Báo cáo chăm sóc khách hàng hữu ích khi trả lời được ba câu: khách liên hệ nhiều hay ít so với lượng đơn hàng, họ phải chờ bao lâu và có được giải quyết dứt điểm không, và vì sao họ phải liên hệ. Câu thứ ba thường giá trị nhất, vì phần lớn lý do liên hệ bắt nguồn từ bộ phận khác: giao hàng, sản phẩm, hướng dẫn sử dụng, chính sách đổi trả.
Bài viết cho trưởng nhóm chăm sóc khách hàng ở cửa hàng trực tuyến, công ty dịch vụ, và người kiêm nhiệm mảng này ở doanh nghiệp nhỏ. Bài tập trung vào đọc số và tìm nguyên nhân. Phần chấm chất lượng từng cuộc gọi và cam kết thời gian phản hồi với khách thuộc trang AI Kiểm Soát; ở đây chỉ bàn cách hiểu đúng các con số đã có.
Lượng yêu cầu: đừng nhìn số tuyệt đối, hãy nhìn trên mỗi 100 đơn
Báo cáo tháng ghi "lượng yêu cầu tăng 25 phần trăm" nghe đáng lo. Nhưng nếu cùng tháng số đơn hàng tăng 50 phần trăm thì thực ra khách đang ít phải liên hệ hơn. Vì vậy chỉ số nên theo dõi là số yêu cầu trên mỗi 100 đơn hàng, hoặc trên mỗi 100 khách đang dùng dịch vụ.
Ví dụ giả định: tháng 9 một cửa hàng trực tuyến nhận 1.200 yêu cầu trên 8.000 đơn, tức 15 yêu cầu trên mỗi 100 đơn. Tháng 10 nhận 1.500 yêu cầu trên 12.000 đơn, tức 12,5 yêu cầu trên mỗi 100 đơn. Nhóm chăm sóc khách hàng bận hơn, cần thêm người, nhưng chất lượng trải nghiệm chung có dấu hiệu tốt lên.
Tách tiếp theo kênh (điện thoại, tin nhắn, thư điện tử, bình luận) và theo giờ trong ngày giúp sắp xếp người trực. Tách theo nhóm sản phẩm giúp phát hiện mặt hàng gây nhiều thắc mắc bất thường so với lượng bán. Một mặt hàng chiếm 5 phần trăm số đơn nhưng 20 phần trăm số yêu cầu là tín hiệu rõ ràng cần xem lại mô tả, đóng gói hoặc hướng dẫn.
Khi nhờ AI, hãy đưa cả số đơn hàng theo cùng kỳ, cùng nhóm sản phẩm, và yêu cầu nó tính tỉ lệ thay vì so số tuyệt đối. Nếu không có mẫu số, AI sẽ chỉ báo được "tăng" hay "giảm", không nói được tốt lên hay xấu đi.
Thời gian phản hồi: vì sao trung bình đánh lừa
Thời gian phản hồi đầu tiên là khoảng từ lúc khách gửi yêu cầu tới lúc có câu trả lời đầu tiên của người thật. Phân bố của nó thường lệch rất mạnh: phần lớn được trả lời nhanh, một số ít gửi lúc nửa đêm chờ tới sáng. Ví dụ giả định của một tuần:
| Chỉ số | Giá trị | Đọc thế nào |
|---|---|---|
| Trung bình | 95 phút | Bị kéo lên bởi các yêu cầu gửi ngoài giờ |
| Trung vị | 12 phút | Một nửa số yêu cầu được trả lời trong 12 phút |
| Phân vị 90 | 6 giờ | Một phần mười số yêu cầu chờ hơn 6 giờ |
| Trong giờ làm việc, trung vị | 8 phút | Đội làm tốt trong giờ |
| Ngoài giờ, trung vị | 9 giờ | Vấn đề nằm ở khung ngoài giờ |
Nếu chỉ báo trung bình 95 phút, người đọc nghĩ đội chậm. Thực tế đội làm nhanh trong giờ; chỗ cần bàn là có trực ngoài giờ không, hoặc có tin nhắn tự động báo giờ làm việc để khách biết chờ tới khi nào.
