数字 银行 对金融机构来说，是否比维持实体店的成本更低, 传统银行也一直如此 萎缩 在美国建立零售分支网络已有十多年. COVID-19大流行关闭了更多的面对面服务，加速了向数字银行的转变, 哪些允许客户访问帐户, 产品, 和服务通过网站或 手机应用程序.

毫不奇怪，银行一直在这样做 在技术上的花费比以往任何时候都多，而改善客户体验和提供服务是他们的首要任务. 然而，金融机构并没有从他们的投资中获得最大回报 数字的投资 因为为了解决客户日益增加的担忧，联络中心的开支增加了.

A 2020年的调查 来自欧博体育app下载公司Capital Performance Group的研究人员发现, 2019年底至2020年12月, 网上银行活动——包括交易和其他互动——增长了30%，移动银行活动激增了80%. 但报告也显示，一些机构的呼叫中心业务量增加了一倍之多，而且还在继续增长. 和一个 2021年的调查 Cornerstone Advisors进行的一项调查显示，客户给银行打电话的频率越来越高，因为他们无法在网上找到答案, 或者他们的金融机构没有提供解决问题所需的虚拟支持.

这些统计数据突显了一个不幸的事实，即银行多年来一直提供的许多数字产品和服务——从支付系统，如 Zelle 到认证-仍然不能满足客户的期望, 通常是因为使用它们感觉不够直观. 更糟糕的是, Zelle尤其受到与纠纷有关的问题的困扰, 尤其是那些 欺诈、未经授权的交易以及意外的过度资金转移.

As 一个顾问 在美国几家最大的商业银行，我看到了 数字化转型的困难 第一手. 银行拥有大量的信息，可以帮助他们制定策略，以推动客户的保留和激活, 但这些数据并未得到充分利用. 大多数机构的 数据分析 用法还不够健壮，不足以捕捉了解用户需求以及如何最好地满足这些需求所需的客户行为信息的深度和广度. 支持团队通常使用非常小的样本量，当他们记录和收听呼叫 质量保证在我工作过的一家银行，利率为-1%甚至更低. 因此，推断这些发现可能会产生误导性的结果.

要真正解决这些问题，银行需要开发更细致、更全面的客户 数据分析 在更大的范围内，包括 所有 调用. 然后，他们必须利用他们发现的行为模式，为满足客户需求的数字功能的创建和增强提供信息. 在本文中，我将向您介绍我为帮助银行做到这一点所采取的步骤.

建立策略团队

增加消费的第一步 采用数码银行 而提高客户满意度则是建立一个由银行的分析师和产品专家组成的内部团队 访问所有渠道和产品收集的数据. 这个团队是必不可少的，因为一个人汇总的数据太多了, 研究, 然后得出结论. 该小组还必须积极地与部门主管合作，以确保其发现能够在企业客户层面上实现.

我建议针对每个产品将这个团队细分为更小的跨职能小组. 在我与 商业银行, 我会告诉每一个团队，通过实现某些特性或功能可以减少多少客户呼叫, 因此，它可以相应地优先考虑自己的工作. 来计算这个还原势, 我使用了我们开发的专有客户旅程分析平台来剖析用户流和摩擦点. (Tealeaf和Google Analytics是类似的工具，你可以使用它们来达到同样的目的.)

确定数据类别并设定目标

第二步是确定并获得对跨所有平台和功能的不同数据源的访问. 在典型的遗留银行中，数据源可以分为两个类别和多个子类别. 例如，我在银行设立的团队使用这些:

产品和业务

• 零售，如支票和储蓄账户
• 信用卡
• 抵押贷款
• 汽车金融
• 财富管理

接触点

• 呼叫中心电话
• 呼叫中心IVR (interactive voice response)通信
• 在零售网点进行面对面的互动
• ATM的交互
• 桌面应用程序
• 移动应用程序
• 出站通知/提醒

我的大部分分析工作都是深入研究呼叫中心的呼叫统计数据, 我认为这是最需要关注的领域. 这是绝大多数支持请求的来源:银行通常不再接受客户服务的电子邮件查询，因为成本太高, 即使是在海外完成的. 聊天已经取代了电子邮件，但在顶级银行的所有客户服务互动中，聊天只占很小的一部分——在我咨询过的机构中，这一比例不到5%. 另外, 因为请求量很大, 对银行来说，现场代理呼叫的成本非常高. 所以这是我在解释我的过程时要关注的领域.

一旦确定并访问了数据源，金融机构就可以开始建立 关键的可测量目标 帮助构建项目的范围，这可以为其解决问题的策略奠定基础. 以下是我咨询过的银行制定的目标:

• 改善客户体验——通过 净推荐值 (NPS), 客户满意度的一个关键指标，评估人们在所有渠道中推荐公司的可能性
• 提高数字应用和参与度
• 当呼叫中心没有增加多少或任何价值时，减少呼叫中心
• 减少分支机构低利润的基础银行业务
• 提高服务运营的效率，同时降低风险

正如预期的, 数据显示，就客户互动数量而言，占主导地位的渠道是数字渠道. 令人惊讶的是, 虽然, 在我工作的银行, 高度活跃的数字客户比不太活跃的数字和传统银行用户更倾向于寻求支持. 与传统银行业务相比，数字银行业务给联络中心带来的电话和咨询数量是传统银行业务的两倍多.

