Digitalisierung im Service Center

Teil 2

Die Digitalisierung ist momentan in aller Munde und macht von den Service Centern nicht halt. In diesem Zusammenhang werden auch immer wieder gerade in den Medien „Untergangszenarien“ prophezeit. Überschriften wie: „Der Call Center Agent hat ausgedient“ oder „Call Center: Müssen wir nur noch mit Robotern sprechen?“ sind keine Seltenheit.

Effizienzsteigerung durch Automatisierung von Prozessen mit grossen Volumina

Bei der Digitalisierung und Automatisierung gilt es immer abzuwägen, wieweit die Effizienz in der End-to-End Betrachtung gesteigert werden kann. Die Kombination von Bearbeitungszeit und First Contact Resolution (FCR) ist ein gutes Indiz für die Effizienz eines Kanals. Abbildung 4 zeigt den Vergleich von Telefon und E-Mail. Hier schneidet der Telefonkanal nach wie vor gut ab. Bei beinahe gleicher FCR ist die Bearbeitungszeit beinahe zwei Minuten kürzer. Gerade weil hier email Ping-Pong vermieden werden kann, steuern Unternehmen mit einem hohen Reifegrad im Kundenservice mittlerweile mehr in Richtung Telefon oder Chat. Die Regel „Eingangskanal gleich Ausgangskanal“ hat in Zeiten der Digitalisierung also mehr und mehr ausgedient. Denn: Wenn eine Kundenmail eintrifft, die der Mitarbeiter nicht versteht, weil sie bspw. schlecht formuliert ist, sollte dieser Mitarbeiter also den Kunden zurückrufen. Denn die Wahrscheinlichkeit, dass der Kunde plötzlich verständlicher schreibt, erhöht sich nicht, nur weil der Mitarbeiter ihm eine Rückfrage per E-Mail zusendet.

Abbildung 1: Durchschnittliche Bearbeitungszeit und First Contact Resolution

Digitalisierung muss demnach dort ansetzen, wo die Bearbeitungszeit verkürzt werden kann. Im Service-Excellence-Cockpit haben wir untersucht, in welche Technologien zur Unterstützung der schriftlichen Kommunikation investiert wird. Dabei haben wir gefragt, wie automatische E-Mail Response, Inhaltsanalyse oder Textbausteine eingesetzt werden. Bei der Betrachtung der aktuell verwendeten Technologien ist jedoch auffällig grosses Ausbaupotential vorhanden, wie die folgende Abbildung 2 zeigt.

Unternehmen müssen sich auf Basis der aktuellen Mengengerüste überlegen, welche Kundenanliegen im Service eigentlich automatisiert werden können, welche vereinfacht werden müssen und welche beispielsweise aus Fehlern des Unternehmens resultieren und so gänzlich vermieden werden könnten. Denn: immerhin 20% aller Kunden müssen wegen ein und desselben Anliegens den Anbieter ein zweites Mal kontaktieren.

Abbildung 2: Technologieunterstützung für schriftliche Kommunikation

Grosse Entwicklung in der Sprachtechnologie

Noch werden Instrument zur Digitalisierung im Sprachbereich wenig eingesetzt, doch das kann sich rasch ändern. Neu ist es beispielsweise möglich gesprochene Dialekte zu digitalisieren und auszuwerten. Eine Krankenkasse versucht so beispielsweise die Kundenzufriedenheit mit einzelnen Telefonkontakten zu messen und zu steuern. Das gab es vor zwei Jahren noch nicht. Da stellt sich neu die Frage, welche Informationen das Unternehmen braucht, um den Kunden besser zu verstehen als die Konkurrenz. Ebenfalls ergeben sich so neue automatische Möglichkeiten für die Beurteilung der Kundenzufriedenheit. Gewiss ist dies empathischer als den Kunden nach jedem Kontakt erwartungsfroh zu befragen: „Du, Schatz, wie war ich, wirst Du mich weiterempfehlen?!“

Abbildung 4: Neue noch wenig eingesetzte Technologie für Sprachkommunikation

Analytische Instrumente und Big Data

Im Cockpit ist zu beobachten, dass sich die Nutzung analytischer Engines in den letzten zwei Jahren weiter entwickelt hat. Analysiert man in diesem Zusammenhang zusätzlich die Verteilung des Kontaktvolumens der Unternehmen auf einzelne Touchpoints kann dieser Sachverhalt jedoch nicht verwundern. Denn es werden ja vom Kunden insbesondere über die digitalen Touchpoints permanent neue Daten produziert. Beispielsweise in Form immer neuer aufeinander folgender Dialoge.

In diesem Zusammenhang stellt sich für viele Serviceabteilungen natürlich die Frage: Wann misst man was? Darüber hinaus ergibt sich noch die Perspektive auf die Integration externe Service-Daten. Ein Kaffeekapselhersteller hat beispielsweise seine Datenbank mit dem Wissen über den Wasserhärtegrad am Wohnort des Kunden und dem Wissen über Materialermüdung der eigenen Kaffeemaschinen verknüpft und kann so exakt voraussagen, wann eine Maschine den Geist aufgibt. Gleichzeitig weiss der Hersteller, was es kostet, wenn ein Kunde einen Maschinendefekt hat: Was der alles NICHT kauft und wie hoch die Wahrscheinlichkeit ist, dass er anlässlich dieses Defekts zur Konkurrenz wechselt. Und aufgrund dieses Wissens kann das Unternehmen dem Kunden so ein tolles Angebot für eine neue Maschine machen, bevor das Problem entsteht. Das nennt sich “Predictive Servicing“. Auch das ist neu.

Abbildung 7: Wissens- und Datennutzung im Service Center

Was in diesem Zusammenhang auffällt ist, dass Big Data hin oder her, Analytics und Wissensdatenbanken nach wie vor weit weniger verbreitet sind als operative Customer Service Tools wie CRM, Workflow Systeme, Universal Queuing, Collaborative Tools oder Ticket Systeme. Da ist Entwicklungspotential vorhanden.

Dies konterkariert die Investitionen in die Technologie, die im letzten Jahr vorgenommen wurden. Man kann die Ergebnisse des Service-Excellence-Cockpits 2017 so deuten: Strategische Differenzierung mit moderner Technologie ja, nur fehlt noch die Methode. Hoffen wir, dass sich für das kommende Benchmark Jahr hier Perspektiven ergeben!

Prof. Dr. Nils Hafner – Hochschule Luzern Wirtschaft

Prof. Dr. Nils Hafner ist internationaler Experte für den Aufbau profitabler Kundenbeziehungen. Er ist Professor an der Hochschule Luzern Schweiz und Alumnus der Studenteninitiative MTP. In seinem Blog „Hafner on CRM“ versucht er dem Thema seine interessanten, spannenden, skurrilen und lustigen Seiten abzugewinnen.   

 

 

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.