Khi nhờ AI tính, dặn rõ: "Báo trung vị và phân vị 90 bên cạnh trung bình, tách trong giờ và ngoài giờ theo khung giờ làm việc là từ 8 giờ đến 21 giờ." Kiểm xem nó có tính thời gian chờ theo giờ thực hay chỉ tính giờ làm việc, vì hai cách cho kết quả rất khác.
Giải quyết lần đầu và tỉ lệ mở lại: đo việc xong thật hay chưa
Tỉ lệ giải quyết ngay lần đầu. Số yêu cầu được xử lý xong trong một lần liên hệ, không cần khách quay lại, chia tổng số yêu cầu. Chỉ số này cho biết nhân viên có đủ quyền và đủ thông tin để giải quyết luôn không.
Tỉ lệ mở lại. Số yêu cầu đã đánh dấu đóng nhưng khách quay lại về cùng vấn đề trong một khoảng thời gian, ví dụ bảy ngày, chia tổng số yêu cầu đã đóng. Tỉ lệ mở lại cao cho thấy yêu cầu được đóng sớm cho đẹp số chứ chưa xong thật.
Hai chỉ số phải đọc cùng thời gian xử lý. Thời gian xử lý giảm mà tỉ lệ mở lại tăng thường nghĩa là nhân viên đang chạy theo tốc độ. Nhờ AI đặt ba chỉ số cạnh nhau theo tuần để thấy chúng có kéo nhau không.
Định nghĩa phải thống nhất. Thế nào là "cùng vấn đề", thế nào là "xong" — cần quy ước rõ và áp dụng cho mọi kỳ. Khi đổi phần mềm hoặc đổi cách đóng yêu cầu, ghi chú lại để không đọc nhầm thành biến động thật.
Phân tích lý do liên hệ cùng AI
Lý do liên hệ là phần giàu thông tin nhất nhưng thường lộn xộn nhất: nhân viên chọn nhãn vội, hoặc chỉ có nội dung tin nhắn của khách. AI giúp gom và đếm rất nhanh, với điều kiện dữ liệu được xử lý đúng.
- Xuất danh sách yêu cầu trong kỳ, giữ các cột: mã yêu cầu (đổi thành số thứ tự), kênh, nhóm sản phẩm, nhãn lý do nếu có, đoạn tóm tắt hoặc tin nhắn đầu tiên của khách.
- Che thông tin cá nhân trong nội dung tin nhắn: tên, số điện thoại, địa chỉ, mã đơn, số tài khoản. Có thể nhờ một bước xử lý riêng trên máy để thay các chuỗi số dài bằng ký hiệu, rồi đọc lướt kiểm lại trước khi đưa lên.
- Câu lệnh mẫu: "Đây là 500 tin nhắn đầu tiên của khách trong tháng 10, đã che thông tin cá nhân. Hãy gom thành tối đa mười nhóm lý do liên hệ, mỗi nhóm nêu số tin nhắn, tỉ lệ, và ba ví dụ nguyên văn. Với mỗi nhóm, ghi bộ phận nào có khả năng là nguồn gốc của vấn đề (giao hàng, sản phẩm, thanh toán, thông tin trên trang bán hàng, chính sách đổi trả)."
- Kiểm lại: chọn ngẫu nhiên hai mươi tin nhắn, tự xếp nhóm rồi so với cách AI xếp. Nếu lệch nhiều, sửa định nghĩa các nhóm và chạy lại.
- So với tháng trước bằng đúng bộ nhóm đã chốt, để thấy lý do nào tăng, lý do nào giảm.
