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