了解客户打电话的原因

一旦确定了数据类别和目标, 团队需要考虑对银行数据的哪种查询将有助于评估客户支持请求的性质和情况. 在我做顾问的银行, 我们专注于联络中心, 特别是在给定的时间段内客户与电话座席的互动信息, 并提出了以下问题:

• 有多少客户与现场座席交谈?
• 这些打电话的人是谁.e., 就跨渠道的服务交互而言，它们的配置文件是什么, 跨产品的事务性活动, 以及企业层面的客户价值?
• 这些呼叫者中有多少百分比是数字活跃的?
• 在电话之前发生了什么(如果有的话)银行活动?
• 如果在电话之前有银行活动，它是在哪个渠道发生的?
• 顾客打电话来是为了什么?
• 他们中有人打过不止一次电话吗? 如果有，有多少次?
• 这些电话持续了多久?
• 对于拨打多个电话的客户，它们之间间隔了多长时间?

而银行通常会跟踪呼叫中心接到的电话数量, 他们通常不会深入研究这些辅助统计数据. 这与我所看到的大体一致 金融服务公司跟踪事件，但在衡量围绕事件的活动方面做得很差，而这些活动可以解释行为并帮助他们做出改进. 知道客户在打电话之前花了20分钟试图解决纠纷或激活现金返还奖励，将为呼叫中心的员工提供有用的背景，并告知他们的互动.

在我做顾问的银行, 我与自己组建的战略团队合作，帮助这些机构通过一个记录系统记录每个电话的目的. 例如, 我们可以看到一个顾客, 谁的身份是匿名的, 在打电话前几分钟就上网了，并试图关闭他们的账户，但没有成功——这是促使他们打电话的经历吗. 然后，我们为每个调用分配一个标签，表示其目的和时间戳. 我们还能够通过识别主催化剂周围发生的事件来确定呼叫的二级和三级原因, 让我们能画出一个完整的画面.

随后，我们计算了一个关键指标，称为呼叫-联系传播, 我们用什么来评估所有来电者的体验. 它也成为提高效率的基准.

• 率: 呼叫总数，以占整个客户群的百分比表示
• 接触率: 拨打电话的客户数量，也表示为占所有客户的百分比
• C所有-to-contact传播: 呼出率减去接触率

我们的第一个目标是降低通话率和接触率, 因为它们的趋势高于顶级银行的行业基准, 通常在20%到10%之间, 分别, 对于给定的月份, 基于我的经验和来自第三方基准测试公司的报告，比如麦肯锡的Finalta. 其次，我们想让这两个指标相等，这意味着我们已经消除了重复呼叫. 一旦我们做到了这一点，我们就可以说我们做到了 首次呼叫解析, 这意味着消费者只需要打一个电话就能解决他们的问题——这是客户关系管理的一个关键基准.

我们分析并希望减少的其他相关指标包括:

• 电话持续时间
• 呼叫转移
• 升级
• 投诉

大多数呼叫中心使用的呼叫原因是从 客户关系管理系统 或者通话记录，但很少有人使用记录系统来推动这些指标的改进. 记录系统中的上游条件可以完全消除一些呼叫, 在其他情况下, 帮助匹配呼叫者与正确的呼叫代理, 基于他们在通话前的活动, 他们的客户资料, 以及所需的服务水平.

大多数金融机构都使用客户体验管理软件，在互动后对人们进行调查, 产生净推荐值. 在我工作过的银行里, 我们设定了(并完成了)将联络中心的得分提高到55%的目标.

分析呼叫模式以创建配置文件

下一步包括使用各种记录数据点的系统来分析呼叫模式，以找出驱动客户打电话的原因. 我们在咨询中使用的综合客户级数据集包括:

• 货币交易，如大型销售点(POS)费用以及支付和撤销.
• 非货币交易，如地址变更、银行卡被拒、纠纷等.
• 通道交互事件, 比如打电话, 这套通信, 桌面活动, 移动活动, 分支访问, ATM交易, 以及出站警报.
• 客户资料/分割, 比如终身教职, 高价值旗帜(表示高参与度), 以及授权用户的数量.
• 客户活跃vs. 非活性产物持有，I.e., 每个客户拥有的产品数量以及他们是否在使用这些产品, 这表明他们可能会与银行进行互动以获得服务. (注:我们专注于活跃客户来衡量联系和通话率.)