Kết quả của bước này thường là món quà cho các bộ phận khác. Ví dụ giả định: một phần năm số yêu cầu là hỏi "đơn của mình đang ở đâu" trong hai ngày đầu sau khi đặt. Sửa nguồn gốc bằng tin nhắn tự động báo trạng thái giao hàng có thể giảm lượng yêu cầu nhiều hơn mọi nỗ lực trả lời nhanh hơn.
Những bẫy hay gặp khi đọc báo cáo chăm sóc khách hàng
Số liệu chăm sóc khách hàng nhạy với cách ghi nhận, nên dễ đọc sai. Một số điểm nên nhớ, và nên dặn AI cùng nhớ:
- Mỗi kênh đếm khác nhau: một cuộc gọi là một yêu cầu, nhưng một cuộc trò chuyện tin nhắn kéo dài hai ngày có thể bị đếm thành nhiều yêu cầu. Cộng gộp các kênh mà không thống nhất cách đếm sẽ sai.
- Điểm hài lòng sau trò chuyện chỉ do một phần khách trả lời, thường là người rất hài lòng hoặc rất bực. Tỉ lệ người trả lời thấp thì con số không đại diện cho mọi khách.
- Tuần có đợt khuyến mãi lớn hoặc sự cố giao hàng diện rộng sẽ lệch hẳn mọi chỉ số. Đánh dấu những tuần này để không so trực tiếp với tuần thường.
- Thời gian xử lý ngắn chưa chắc tốt. Nhân viên có thể đóng yêu cầu nhanh để đạt chỉ tiêu; luôn đọc cùng tỉ lệ mở lại.
- So hiệu suất từng nhân viên chỉ bằng số yêu cầu đã xử lý là không công bằng nếu mỗi người nhận loại yêu cầu khó dễ khác nhau. Việc đánh giá nhân viên cần bộ tiêu chí riêng, không nên rút ra từ báo cáo tổng.
Câu lệnh nhắc AI: "Trước khi nhận xét, liệt kê những tuần có sự kiện đặc biệt được ghi chú và loại chúng khỏi phần so sánh xu hướng, hoặc nêu riêng."
Điểm hài lòng và nhận xét sau hỗ trợ: đọc sao cho đúng
Nhiều đội gửi khảo sát ngắn sau mỗi lần hỗ trợ, hỏi khách chấm mức hài lòng và để lại nhận xét. Trước khi đọc điểm, hãy xem tỉ lệ khách trả lời: số phiếu nhận về chia số yêu cầu đã đóng. Nếu chỉ một phần nhỏ khách trả lời, điểm trung bình phản ánh nhóm người chịu bấm, thường là người rất hài lòng hoặc rất bực, chứ không phải toàn bộ khách.
Ví dụ giả định: tháng 10 có 1.500 yêu cầu, nhận về 180 phiếu, tỉ lệ trả lời 12 phần trăm. Điểm hài lòng bình quân giảm nhẹ so với tháng trước. Với 180 phiếu, chênh lệch nhỏ đó có thể chỉ là dao động. Thay vì phản ứng với điểm số, hãy đọc nhóm phiếu điểm thấp: chúng tập trung vào lý do liên hệ nào, kênh nào, khung giờ nào.
AI rất hợp với việc đọc phần nhận xét tự do. Câu lệnh mẫu: "Đây là 40 nhận xét kèm phiếu điểm thấp tháng 10, đã che thông tin cá nhân. Hãy phân biệt khách không hài lòng với cách hỗ trợ (thái độ, tốc độ, câu trả lời) và khách không hài lòng với bản thân vấn đề (sản phẩm lỗi, giao chậm, chính sách). Đếm số nhận xét mỗi loại, trích hai câu tiêu biểu nguyên văn."
Phân biệt này quan trọng vì nhiều khi khách chấm thấp không phải vì nhân viên làm kém mà vì chính sách đổi trả không cho phép điều khách muốn. Gán điểm đó cho nhân viên là không công bằng; đưa nó vào báo cáo cho bộ phận làm chính sách mới là đúng chỗ.
