Die Contact Center-Berater   Leistungen Blog     Kontakt Impressum   
 
 
 
 

Analytics in der Kundenkommunikation - aber richtig!

"Ich konnte doch zwischen Experten und Scharlatanen nicht unterscheiden", so sagte Heinz Sebiger, der inzwischen verstorbene Gründer von DATEV zu seinen Erfahrungen in der IT-Branche der 60er Jahre. Der Satz ist zwar inzwischen Jahrzehnte alt, doch ist das Zitat aktueller denn je. Big Data ist in aller Munde, mehr und mehr Projekte haben die Zielsetzung, die unstrukturierten Daten zu analysieren, Insights zu generieren und Handlungsableitungen zu erstellen. Insbesondere in der Kundenkommunikation gibt es Tools verschiedener Hersteller, welche helfen, die Kundenzufriedenheit und auch Umsätze zu steigern, compliant mit Vorgaben zu sein, Kosten senken, Prozessfehler zu identifizieren und beheben oder auch neue Erkenntnisse zu generieren bzw. bekannte zu bestätigen. Immer wieder werden jedoch die Projektziele bei Analytics-Projekten im Rahmen der Kundenkommunikation nicht erreicht. Hier liste ich einige Empfehlungen aus der Praxiserfahrung auf, welche es erlauben, solch ein Projekt erfolgreich umzusetzen.

  1. Projektziele definieren
  2. So manches Projekt scheitert noch vor dem eigentlichen Beginn. Denn die Basis des Erfolges ist eine klare Definition des Projektziels: Soll die Kundenzufriedenheit gesteigert werden? Sollen Kunden langfristig gebunden werden? Sollen Cross/Up-Sell Möglichkeiten verbessert werden? Stets sollten die im Projekt erwarteten Ergebnisse als Grundlage für einen Business-Case definiert werden - mit festen Kennzahlen den zu erwartenden Zeitraum betreffend, der geplanten Verbesserung, erwarteten Verbesserungen an sich, Kosten, Einsparrungen und weitere relevanten Zahlen.

    Gerade dieser Abschnitt der Projektzieldefinition mag durchaus Zeit kosten, diese spart man aber im Gesamtprojekt wieder ein und verringert das Risiko eines zu späten Projektabbruchs aufgrund eines in Schieflage geratenen Kosten/Nutzen-Verhältnisses. Es mag durchaus ein legitimes Ziel sein, bekanntes Wissen mit Zahlen zu untermauern oder bisher unbekannte "Insights" zu generieren, in jedem Fall sollte von Anfang an der Aufwand und die Risiken sowie ein erweiterter Projektteilnehmerkreis mit eingeplant werden.. Je nach Projektziel ist auch ggfs. die Herangehensweise anders, z.B. muss man auf andere Datenquellen zugreifen oder unterschiedliche Projektteilnehmer einbinden.

  3. Datenquellen auswählen
  4. Nachdem man nun weiß, was man erreichen möchte geht es darum, die Datenquellen passend zu den Projektzielen zu suchen und einzubinden. Beispiele für Datenquellen mögen die reine Audio von Sprachaufzeichnungen, Metadaten zu einem Gespräch (Kunde, Dauer, Agent, Gesprächsergebnis etc.), die CTI-Daten (Anzahl Weiterleitungen, On Hold), erweiterte Kundendaten (Kundengruppe, Umsatz etc-), zur Prozessanalyse evtl. auch genutzte Apps auf dem Agentenrechner sein. Nur mit den richtigen Datenquellen lassen sich die gewünschten Erfolge einstellen - eine clevere Auswahl ist hier sehr wichtig. Wenn man beispielsweise das Vorgehen der Agenten mit den Besten Service2Sales-Skills analysieren will, muss man auch die Gesprächsergebnisse (Problem behoben und Verkaufsabschluss) zusammen mit der Sprache auswerten können. Des Weiteren sollten diese Daten technisch und organisatorisch zugänglich sein - es hilft nichts, wenn die Daten in einem veralteten Format vorliegen, welche das Analytics-System nicht auswerten kann oder gar aus rechtlichen Gründen nicht verarbeitet werden dürfen.