从这些类别中, 我们捕获了一些关键和易于访问的数据元素，以便更好地理解以下内容:

• 渠道控制: 顾客倾向于在一个渠道内停留较短的时间，一般为15到20分钟
• 渠道自助活动: 客户通过数字、ATM或IVR进行自助服务
• 渠道模式或偏好: 客户使用的主要渠道

在分析了这些上游条件之后, 我们通过测量和分析实时药剂调用的情况来关注下游效应. 不包括持续时间少于60秒的电话, 我们研究了呼叫模式和类型, 计算时间范围, 确定电话是如何拨打的, 并确定我们能找到的任何驱动因素. 我们还整理了数据，这样我们就可以看到客户的银行业务渠道.

在应用了更高级的分析和测量通话间隔时间之后, 我们把人口分成几个部分:

• 集群调用者这些客户遇到了无法自助服务的问题, 需要人工帮助进行多种交互, 而且在短时间内打了很多电话. (我们将此定义为24小时内两个或两个以上的电话.)

• 分散的调用者:这些事务驱动的调用者的调用次数少于集群组, 以有规律的节奏和类似类型的询问. 分散的打电话者在6个月内打了3个或更多的电话，平均间隔时间超过48小时 变异系数 呼叫间隔时间大于100%.

• 随机调用者这部分由寻求信息的客户组成，其特点是来电数量不规则，询问类型不同.

按群组处理来电者的需要

调用模式分析完成后，就可以进一步按组解析数据了. 在我工作的银行，这项任务揭示了有趣且可能可行的见解. 在其中一个, 例如, 分析显示，5%的人口是集群调用者, 30%是分散的, 剩下的是随机的. 集群人口主要是数字化的, 而分散的人则表现出较少的数字活动, 有一部分是习惯性的或沉重的打电话者.

这张表突出显示了在三年的努力积累结束时，12个月的现场座席呼叫人口的视图:

集群人口虽然数量少，但对NPS和投诉有很大影响. 根据这些发现，我们提出了一系列见解和建议策略，以实现关键目标, 从集群组开始. 以下是我们发现的导致打电话的问题:

• /用户名密码的身份验证
• 欺诈/未经授权的交易
• Zelle付款
• 未交付的出站警报
• 透支/资金不足费

基于我们对呼叫者动机的深入了解, 为了减少集群呼叫，我们采取的第一步是推荐具体的方法来改善在线体验，并将客户包含在他们喜欢的数字渠道中. 我还与客户体验团队合作，更好地设计有针对性的调查，以评估痛点和问题解决方案, 我们安排了一排完全授权的电话代理来处理这个群体. 这些代理人可以免除费用或罚款, 而其他人只能将来电者介绍给更高级的代表.

对于高比例的集群人口, 一家银行的电子邮件地址记录有误, 这引发了更广泛的调查，发现超过10%的数字活跃客户的电子邮件地址不正确. 该公司通过推送通知和安全电子邮件开展了一项活动，以提示客户确认和更改这些地址.

零散的打电话者更多是受支付等日常服务的驱使, 存款, 现金提取, 而像Zelle基金转账这样的数字活动则更少. 他们最喜欢的渠道是手机，其中近10%的人被标记为重度或习惯性. 针对这一群体的策略是有针对性的信息传递和指导，以促进数字应用和参与.

许多随机来电者都在询问新功能, 产品, 以及特定分支机构的营业时间. 其中一些信息被添加到在线体验中以减少呼叫. 在疫情最严重的时候，顾客必须预约才能去分行. 我咨询过的一家银行的呼叫中心接到了成千上万的电话，要求安装这些设备, 所以我和数字团队合作，让客户可以在网上预约, 省去了很多电话，节省了金钱.

通过将调用者分组为三个桶, 我们能够建立一种呼叫模式，帮助与我合作的银行更好地了解行为的驱动因素以及不同渠道的使用情况, 尤其是数字电话和手机. 这一策略是削减联络中心开支的核心, 哪些业务在客户群持平的情况下仍在增长. 它还旨在改善客户体验和服务水平，同时最大限度地减少等待时间, 转移, 升级, 和回调. 其中一家银行在三年后的影响尤其深远.

• 数字活动率提高了10%
• 接触率降低了12%
• 呼叫率降低15%
• 国民年金增加5%

接触和通话率的下降也减少了几个关键的风险因素. 识别那些没有给银行带来价值的电话, 我们发现许多现场座席电话功能可以由客户在自助服务渠道中完成, 这样既省钱又减少了免责声明中人为失误的可能性, 产品的变化, 开户和关户, 以及客户询问的其他服务.

可获得的数据并不缺乏 银行业分析 以及其他金融服务, 减少呼叫中心的呼叫和费用只是你如何利用它来推动积极转变的一个例子:你可能会找到另一个重点或使用多管齐下的方法. 挑战在于将你的信息转化为能够提升客户体验的见解, 提高数字参与度, 还能省钱. 充分了解什么是有效的，什么是无效的，最终会导致细微的变化，使系统更好地为每个人服务.