Em nosso artigo anterior, examinamos como coaching a satisfação coaching (CSAT) para um número pode levar à perda de tempo e esforço, colaborador e dificuldade em melhorar os resultados de CSAT. Este mês, discutiremos o que devemos fazer em vez disso, revelando os principais fatores que impulsionam a CSAT.
CSAT como métrica de resultado
Primeiro, precisamos concordar que o CSAT é uma métrica de resultado no centro de atendimento, não uma métrica de entrada. Por exemplo, digamos que você queira ganhar mais dinheiro por ano. Ganhar mais dinheiro pode ser quantificado como uma métrica, mas é um resultado, não uma entrada.
Por exemplo, se você conversasse com um recrutador ou consultor financeiro e dissesse que seu objetivo é ganhar mais dinheiro, eles não deveriam simplesmente examinar seu currículo ou seus ativos e passivos e dizer: “Ótimo! Para fazer isso, você precisa começar a ganhar mais dinheiro gradualmente e, com o tempo, chegará ao total que deseja”. Se eles fizessem isso, você procuraria ajuda em outro lugar.
O mesmo se aplica quando um supervisor diz a um agente para aumentar seu CSAT, tornando-o um pouco mais alto a cada semana (mesmo ignorando a validade estatística da medida; simplesmente não é um plano útil). Em vez disso, o que você esperaria de um recrutador ou consultor financeiro e o que os agentes deveriam esperar de um supervisor é um plano. Que ações tangíveis você ações tomar para melhorar sua situação? É sobre isso que falaremos neste artigo.
Medindo a experiência do cliente
Obtenha uma visão precisa do desempenho e dados acionáveis que, em última análise, levarão a melhorias sustentáveis na experiência do cliente.
Compreendendo as relações: insumos e principais fatores impulsionadores
O plano para melhorar algo como o CSAT requer a compreensão da relação entre fatores como os insumos e os principais impulsionadores do CSAT. Esses fatores são normalmente observáveis como outras métricas de desempenho e comportamentos dos agentes. Antes de entrarmos em alguns cálculos matemáticos, vou usar um exemplo que torna o raciocínio por trás disso fácil de entender.
Digamos que queremos prever quais jogadores que estão iniciando uma carreira profissional no basquete têm mais chances de sucesso. Podemos pensar em algumas estatísticas que conhecemos e que poderiam nos ajudar.
A altura de um jogador provavelmente é importante; podemos razoavelmente supor que, à medida que sua altura aumenta, suas chances de sucesso também aumentam. A altura do jogador e o aumento das chances de sucesso são uma relação ou correlação entre variáveis. O tamanho das mãos de um jogador também pode ser importante. Novamente, poderíamos testar isso e ver se há correlação com o sucesso.
No entanto, provavelmente também existe uma relação entre a altura e o tamanho da mão, que pode ser substancial (ou seja, quando uma variável muda, a outra muda de forma muito previsível). Quando você observar isso em seus dados, deve ter cuidado.
Pode ser que apenas uma das variáveis preveja sua produção, e a outra preveja sua entrada adicional. Para resolver isso, podemos usar a regressão múltipla. Essa técnica considera várias variáveis e elimina entradas que parecem contribuir para a previsão apenas porque se assemelham muito a outra entrada.
O papel da regressão múltipla
Nesse caso, usando regressão múltipla, podemos descobrir que apenas o tamanho da mão é importante. O tamanho da mão é tão próximo da altura que não precisamos dessa variável, e talvez os jogadores de basquete com mãos maiores em relação à sua altura tenham mais sucesso.
No entanto, o tamanho da mão por si só provavelmente não é muito preditivo (ou isso, ou os olheiros de basquete são excessivamente bem pagos). Muitas variáveis entram em jogo: desempenho anterior, lesões, tomada de decisões e trabalho em equipe. Quanto mais levarmos em conta esses fatores corretamente, mais preditivo se tornará nosso modelo e mais confiantes poderemos estar sobre os resultados prováveis.
Você também pode gostar:
Escolhendo entre CSAT, NPS ou CES: por que isso não importa
Aplicando a abordagem comportamentos
Podemos usar a mesma abordagem comportamentos. Continuando com o basquete, podemos verificar se driblar melhora a precisão antes de lançar uma bola livre. Quantas horas de sono antes de um jogo são ideais? Quantos passes antes de um arremesso levam à melhor chance de fazer uma cesta? Todas essas são coisas observáveis e treináveis que você poderia incluir no plano de melhoria de um jogador. Cada uma delas os ajudaria mais do que dizer: “Você precisa entrar em campo e marcar mais pontos”.
Voltando à matemática e aos centros de contato, seu CSAT (ou qualquer resultado) é uma variável dependente— depende do desempenho de outras variáveis. Suas outras métricas, como tempo de resposta, tempo médio de atendimento (TMO), taxa de escalonamento etc., podem ser variáveis independentes; elas podem prever o CSAT, e você pode controlá-las melhor.
Também é provável que um agente possa fazer mudanças comportamentais que aumentem suas chances de obter um resultado positivo. O agente utilizou os recursos certos? Ele investigou para identificar o motivo do contato? Ele ofereceu todas as soluções razoáveis? Ele explicou os próximos passos?
Identificando os principais fatores que influenciam a CSAT
Você precisa saber quais desses fatores são importantes para seus clientes. Uma pesquisa sobre os principais fatores, que medições a satisfação medições e a satisfação com o que os clientes consideram essencial, pode indicar os fatores nos quais você deve se concentrar.
Além disso, análises dos dados existentes sobre a experiência do cliente utilizando regressão múltipla, CART, qui-quadrado ou outras técnicas podem ajudar a determinar quais fatores influenciam genuinamente a satisfação geral e quais são os mais importantes. Escolher seus principais impulsionadores é semelhante a pegar várias estatísticas de jogadores de basquete e descobrir quais delas predizem o sucesso.
Neste exemplo, a COPC descobriu que “Respeite meu tempo” estava muito acima do principal fator de satisfação, enquanto o cliente havia dado igual peso a todos os fatores presentes.
Depois de conhecer esses fatores, um programa de qualidade robusto torna-se fundamental para sua capacidade de gerenciar a satisfação do cliente. Você não apenas saberá quais fatores são essenciais em nível de programa, mas esse conhecimento também tornará coaching gerenciável e muito mais efetivo. Começar com as informações corretas é fundamental.
No exemplo acima, isso significaria coaching relacionadas ao respeito pelo tempo do cliente antes de se preocupar com outras áreas que precisam ser melhoradas.
Como podemos ajudar na sua jornada
Embora eu espere que este artigo explique parte do processo e por que ele é importante, há muitas etapas e nuances na realização de uma pesquisa e efetivo dos efetivo impulsionadores. e análise efetiva. Se você ficou interessado, saiba que já ajudamos muitas empresas como a sua a identificar as perguntas certas a fazer aos seus clientes, analisar os dados e criar programas efetivo que geram maior CSAT. Se você deseja orientação sobre COPC, teremos prazer em ajudar.
Autor
Nathan Van Allen, consultor da COPC Inc.