Báo cáo tháng cho ban giám đốc: biến lý do liên hệ thành việc cần làm
Một báo cáo tháng hiệu quả không dừng ở chuyện nhóm chăm sóc khách hàng làm nhanh hay chậm. Nó chỉ ra những vấn đề mà công ty có thể sửa tận gốc. Cấu trúc gợi ý: số yêu cầu trên 100 đơn so với tháng trước; trung vị thời gian phản hồi trong và ngoài giờ; tỉ lệ giải quyết lần đầu và tỉ lệ mở lại; ba lý do liên hệ tăng nhiều nhất kèm bộ phận liên quan và đề xuất cụ thể.
Đề xuất nên có cách đo hiệu quả. Ví dụ giả định: "Đề nghị bộ phận kho thêm tin nhắn báo đã giao cho đơn vị vận chuyển. Kỳ vọng giảm nhóm yêu cầu hỏi trạng thái đơn. Đo bằng số yêu cầu nhóm này trên 100 đơn trong tháng tới." Cách viết này khiến báo cáo trở thành công cụ phối hợp giữa các bộ phận, không phải bảng thành tích của riêng một nhóm.
Nhờ AI soạn nháp báo cáo từ bảng số đã kiểm được, nhưng yêu cầu rõ: không nêu tên khách, không trích tin nhắn có chi tiết nhận dạng, không quy lỗi cho cá nhân. Sau đó trưởng nhóm đọc lại, thêm những gì chỉ người trong cuộc biết, như một đợt hàng lỗi từ nhà cung cấp hay một thay đổi chính sách giữa tháng, trước khi gửi đi.
Câu hỏi thường gặp
Nên theo dõi thời gian phản hồi trung bình hay trung vị?
Nên báo trung vị và một phân vị cao như phân vị 90, có thể kèm trung bình. Thời gian chờ thường lệch mạnh vì các yêu cầu ngoài giờ, nên trung bình hay phóng đại; trung vị cho biết trải nghiệm của khách điển hình, phân vị 90 cho biết những khách phải chờ lâu.
Có nên đưa nội dung tin nhắn của khách cho chatbot không?
Chỉ sau khi đã che tên, số điện thoại, địa chỉ, mã đơn, số tài khoản và mọi chi tiết nhận dạng, và dùng công cụ được công ty cho phép. Nếu không chắc đã che hết, chỉ đưa phần nhãn lý do và tóm tắt ngắn.
Số yêu cầu trên 100 đơn bao nhiêu là tốt?
Không có mức chung vì phụ thuộc ngành hàng, độ phức tạp sản phẩm và kênh bán. Hữu ích hơn là theo dõi con số của chính bạn theo thời gian và theo nhóm sản phẩm, và tìm những nhóm cao bất thường.
AI có tự gắn nhãn lý do liên hệ chính xác không?
Khá tốt với những lý do rõ ràng, nhưng có thể nhầm với tin nhắn ngắn hoặc nhiều ý. Chốt bộ nhóm cố định, cho AI vài ví dụ mẫu của mỗi nhóm, và kiểm ngẫu nhiên một phần kết quả mỗi kỳ.
Có nên dùng báo cáo này để đánh giá từng nhân viên không?
Báo cáo tổng không đủ để đánh giá cá nhân vì mỗi người nhận loại yêu cầu khó dễ khác nhau. Đánh giá nhân viên cần bộ tiêu chí và quy trình riêng, minh bạch, có trao đổi hai chiều.
Tỉ lệ mở lại nên tính trong bao nhiêu ngày?
Nhiều nơi chọn khoảng bảy ngày, nhưng có thể dài hơn với sản phẩm cần thời gian dùng thử. Quan trọng là chọn một khoảng, ghi rõ trong báo cáo và giữ nguyên qua các kỳ để so được.