|
Customer
Satisfaction
Importanza e trend
Jon Anton (1) definisce la soddisfazione
del cliente lo stato mentale che un chiamante ha riguardo al contact
center nel quale sono state incontrate le sue aspettative o nel
quale queste sono state superate (2).
Molti contact center hanno ormai compreso il valore di questo KPI,
che definisce il livello di successo che un’attività
raggiunge; per questo motivo si focalizzano sulla qualità
dell’interazione e sui suoi risultati (monitorando KPI come
il “first contact resolution”) piuttosto che sulla quantità
di contatti gestiti.
Circa il 79,25% dei contact center, infatti, monitora la soddisfazione
dei propri clienti rispetto al servizio fornito dal centro (3).
Questo dato cambia, però, notevolmente in base ai diversi
settori in cui i contact center operano, come illustrato dalla Tavola
1 ed in base alle diverse aree geografiche, come illustrato dalla
Tavola 2.
Tavola 1 – Percentuale di contact center che monitorano la
customer satisfaction per settori
(Fonte: Adattamento da Merchants, 2005)
Tavola 2 – Percentuale di contact center che monitorano la
customer satisfaction per aree geografiche
(Fonte: Adattamento da Merchants, 2005)
Strutturazione dell’indicatore
La strutturazione di questo indicatore richiede innanzitutto una
corretta definizione delle indagini di customer satisfaction in
termini di:
- Dimensioni
da includere nelle indagini
- Target
della clientela
- Metodologie
per svolgere le indagini
- Timing
delle indagini
Innanzitutto
è necessario capire quali sono le aree di interesse per ogni
contact center.
Riportiamo di seguito le dimensioni più monitorate ed alcune
osservazioni in merito.
-
Interazione con gli operatori
-
Livello di servizio
-
Capacità delle risorse
- Aree
di miglioramento
-
Allineamento dell’esperienza avuta con il contact center
e con quella avuta con il resto dell’organizzazione
- Offerta
di canali all’interno del contact center.
Da quanto
emerge dalla diffusione delle diverse aree, come illustrato in Tavola
3, la dimensione più monitorata è l’esperienza
del cliente durante l’interazione con il contact center. Esiste
ancora una forte enfasi sugli standard produttivi e di risultato con
quasi tre quarti dei contact center che inseriscono i livelli di servizio
come dimensione da monitorare nella customer satisfaction. Invece,
le dimensioni che offrono un feed-back sui diversi canali e sull’allineamento
dell’esperienza del cliente con il contact center e con il resto
dell’organizzazione sono poco monitorate nelle indagini sulla
soddisfazione. Se si considera che sono in procinto di essere
introdotti nuovi canali e se si pensa a quanto il contact center sia
importante nella creazione dell’immagine che il cliente ha dell’azienda,
sembrerebbe opportuno includere queste dimensioni in ogni indagine
sulla customer satisfaction.
Tavola 3 – Dimensioni più diffuse della customer satisfaction
(Fonte: Adattamento da Merchants, 2005)
Per
quanto riguarda il target delle indagini, un dato non incoraggiante
è che solo il 41% dei contact center conduce ricerche
sulla customer satisfaction a livello di segmento della clientela
(4). Dato che i diversi segmenti possono avere idee o argomenti
vari o conflittuali è importante capire le opinioni di ogni
segmento; un feed-back generale può dare un quadro distorto
o inaccurato del KPI.
Dopo aver definito le dimensioni da includere nell’indagine
e il target, il passo successivo da compiere è la scelta
dei metodi principali per contattare i clienti.
Ne esistono principalmente quattro (5):
-
Contatti in outbound (35% dei feedback dei clienti)
- Indagini
svolte via e-mail (21%)
- Indagini
svolte mediante lettere/cartoline inviate via posta (18%)
- Indagini
svolte grazie all’IVR nell’after-call (9%).
Ultimo
passo nella strutturazione delle indagini sulla customer satisfaction
è la definizione della frequenza di rilevazione del KPI.
La maggior parte dei contact center la monitora almeno mensilmente,
come illustrato dalla figura Tavola 4.
Tavola 4 – Frequenza di rilevazione della customer satisfaction
(Fonte: Adattamento da Anton J., 2005)
Componenti del servizio che impattano sulla customer
satisfaction
Si può affermare che quasi la totalità
degli indicatori di costo, qualità e servizio del cliente
finale impattino sulla sua soddisfazione, sebbene in misura differente.
Da alcune ricerche condotte da Dimension Data (6) su quali componenti
del servizio abbiano un impatto maggiore sulla soddisfazione del
cliente, è emerso che le componenti più influenti
sono:
-
First contact resolution
- Tempo
di attesa
- Abilità
degli operatori
- Accesso
totale ai dettagli del cliente e storia del contatto.
Questo
si traduce nella volontà del cliente di avere principalmente
una risposta veloce al suo contatto o alla sua richiesta, di interagire
con un operatore che conosce la sua storia di cliente, ha le capacità
di aiutarlo ed è in grado di risolvere la richiesta efficacemente
al primo contatto.
Accade molto spesso invece che i contact center citino “il
tasso di errore/qualità nella soluzione ed evasione del contatto”
come fosse l’area con impatto maggiore sulla soddisfazione
del cliente (7).
(1)
Jon Anton é direttore del centro di ricerca della Purdue
University.
(2) Anton J., 2005
(3) Merchants, 2005
(4) Merchants, 2005
(5) Anton J., 2005
(6) Merchants, 2005
(7) Merchants, 2005.
Riferimenti:
Merchants, Global Contact Centre Benchmarking Report, Dimension
Data, January 2005
Anton J., Find out What Customers Really Think!, http://www.benchmarkportal.com,
October 2005.
Questo testo é tratto dalla Tesi di laurea di Alberto
Cavaliere e Angela Chetta AA 2005-2006 "Analisi e modellazione
delle prestazioni dei contact center"
Politecnico di Milano, II Facoltà di Ingegneria - Corso di
Laurea in Ingegneria Gestionale. Ottobre
2006
Riferimenti:
Abraham
J., Getting Everything You Can Out of All You've Got, St. Martin's
Press, 2000
Cox D.R., Regression models and life tables. Journal of the Royal
Statistical Society, 1972
Gray M., How do you determine customer lifetime value?, http://www.profitadvisors.com,
1999
Helsen K. e Schmittlein D.C., Analyzing duration times in marketing:
Evidence for the effectiveness of Hazard rate models, Marketing Science,
1993
Kaplan E.L. e Meier R., Non-parametric estimation from incomplete
observations, Journal of the American Statistical Association, 1958
Mani D. R., Drew J., Betz A. e Datta P., Statistics and data mining
techniques for lifetime value modelling,1999
Middleton Hughes A., Building successful retail strategies using CLV,
http://www.dbmarketing.com, 2006
Novo J., Maximizing Marketing ROI with Customer Behavior Analysis,
http://www.drilling-down.com, 2001
Reichheld F, The Loyalty Effect, Harvard Business School Press, 1996
Rosset S., Neumann E., Eick U., Vatnik N., Customer Lifetime Value
Models for Decision Support, Kluwer Academic Publishers, 2003
|