РАЗБИРАЕМСЯ, ПОЧЕМУ ВЫСОКИЙ QA КОНТАКТ ЦЕНТРА НЕ ГАРАНТИРУЕТ ДОВОЛЬНЫХ КЛИЕНТОВ.
За годы общения с руководителями КЦ довольно часто сталкивался с ситуацией: показатели QA выглядят хорошими, операторы уверенно проходят внутренние проверки, а уровень удовлетворённости клиентов при этом не растёт. Недавняя статья на портале CallCenter Helper как посвящена этой проблеме. Авторы отмечают:
проблема часто связана не с работой сотрудников, а с тем, как именно компании измеряют качество обслуживания
Именно об этом и пойдёт речь в сегодняшней заметке.
Реальные примеры аналитики работы КЦ показывает, что нередки ситуации, когда обращения с внутренней оценкой QA выше 90% получают низкую или негативную оценку клиентов. Исследования также показывают слабую связь между традиционными QA-оценками и CSAT: иногда корреляция оказывается практически нулевой или даже отрицательной. Иными словами, высокая оценка по внутренним критериям ещё не означает, что клиент остался доволен разговором.
Основная причина может быть в том, что классические QA-программы изначально создавались не для оценки клиентского опыта, а для контроля соблюдения процессов. Контролёры QA физически не могут глубоко оценивать каждую деталь разговора, поэтому формы оценки обычно строятся вокруг простых и легко проверяемых пунктов: поздоровался ли оператор, подтвердил ли имя клиента, произнёс ли обязательную фразу в конце разговора.
Такие критерии хорошо подходят для контроля регламентов и соответствия требованиям, но плохо отражают реальные ощущения клиента. Для клиента важнее другое: почувствовал ли он внимание к своей проблеме, было ли объяснение понятным, удалось ли решить вопрос без лишних усилий. Именно эти факторы: эмпатия, понятная коммуникация и эффективное решение проблемы сильнее всего влияют на удовлетворённость и лояльность.
В статье утверждается, что контакт-центрам не хватает дополнительного уровня оценки, который показывает именно восприятие клиента. Вместо проверки только соблюдения сценария разговора предлагается анализировать более практичные показатели: насколько клиент остался доволен, сколько усилий ему пришлось приложить, готов ли он рекомендовать компанию и есть ли риск ухода. Современные AI-инструменты уже позволяют автоматически рассчитывать такие показатели по всем обращениям на основе текста и содержания разговора.
Такой подход имеет явное преимущество перед типовыми опросами клиентов по завершении обращения: анкеты заполняет лишь небольшая часть клиентов, и результаты часто оказываются искажёнными. Анализ всех взаимодействий позволяет быстрее находить реальные причины недовольства, например: проблемные процессы, сложные темы обращений или зоны, где операторам требуется дополнительное обучение.
Для того, чтобы QA-оценки не расходились с оценками клиентов следует изменить подход к формированию процедур внутреннего контроля качества: не просто проверять их соблюдение, а стараться понять, как клиент реально воспринимает сервис.
Оригинальные исследования по этой теме были выполнены компанией Miarec.
