2.觉得荒唐的
@ 数据分析精选:呼叫中心的大数据“中国梦”!
@松子无核:简直是扯蛋。
@Jack_VIVA:扯淡。
@abudie:这呼叫中心有妈咪的水准。
@icecile:真会忽悠,1、对现有客户客服偏好分析不属大数据分析概念;2、对新客户客服偏好基本没法判断,因为你对他掌握信息几为零。
@199IT-互联网数据中心:梦想与现实。
@复旦光华科技:达梦,这个名字好有先见 //@数据分析精选: 呼叫中心的大数据“中国梦”!
@呼叫中心日记:非诚勿扰看多了,楼主应没做过一线运营。
3.挺和赞的
@崔维力77:好文
@霹雳de小强:强悍
@Glory_丰勋:这个应该是一个预期比较好的想法。
@山东-齐鲁:牛逼的数据分析。
@高峡之数据时代:目前各大银行好像就在干这个事情,前段时间我才接到银行的电话,他说他是我的金融专门助理,为我提供1对1的专业金融服务。
@周兆其:华为可以挑战一下。
@邢焱Carol:谁匹配谁?
@郑雪珂_kmei: 数据能说明很多问题。
@CBC_Aers这个思路不错。
4.继续想象的
@maqiao:评论里的很多人没到重庆洗过脚吧?一进足疗城,领班就会问你有熟悉的技师没有。再熟悉一些的就会告诉你,不巧23号没下钟,让12号为您服务吧……
@小橙子孙孙:可以根据星座,生肖,血型进行初始匹配。
@黄河Tony:比如说,一个中年妇女来电(当然有儿子更好),分配给一个小伙子即可。大数据下的相关性已经被证明,同时,原因也很容易想明白。
@悠悠猫妈-爱哭的胖胖熊:很受不了他们用鼻音说话,以至于我一听到,骨子里那点女汉子的血液就开始不安分了……
@wangzx_sh:多找点声音甜美的妹纸。
总体分析下来,觉得荒唐的居多,认为理想化的也不少,包括我在内。
二、大数据下的ACD的难度在哪里?
几个微博比较典型:
1、@彭旻玺认为:案例支持是极端重要的。
2、@王厚东HD 认为:来电的随机性和匹配员工的可用性跟对运营效率的要求是相悖的;对排班和路由策略挑战不小,可以从高端小众VVIP客户做实验。
3、@赵磊--前进档:实时确定好感度是很困难的,如何在短时间内快速评价客户接受前的状态?是否还要考虑客户的性别、年龄、身份、职级、户籍、方言、学历、经常使用的语言风格、性格特质......并且需要一个切实可行的方案。
首先应该考虑一下大数据下的ACD的流程应该是怎样的?
大致分成一下四步:
1、在大数量的基础上进行数据分析,产生规则数据,注意千万不能在客户来电时进行计算,那就太晚了;
2、人工根据规则数据制作规则文档;
3、ACD系统加载规则文档,并实时采集坐席实时数据,如Ready、Busy等状态,并进行实时统计;
4、来电后,ACD系统获取客户数据、坐席实时数据,根据规则文档和规则数据进行分配。