一、客服主管岗位职能梳理 #
1.概览 #
2.职责梳理 #
- 日常数据监测，搭建适配业务的指标体系，异常指标标注，需达成指标预警，异常波动指标原因分析，反馈业务方跟进改善进度，调整后监测数据变化情况，反馈改善效果；
- 基于业务运营情况及对业务理解，进行分析报告输出，依据分析结果提出对应分析建议，以及跟进改善情况，按照实际情况进行数据验证，同时根据业务运营情况，调整优化分析框架结构；
- 数据支持类相关工作，例如根据店铺实际运营需求进行相关提数取数、项目评分模型/模板搭建、项目承接预测、数据项沉淀物积累等。
3.机器人相关数据查阅 #
功能路径：机器人后台—数据统计
二、常态分析方法攻略 #
1.趋势分析 #
- 适用分析场景：
一般可用于指标的长期跟踪，比如像转化率、GMV、接待量等，常用于数据监测、指标异常波动原因分析等场景，基于指标趋势图观测数据变化，以及对变化原因进行分析。该分析法核心在于从指标的变化趋势中寻找拐点、波峰波谷、是否有周期性影响等因素，结合业务理解和运营操作判断指标变化原因，对指标的波动进行解释说明。
- 分析方向参考：
指标异常波动原因基本可以从宏观政策、热点事件、常识判断、竞品行为、本产品行为、用户偏好、版本问题、统计口径和数据计算等方面作为切入口进行异常原因排除，同时结合与业务方的强沟通，发现指标异常波动原因。
🖊️例如某京东大店6月转化率趋势分析，店铺当月转化率呈下降趋势，在上半月，下单转化率虽然有波动，但整体较为稳定，属于常态波动，而6月18日当日下单转化率达到当月最大值，主要就是受“6.18”活动影响，后续随着活动热度的减退，下单转化率开始持续下降，并在月底达到当月最低值，这属于大促月份的正常情况；
2.对比分析 #
- 适用分析场景：
对比分析基本是最常用的分析方法，数据只有经过对比才能体现更深层的意义，相当于给数据一个参考系，从而可以判断数据的“好坏”，常用于指标达成风险预警、数据验证、转化率分析、A/B测试等场景。
- 分析方向参考：
主要分为横比、纵比和环比：
- 横比指对同类的两个或两个以上的事物进行的比较，一般时间周期需要是统一的，比如平台和平台、店铺和店铺、客服和客服之间的比较；
- 纵比指同一总体条件下不同时间周期之间的比较，比如某个指标的环比同比、活动效果分析等。
- 环比是本期与上一期对比，例如月环比就是5月指标与4月指标对比；同比为本期与同期对比，例如月同比就是今年5月指标与去年5月指标对比；计算公式为：本期÷上期(或同期)-1
🖌️例如某店铺接待量对比分析，横比(店铺与店铺对比)可以知道店铺主次分布，划分优先级，纵比(今年与去年同月对比)可以发现店铺体量变化，进而推断客流流向，综合分析可以安排人力分布，分摊承接压力等等；
3.交叉分析 #
- 适用分析场景：
交叉分析可以理解为多条件分析数据，通常用于分析和探索维度、字段、变量之间的关系，通过将有一定联系的不同维度的数据交叉排列在一张表格内，形成交叉表，对数据进行综合比较分析，一般用于发现异常点、转化率分析等场景。
🖍️例如分析某店铺客服销售项问题，将质检项与客服项进行交叉，数值为质检通过率，为了方便发现问题将质检通过率按照颜色深浅区分，数值越深代表通过率越低，数值越浅代表通过率越高，可以看出深色区主要集中在前三项质检项，浅色区主要集中在后三项质检项，进而可以知道客服主要问题集中在个人销售意识相关方面。
三、常规监测数据板块参考 #
1.数据报表/看板板块 #
- 客服子账号列表的数据管理
- 在平常业务中客服和子账号主要由客服主管进行安排、变更、调整，同时还涉及对应的客服排班，所以需要专门搭建客服子账号关系管理列表，用于维护更新每日客服、班次、子账号的对应关系数据，从而使数据看板能够正常运行和使用。
- 客服排班数据规范及标准的执行
- 客服的考勤、排班均采用统一的考勤系统，随着客服组的不断增多，各个客服组有独自的分管主管，因各个客服组的考勤时间存在差异，并且不同客服组为了进行区分，所以各个主管在排班的规范和标准上不统一，自定义性太强，所以需要对客服排班进行数据规范及标准统一，形成标准执行落地；
2.常规分析报告板块 #
- 分析报告分类
- 常态、周期性、可标准化类
- 类似项目周/月报，偏运营报告方向，可由主管侧进行输出；
- 专项、专题分析报告类
- 类似客服差异点分析、转化率分析、运营问题诊断相关分析等，偏策略优化、问题聚焦方向可由数据分析师进行输出；
- 以下模板主要针对常态、周期性、可标准化类的报告进行模板和通项思路输出（根据各个项目实际运营情况，对应模板可做适当调整）：
- 项目周报参考模板
- 项目月报模板
