作者：Paula Feit，COPC Inc. 咨询业务副总裁
COPC Inc.最近发布的《调研 》报告显示，在接受调查的联络中心中，仅有44%表示实现了人工智能部署的预期投资回报率。其余56%未能达到预期，而数据指出了一个具体问题：问题很少出在技术本身，而是出在人工智能采用过程中的战略缺口。
造成这一差距的部分原因在于衡量标准。大多数联络中心在开启人工智能之旅时，都采用相同的考核指标：平均处理时间、呼叫分流率和每次联系成本。数据有所波动，商业案例看起来前景良好，投资计划便获得了批准。六个月后，更棘手的问题接踵而至：客户服务质量是否得到了提升？客户是否留存下来？这种体验是否值得维护？效率指标难以回答这些问题，因为它们原本就不是为此设计的。 以结果为导向的方法改变了成功的衡量标准。核心问题变成了：这次互动是否为客户和组织带来了有意义的价值。这种转变改变了需要衡量的指标、人工智能的应用领域，以及判断其是否有效的标准。
为什么效率指标只能反映部分情况
效率指标虽然大家耳熟能详、易于追踪且实用，但其作用也仅限于此。它们反映的是运营内部的情况，却无法告诉你客户的实际体验，也无法说明此次互动是否达到了客户期望的结果。
在仪表盘上，缩短平均处理时间看似是一项成就。但如果互动被草草结束，或者问题未得到彻底解决，同一位客户往往会通过其他渠道再次联系，而且通常会带着更多的挫败感。将联系引导至数字渠道确实可以减少人工服务渠道的业务量，但这仅在客户能够真正完成他们原本想做的事情时才成立。如果他们无法做到，联系请求就会再次出现，而成本只是转移了而已。
将效率指标视为衡量人工智能成功与否的主要标准，这正是其核心问题所在。当效率不断提升的同时，客户体验（顾客体验 ）却在悄然恶化，这种脱节往往难以察觉，直到客户流失率或投诉量激增时才显现出来。
真正重要的结果
在评估人工智能是否为联络中心带来实际价值时，少数关键指标起到了决定性作用，同时需结合相关运营指标进行综合分析。
客户留存。保留现有客户通常比获取新客户更具成本效益，而人工智能可以通过提高服务一致性、减少摩擦以及更有效地解决问题来为此做出贡献。客户留存受定价、产品质量和品牌认知等因素影响，因此不应仅归因于人工智能。关键在于理解人工智能如何为这一整体目标做出贡献。
顾客体验.这不仅关乎问题是否得到解决，更关注互动带来的感受。互动是否清晰、直接且有帮助，还是给客户带来了额外的麻烦和困惑？COPC针对六个国家超过1,000名消费者开展的全球消费者调研 明确揭示了这一关联。全球范围内，对AI互动的满意度为74%，但当AI无需进一步操作即可完全解决问题时，满意度将升至90%以上。 当AI未能解决问题时，净推荐值（NPS）可能会骤降多达70分。这一信号非常明确：对于大多数服务互动而言，只要问题确实得到解决，客户就能接受程式化的语气或有限的同理心。但他们绝不会接受问题悬而未决，或被迫反复投入精力。
营商便利度。在各行业中，所需投入是预测客户忠诚度最稳定的指标之一。 Gartner长期开展的“客户体验指数”（调研 ）研究发现，在服务互动中付出高成本的客户中，有96%会变得不那么忠诚，而付出低成本的客户中，这一比例仅为9%。成本体现在具体细节上：涉及的步骤数量、是否需要重复提供信息，以及获得正确支持的速度。人工智能可以简化流程、优化转接路径，并使自助服务真正发挥作用，但前提是这些解决方案必须能够按预期运行。
运营指标。较低的升级率可能意味着AI能够自主解决更多问题，这对用户体验和系统性能都至关重要。但也可能意味着客户无法联系到人工客服，从而选择放弃，或者在自动化流程中陷入循环。仅凭这个数字本身，无法判断具体是哪种情况。
这些成果正是COPC顾客体验 （顾客体验 ）标准所定义的“绩效”的核心所在。效率、质量和客户满意度应统筹管理，而非相互取舍。同样的逻辑也适用于人工智能。如果某项部署在提升其中一项的同时损害了另一项，那么它实际上并未真正提升绩效。
整合数据，让成果一目了然
成果并非仅体现在单一指标上。只有将运营数据、客户反馈和行为数据结合起来，才能揭示成果的全貌。当将“处理时间”与“重复联系率”和“满意度评分”结合起来分析时，其背后的情况就会显得更加清晰。
从AI到人工客服的交接过程揭示了原因。COPC消费者调研发现，这是在所有六个受访市场中客户旅程中最薄弱的环节。在美国，当AI交互失败后，仅约一半的情况能在该故障点之后得到彻底解决。 中国和澳大利亚从其他角度也暴露了同样的弱点：52%的中国客户反映在问题升级过程中存在某种形式的上下文丢失，而只有20%的澳大利亚客户认为交接过程是无缝衔接的。