  5. Alle Beteiligten involvieren
  6. Ein weiterer wichtiger Punkt ist die Einbeziehung aller Beteiligten ins Projekt. Die IT muss Projektressourcen stellen, die Fachseite Projektleiter, Bedienungspersonal oder Trainer, die Mitarbeiter und gegebenenfalls der Betriebsrat müssen der Aufzeichnung zustimmen, die Rechtsabteilung muss sicherstellen, dass die Kundenzustimmung zur Aufzeichnung eingeholt wird und vieles mehr . Wie man sieht - was aber oft vergessen wird - wird in einem solchen Projekt das gesamte Unternehmen mit einbezogen und dies ist auch gut so. Wehe man hat wichtige Teilnehmer wie z.B. den Betriebsrat vergessen, dann kann dies zu langen Verzögerungen oder gar zum Projektabbruch führen.

  7. Passende Methoden und Techniken auswählen
  8. Essentiell wichtig ist, die Auswahl der richtigen Methoden und Technologien. Es gibt viele IT-Lösungen, aber ob diese immer zum Projekt passen sollte, man sich genauer anschauen. Bei einem Script-Adherence-Projekt muss das System nicht jedes Wort, sondern nur die vordefinierten Phrasen erkennen, kann aber dann möglicherweise keine zusätzliche Insights erzeugen. Anderes Beispiel: Was bringt Analytics in einem Cross-Sell-Projekt, wenn zwar 10% mehr Verkäufe pro Gespräch gemacht werden, dadurch die Gespräche aber 20% länger dauern und die Agenten im Gesamten sogar weniger Verkäufe innerhalb ihrer Arbeitszeit tätigen als vorher. Es ist daher wichtig, von vorneherein zu prüfen, ob die angedachte Analytics-Lösung überhaupt zum Business Case passt.

  9. Kosten im 360-Grad-Blickwinkel betrachten
  10. Ebenfalls sollte man die Kosten ehrlich betrachten. Analytics-Systeme erzielen ganz alleine keine Ergebnisse, sondern benötigen Analysten, welche mit ihnen arbeiten. Will man Insights generieren, bedeutet das im Umkehrschluss, dass man fortlaufend mindestens 1/2 Headcount bei kleinen Unternehmen - in größeren Projekten auch mehrere Leute - permanent für Analyse-Aufgaben abstellen muss. Gerade diese, nicht direkt vom Implementierungsprojekt verursachten, Kosten werden in Projekten doch gerne vergessen. Es kommt auch schon vor, dass der Produktlieferant diesen unangenehmen Punkt nicht proaktiv in der Verkaufsphase anspricht..

Oft empfiehlt es sich, mit einem Projekt erstmals im kleinen Rahmen zu starten und schrittweise vorzugehen. Somit geht man in kleineren Etappen und mit fortlaufendem Kapitalbedarf ähnlich wie bei einer Bergwanderung vor und kann nach jedem Teilprojekt eine Standortanalyse und ggfs. eine Neuorientierung in Richtung des finalen Projekt-Ziels vornehmen. Wichtig wäre auch am Anfang mit kleinen "Leuchtturm-Projekten" zu starten, um den Nutzen einer solchen Lösung im Unternehmen auch transparent zu machen und das Buy-In der anderen Abteilungen zu bekommen.

Wenn Sie diese Tipps in Ihrem Projekt erfolgreich einsetzen, werden Sie sicherlich einige Risikofaktoren identifizieren und ausmerzen. Brauchen Sie nun weitere Hilfe beim Einsatz oder der Inbetriebnahme einer Analytics-Lösung wie der Evaluierung eines Business-Case oder bei der Auswahl und de, Einsatz passender Techniken und Prozesse? Dann kontaktieren Sie uns, gerne beraten wir Sie dabei eine Analytics-Lösung optimal einzusetzen!

20161011 / RRUF
 
 
 
 
 
 
 
 
 
 
 
 
   
 
 
 
 
 
 
   

 
   
Kommentare:

Noch keine Kommentare zu diesem Thema

 
Kommentieren:
   
Name:   
Emailadresse:
    Kommentare werden geprüft und im Anschluss freigeschaltet/veröffentlicht.
Die Emailadresse wird nicht veröffentlicht und dient ausschliessich zu Klärung von Fragen betreffend des Kommentars