「洞见」：消费金融业务的服务场景下如何降低客诉？

陈果说体验「DTer 2024-11-10 22:36:10

最近跟几家企业都在沟通客户服务部如何降低客诉的法子，发现无论是大型的互联网金融公司，还是电商/物流公司，或者是银行等，消费金融的业务场景下，客诉的内容基本覆盖消费明细不清楚、积分兑换有问题、权益不能使用、还款能力有问题、审批不过、服务态度差、业务办理慢、业务办理不详细、暴力催收、退款退货效率慢、活动参与不了等内容，那么作为在客户服务部门任职的服务体验策略岗，我们如何提升品质才能保证体验呢？

不难发现，引发客诉的根本原因是客户不满意，客户有自己明确的诉求，那么我们需要提升的是客户满意度；

一、提供服务前

基础服务保障：【基本体验保障70%+】

1. 服务全景的痛点/断层解决

服务痛点：基于服务的全旅程梳理各个客户行为/触点等的痛点进行体验优化和服务提升；
服务断层：识别各个服务的链接是不是顺畅，填平断层，进行提升；
全渠道/全角色/全链路/全场景：服务体验中的渠道是否打通，涉及把所有角色都放进去，链路是否完整，所有的场景是不是覆盖，交叉/复杂场景是否考虑到；

2. 服务效率和品质保障

服务效率的要求：服务时长，服务深度，服务均时，服务精准性，
服务标准化：服务流程的标准化，员工行为的标准化，话术标准化，合规，情绪标准化；流程透明化（确保服务流程对客户是透明的，让他们知道每一步会发生什么，如果有延迟或变更，及时通知客户）；

3. 建立VOC体系

客户声音反馈体系，定期调研，及时跟进；挖掘及优化改善。集成所有的问题进行体验数据分析改善服务；

反馈提案：鼓励员工提供反馈，根据问题及解决方案/落地等情况进行排名奖励（反馈采纳版，部门响应版，个人响应版）
金牌体验官：设立金牌体验官，进行各个产品/服务的体验测评，评选内部最佳项目/服务，最佳体验测评官（最好建议/最多建议的员工）
全角色评价：上下游360度评价，上下级360度评价，跨岗360度评价，客户360度评价，基于评价挖掘体验优化及检验指标情况；
收集声音：全渠道声音采集（客户电话/app/小程序评价，投诉，体验使用数据，）
挖掘声音：综合质性分析‍‍

4. 预防措施（预警/预测/预判机制）

1）客户层面的识别：

分析客户投诉行为的生命周期，识别客户在投诉产生之前的迹象，如问题产生、困惑质疑、情绪激化等阶段。
跟踪客户的投诉信息并及时处理，特别是那些长时间未解决的投诉，以避免问题堆积引发进一步的投诉。
识别和挖掘潜在或隐性的不满客户，对这些客户进行前向关怀，减少投诉行为的发生。

2）业务及流程层面的识别：

梳理业务层面的投诉风险点，关注那些容易引发客户不满的业务、流程节点或产品。
同类型问题避免：之前出现问题的地方，再次出现的概率和频次，根据不同投诉类型产生的原因，建立起相应的预防措施，及时识别和发现引起客户投诉的潜在因素，并采取迅速有效的预防及应急措施，防止或减少新的投诉发生。
建立公司层面的投诉协同机制，明确协同流程和责任分工，优化可能导致客户不满的流程与环节。
客服参与各类产品/服务/活动等上线前的评审，反馈给业务：客服定期召开双周/月度评审机制，定期进行讨论；
流程医生：客服使用/试用评审产品/流程，挖掘问题提出改进；客户反馈问题，客服提出反馈，进行改进；

3）人员层面的识别：

建立投诉预防机制，前向介入客户投诉环节，减少客户投诉行为的发生。
对员工进行专业技能培训，提升他们处理客户投诉的能力。

4）数据分析与预测：

利用CRM系统和数据挖掘技术，如聚类分析模型，对客户数据进行分析，识别投诉风险点。
建立客户流失倾向预警模型，确定客户流失警戒点，并制定挽回策略。

5）投诉记录与持续改进：

记录每一次客户投诉和纠纷，通过系统化的记录分析问题根源，制定改进措施。
定期分析投诉记录，总结常见问题和薄弱环节，提前采取预防措施。

6）投诉预测模型：

构建大数据驱动的投诉预测模型，利用多源、高维度的特征来训练模型，提高预测精度。
客户投诉预测模型：利用机器学习模型来预测客户是否会提出投诉。关键特征和权重组合，如退款金额和赔偿金额，优化模型的性能及对客户行为背后原因的洞察。提前采取安抚措施，降低用户投诉率。
用户行为数据的投诉预测模型：通过用户行为数据探索性分析、数据预处理、变量筛选以及基于SMOTE算法的不平衡样本处理，建立投诉倾向预测模型，并进行效果展示和对比分析。

二、服务中

1. 提升服务质量与效率

通过提升客诉服务处理的速度和效率，减少客户等待时间，降低因效率低下引发的客户不满和再次投诉；

规范话术/规范时间/规范处理的流程/语气语调语速的规范；

2. 数据采集并分析

日/周/月/年均进线量，日/周/月/年均投诉量，日/周/月/年投诉人数，投诉频次（一个人多次投诉/一人一次），投诉原因，投诉类别，投诉话术，投诉时间，客户情绪，投诉解决率，客户诉求（需要的解决方案），客户接受情况，未解决率，赔偿情况，折损等；

3. 分析投诉问题分布情况

具体在哪些人群上（什么特征的人群容易投诉做分析），哪些类型的问题，什么时候高发，问题规模，服务水平指标，客户需求类别，是否有解决方案，接受情况如何，必须赔偿的情况分布在哪些问题上；

4. 因素分析

影响客户体验的因子拆解，找出影响服务体验提升的因素，拆倒各个因子，进行权重分析；

5. 服务提升建议/策略

针对数据情况/因子进行适合当下企业发展阶段，人力配置的长中短期解决方案/策略梳理；

三、服务后（投诉事后改善）

1. 建立分析机制

根据全面关注和专题分析相结合的方式，寻找客户投诉的热点疑点，挖掘投诉管理和投诉处理的薄弱环节，并进行重点有针对性的改善。同时，建立问责机制，对于因工作过错疏忽造成客户大批量投诉以及升级投诉的情况下，查证清楚之后，对于相关部门直接责任人和主管领导给予过问或追究相应责任，从而来提升企业各相关部门对客户投诉问题的重视。