在COPC评估中，一条升级路径通常涉及5到9个系统。如果没有结构化的设计，数据就会丢失，上下文信息也会被忽略，客户只能从头开始。只有在跨整个服务旅程分析数据时，这种断层才会显现出来，而仅凭单个系统或单次交互是无法察觉的。
这并不要求从一开始就拥有完美的数据集。大多数组织都是从现有数据出发，在此基础上逐步完善。
当结果起决定性作用时，应在哪些领域应用人工智能
一旦将“成果”作为讨论的核心，关于“在何处应用人工智能”的问题也会随之改变。与其从潜在成本节约最大的领域入手，不如关注哪些领域的改进对客户旅程的影响最大。通常，当成果和效率同步提升时，客户往往会遇到延误、困惑或重复操作的情况。
员工是这一图景的核心。客服人员使用的工具直接影响他们为客户提供支持的质量。能够帮助员工快速查找信息、减少重复性工作或辅助做出更优决策的人工智能，既能提高工作效率，又能提升互动质量。将这种影响与客户成果结合起来进行衡量，可以更全面地了解其价值。
从提出正确的问题开始
效率指标仍将发挥作用。它们能为运营表现提供有价值的洞察，并指出需要改进的方面。在以结果为导向的方法中，其区别在于：这些指标是用来支持更广泛的目标，而非定义这些目标。
实际上，这意味着首先要明确哪些结果最为重要（用户留存率、用户体验以及业务开展的便捷性），然后设法在自身环境中观察或衡量这些结果。这意味着随着认识的深入，要愿意做出调整。目标是建立一种能够随着组织和技术变化而灵活调整的衡量方法。
对于正在评估人工智能投资的呼叫中心负责人而言，更难但更有价值的问题在于：此次互动是否实现了客户期望的结果，以及企业是否因此受益。
如果您希望探讨以成果为导向的衡量方法如何应用于您的联络中心，COPC提供 针对性评估服务 ，将人工智能投资与推动长期价值的运营成果和客户成果相联系。请联系我们，开启对话。
准备好一起工作了吗？
无论您想进一步了解我们的服务，还是对我们的能力有具体疑问，我们都期待您的垂询！
常见问题解答
以结果为导向的人工智能与标准的人工智能商业案例有何不同？
标准的商业案例通常以成本节约为切入点：人工智能将减少多少时间、人力或联系量。而以成果为导向的方法则从更高层面切入：首先明确人工智能旨在为客户和企业带来的成果（更好的问题解决效果、更低的投入、更强的客户留存率），然后确定能够反映该成果是否实现的指标。成本节约仍是其中的一部分，但它与成果指标并列，而非单独决定成功与否。
我们是否应该停止统计平均处理时间和转接率？
不。这些指标仍然能为你提供有关运营状况的有用信息，因此应继续进行跟踪。变化在于对这些指标的解读方式。只有当重复联系率和满意度评分保持稳定时，处理时间的缩短才算是个好消息。处理时间的延长则可能产生相反的误导：当人工智能接手了较简单的咨询后，留给客服代表的咨询往往更为复杂且耗时更长，因此即使运营一切如常，处理时间仍可能上升。 只有当客户能够完成他们原本要办的事情时，分流率的上升才算是个好消息。孤立地解读效率指标，正是导致仪表盘与客户实际情况脱节的原因。
如果我们没有所需的所有数据，该从哪里着手呢？
大多数组织并没有这样做，这并不罕见。第一步是挑选一两个对贵公司业务最重要的结果指标（通常是客户留存率、客户努力程度和问题解决率的某种组合），并确定您现有的哪些数据能够反映这些指标的变化趋势。这些数据可能是重复联系率、针对AI处理的交互的客户满意度（CSAT）和销售满意度（DSAT），或是整个客户旅程中的客户努力程度。 随着可用数据的增加和 AI 应用场景的扩展，情况会随着时间的推移变得越来越清晰。关键在于建立活动与结果之间的联系，而不是等待一个完美的数据集。
这与COPC《顾客体验 》标准有何关联？
COPC《客户满意度绩效管理标准》（顾客体验 ）要求组织统筹管理效率、质量和客户满意度，而非在它们之间进行权衡取舍。8.0版将这一原则扩展至人工智能领域，要求在业务规划和绩效评估中以符合伦理且负责任的方式使用人工智能，并将其应用于语音、数字及混合渠道。以结果为导向的衡量方法正是这一原则的实践体现：它确保对人工智能的评估，遵循与该标准对其他运营环节所采用的同样均衡的绩效评估标准。
领导者在评估人工智能时最常犯的错误是什么？
将AI工具视为分析单位，而非客户旅程。 聊天机器人或许能达成所有内部指标（响应时间、问题自处理率、机器人内解决率），但其所处的客户旅程仍可能带来糟糕的体验——因为问题升级时上下文信息丢失、不同渠道间无法共享数据，或者客户最终不得不向人工客服重复说明情况。孤立评估AI只能告诉你该工具是否正常运行；而衡量整个客户旅程的最终结果，才能告诉你客户是否满意。
