Les données sont puissantes, peut-être plus que beaucoup d'entre nous ne le réalisent. Elles ont des applications presque infinies. Pourtant, si ses possibilités illimitées sont séduisantes, elles offrent aussi de nombreuses occasions de se perdre dans les méandres. L'une des applications les plus utiles des données dans le monde du support est la mesure des performances de votre équipe. Grâce aux données historiques, vous pouvez apprendre une chose ou deux sur les performances passées de votre équipe. Mais comment pouvez-vous aller plus loin ? Transformez vos données en actions et utilisez-les pour élaborer une stratégie pour l'avenir.
Définir le succès
Réfléchissez aux objectifs ultimes que vous essayez d'atteindre. S'il peut être tentant de chercher à obtenir rapidement un temps de traitement moyen ou un indice de référence CSAT, il serait peut-être plus utile de faire des résultats pour les clients votre objectif principal. Comme le fait remarquer CA technologies, "les mesures n'indiquent pas toujours le résultat du travail, ni s'il a un véritable impact sur l'entreprise." Vos clients sont-ils satisfaits ? Fournissez-vous le service que vous avez annoncé ? Ces résultats, bien qu'abstraits, peuvent susciter plus d'empathie de la part de votre équipe d'assistance qu'un simple chiffre. Utilisez vos mesures comme un objectif secondaire. Si vos agents ont pour instruction de simplement rendre vos clients heureux, ils seront moins enclins à jouer les chiffres en leur faveur.
Contrôlez votre équipe en temps réel
L'un des aspects les plus difficiles de la mesure des performances d'une équipe est le fait que nous regardons continuellement vers le passé. Le temps de traitement moyen, le temps de première réponse et d'autres mesures similaires ne vous montrent que ce qui s'est passé. Une vue en temps réel de votre équipe de support peut être un outil puissant.
Utilisez un tableau de bord tel que Team Pulse pour comprendre les performances actuelles de vos agents. Un tel tableau de bord peut vous montrer combien de conversations sont actuellement traitées, combien de conversations ont été récemment terminées et quels types de files d'attente sont actuellement utilisés. Ce qui est encore plus révélateur, c'est la possibilité de comprendre quels agents sont à pleine capacité et quels agents ont de la bande passante pour assumer des tâches supplémentaires. Si vous remarquez que l'un de vos agents est perpétuellement à pleine capacité ou en dépassement de capacité, cela peut être le signe qu'il a besoin d'aide.
Creusez-vous la tête
Si vous travaillez dans le domaine de l'assistance clientèle, il y a de fortes chances que vous connaissiez déjà les principes de base. Vous savez que les temps de réponse moyens rapides sont souhaitables et que les temps de traitement moyens longs sont à éviter. Plutôt que de rabâcher les connaissances de base, creusons un peu plus profondément dans un exemple d'ensemble de données. Pour cet exercice, je vais utiliser les données de l'enquête client 2018 fournies par l'aéroport international de San Francisco.
J'ai nettoyé les données pour me concentrer sur une poignée de variables : jour de la semaine, porte d'embarquement, zone d'embarquement, STRATA (AM, MID, PM), heures de pointe vs heures creuses, et score de satisfaction. Les notes de satisfaction sont classées de 1 à 5. Supposons que SFO m'ait demandé de comprendre pourquoi certains passagers ont classé leur expérience plus bas que d'autres. Y a-t-il des tendances à découvrir ?
Tout d'abord, je veux voir si je peux prédire quelles variables sont les plus susceptibles d'affecter les scores du CSAT.
Il y a quelques éléments intéressants à noter ici. "STRATA" est le plus fortement corrélé avec les scores de satisfaction. En d'autres termes, le fait qu'un passager prenne l'avion le matin, le midi ou le soir peut influer sur sa satisfaction à l'égard de son expérience. Cette corrélation peut être un indice que je dois analyser les équipes qui desservent l'aéroport pendant ces périodes. Je tiens à préciser que ce modèle particulier ne représente qu'une infime partie des données. Il constitue néanmoins un bon bac à sable.
Sachant que l'heure de la journée peut être un facteur de satisfaction du client, je creuse davantage.
Nous pouvons voir ici que la grande majorité des répondants sont satisfaits de leur expérience (ils donnent à SFO une note de 4 ou 5). Cependant, nous constatons que les répondants qui volent à STRATA 3 (c'est-à-dire sur des vols partant après 17 heures) sont plus susceptibles de rapporter des scores de satisfaction plus faibles que les autres moments de la journée.
Enfin, je veux comprendre comment les scores de satisfaction sont rapportés par zone d'embarquement.
Une autre observation intéressante émerge. Les passagers qui ont emprunté la zone d'embarquement A étaient plus susceptibles de déclarer des scores de satisfaction inférieurs. Il convient de noter que c'est également dans cette zone d'embarquement que le nombre de répondants est le plus élevé.
Compte tenu de ce que j'ai découvert à travers les données, c'est peut-être le moment d'approcher l'équipe pour comprendre ce qui se passe de leur point de vue. Peut-être qu'il n'y a pas assez de personnel pour le nombre de passagers qui passent par la zone d'embarquement A après 17 heures. Il y a peut-être des travaux. Dans tous les cas, je commencerais par parler avec l'équipe pour comprendre, plutôt que d'utiliser les données comme une arme.
Bien que cet exemple puisse sembler hyper-spécifique, considérez le fait que SFO pourrait être votre équipe de support, STRATA pourrait être leurs horaires de travail, et la zone d'embarquement pourrait être quelque chose comme le type de demande du client.
S'adapter et évoluer
Examinez comment les nouvelles technologies peuvent affecter les indicateurs clés de performance de votre équipe d'assistance. Soyez à l'affût des " faux-fuyants " dans vos données. Supposons que vous ayez investi dans un outil de déviation de chat dans le cadre d'une initiative permanente visant à améliorer l'efficacité grâce à l'intelligence artificielle. Une partie de cet investissement signifie qu'un grand nombre des demandes d'assistance courantes généralement traitées par vos agents sont désormais traitées par l'IA. Au départ, vous vous réjouissez de l'augmentation du nombre de demandes déviées, mais vous vous inquiétez de la chute des scores CSAT. Après une enquête minutieuse, vous en déterminez la cause : votre outil de déviation de chat traite des demandes simples pendant que vos agents travaillent sur des problèmes clients plus complexes. Ces problèmes complexes n'ont pas toujours une réponse directe et les scores de satisfaction en souffrent.
Il peut être tentant de débrancher votre outil de déviation pour sauver vos scores de satisfaction et le moral de l'équipe. Mais au lieu de battre en retraite, creusez davantage. Considérez le fait que vous devrez peut-être commencer à documenter un nouveau type de données, comme un score de complexité. Trouvez un moyen de mesurer la complexité des demandes de vos clients et utilisez ces données pour dresser un tableau plus précis du succès de votre équipe.
Vous voulez en savoir plus sur la façon dont le bon logiciel de service client peut aider votre équipe à donner le meilleur d'elle-même ? Téléchargez notre Guide de l'acheteur ici.
