyen de traitement. À mon avis, ces mesures sont parmi les plus importantes lorsqu'il s'agit d'évaluer les performances de votre équipe.
Tout d'abord, j'ai rassemblé les mesures du temps de traitement moyen (AHT) et du temps de première résolution (FRT) pour chacun de nos clients. Ensuite, j'ai défini la catégorie d'industrie de chaque organisation. J'ai utilisé les catégories globales suivantes :
- Livraison
- Place du marché
- Vente au détail
- Services
Une fois que j'ai eu les données, je les ai d'abord explorées en triant les clients par catégorie de secteur. J'ai construit un tableau croisé dynamique et j'ai recueilli la valeur minimale, la valeur maximale, la moyenne et la médiane de ces catégories respectives. Ensuite, j'ai exploré les données sans les trier de manière préventive par secteur d'activité - c'est important car je ne voulais pas que le tri par secteur d'activité effectué lors du premier exercice me conduise à des conclusions erronées. Pour le deuxième exercice, j'ai re-trié les données en fourchettes de valeurs pour le temps moyen de traitement et le temps de première résolution, sans les regrouper par secteur d'activité. J'ai ensuite pris note de la façon dont les industries s'alignaient ou non sur ma première analyse. Enfin, j'ai documenté les corrélations que j'ai observées.
Lorsque j'ai commencé à analyser les données, j'ai abordé ma recherche avec une hypothèse centrale : Les temps de traitement moyens seront plus élevés pour les clients des secteurs Marché et Service et plus faibles pour les clients des secteurs Livraison et Vente au détail. De plus, les délais de première résolution seront plus élevés pour les clients des secteurs Marché et Service et plus faibles pour les clients des secteurs Livraison et Vente au détail. À un haut niveau, j'ai constaté que mes hypothèses étaient confirmées.
Les données relatives au délai moyen de traitement et au délai de première résolution sont très dispersées parmi tous nos clients. Certaines organisations opèrent à des extrêmes opposés au sein d'un même secteur, ce qui finit par fausser les données. Un exemple rapide : la catégorie des clients de la vente au détail a une valeur minimale de 0,82 minute pour le temps de traitement moyen, mais une valeur maximale de 46,6 minutes pour la même mesure. Pour contourner cette distorsion, j'ai utilisé les valeurs médianes de ces mesures, car elles constituent de meilleurs indicateurs pour les repères généraux.
J'ai élaboré les recommandations suivantes pour les repères des clients en ce qui concerne le temps moyen de traitement et le temps de première résolution :
- Livraison : 4.45 minutes AHT | 10.2 heures FRT
- Marché : 7,5 minutes AHT | 106,8 heures FRT
- Vente au détail : 6,25 minutes AHT | 9,15 heures FRT
- Services : 8,7 minutes AHT | 22,2 heures FRT
Pour compléter mes recherches, j'ai également lu des études universitaires sur l'analyse comparative (et comment les appliquer avec succès pour améliorer les performances de l'équipe). Une lecture fascinante que j'ai découverte est une étude réalisée par Peter Dickson qui examine l'avantage concurrentiel que les entreprises obtiennent en mettant en œuvre des pratiques d'amélioration de la clientèle. L'analyse comparative est considérée comme une pratique d'amélioration de la clientèle, et il a été instructif d'en apprendre davantage sur la façon dont ce projet particulier pourrait conduire à des résultats plus fructueux pour nos clients. Dickson écrit ce qui suit : "L'économie de gestion et l'économie évolutionniste décrivent toutes deux une théorie comportementale de l'entreprise où les routines d'une organisation déterminent sa compétitivité. Les processus de recherche et d'apprentissage d'ordre supérieur améliorent les routines de l'organisation qui sont définies comme des "façons de faire les choses qui présentent de forts éléments de continuité". Selon ces théories, la survie, l'évolution et la croissance à long terme des organisations sur des marchés concurrentiels dépendent, en grande partie, de la supériorité des pratiques d'amélioration des processus de routine d'une organisation".
Bien que je ne pense pas que l'utilisation de ces points de référence fasse ou défasse le succès futur d'une organisation, il est important de considérer les implications d'encourager les équipes de service client à réfléchir à des améliorations. Ces améliorations favorisent la réussite des entreprises, et le fait de donner à vos agents des objectifs réalisables renforce la responsabilité et l'appropriation.
Un élément important à prendre en compte : Il peut arriver qu'une organisation ignore délibérément le benchmarking - en particulier si elle met en œuvre une stratégie de réduction des coûts. Considérez toujours ce qui est le mieux pour votre marque et votre équipe.
