Folyamatbányászati esettanulmány

2020.10.09. 00:00


Hogyan takarítsunk meg 30.000 munkaórát az ügyfélszolgálatban és tegyünk boldoggá 9.000 ügyfelet – egy kis folyamatbányászattal és kávézással?


Gondolkodtatok már azon, hogy általában miért raknak be nyugtató, klasszikus zenét a háttérbe az ügyfélszolgálatok hívásvárakoztatás közben? Hát persze, meg akarnak minket nyugtatni. Mi betelefonáló ügyfelek meg általában türelmetlenek vagyunk. Nem számít, legyen az pénzintézet, internetszolgáltató, vagy bármilyen más szolgáltató. Megoldást akarunk a problémánkra vagy választ akarunk kapni a kérdésünkre, akkor és ott! És nem szeretünk olyanokat hallgatni, hogy: „Kérem, tartsa a vonalat amíg átadom egy másik kollégának …” vagy „Feljegyeztük a problémáját és visszahívjuk”, még akkor sem, ha Mozart, Debussy vagy Händel szól a háttérben.

Akármennyire is úgy tűnik, hogy ez nem így van, - de ezt a szolgáltatók is tudják. Egyre több vállalat fordít napjainkban jogosan növekvő figyelmet az ügyfélelégedettségére és koncentrál olyan IT stratégiákra és célzott fejlesztésekre, amelyek javítják az ügyfelek kiszolgálási élményét. Ennek pedig – mint az előbb is láttuk – az egyik legfontosabb kulcseleme az, hogy milyen gyorsan tudja a szolgáltató megoldani az Ügyfél problémáját, milyen mértékben áll az Ügyféllel kapcsolatba kerülő kiszolgáló kolléga rendelkezésére a megfelelő információ, függetlenül attól, hogy ez kérdéshez vagy kérelemhez kapcsolódik, valamint mennyire sikerül megoldani a problémát átadás nélkül, már első szinten.

Jeff Rumburg (2017) kutatása számos különböző iparágban alátámasztja, hogy az ügyfelek elégedettsége gyakorlatilag bármilyen típusú ügyfélszolgálat esetében erős korrelációt mutat a sikeres első-szintű megoldások arányával.

Azt, hogy ezt hogyan tudjuk növelni, - egy konkrét példán és eszköszön szeretnénk bemutatni. Egy hazai pénzintézet esetében vizsgáltuk meg folyamatbányász (ismertebb angol szakkifejezéssel Process Mining) eszközzel, hogy mik az ügyfélkiszolgálás fájdalompontjai, a folyamatokban lévő szűk keresztmetszetek és az ügyfélélményt romboló tevékenységek.

A folyamatbányászat (Process Mining) egy olyan eszköz, amely az informatikai rendszerekkel megtámogatott folyamatok valós lefutásáról és így, a folyamati optimalizációban rejlő fejlesztési lehetőségekről ad gyors, alátámasztható és átlátható képet, - a folyamatok informatikai rendszerekben meglevő digitális lábnyomai alapján.


Mi a Celonis Process Mining eszközét használtuk. Az adott pénzintézet igénykezelő rendszere alapján az alábbi három kérdést elemeztük:

  1. Hány kezdeti jegyet lehet megoldani első kapcsolatfelvétel alkalmával?
  2. Milyen típusú jegyeknél van szükség átirányításra?
  3. Az átirányítás mennyivel növeli meg egy hibabejelentés átlagos megoldási idejét?

Elemzésünk során az első kérdésünk tehát az volt, hogy mekkora az első kapcsolatfelvétellel történő megoldás, vagyis a First Contact Resolution (továbbiakban FCR) aránya. Tulajdonképpen, betelefonálások esetén ez azt jelenti, hogy az ügyfél problémája megoldódik, mielőtt leteszi a telefont. Az ügyfél visszahívását igénylő, vagy más megoldási szervezethez való átirányítás esetén a hívások nem minősülnek első-szintű megoldásnak.

A Celonis Process Mining használatával könnyű volt beazonosítani azokat a jegyeket, amelyeket eredetileg nem sikerült megoldani első szinten, azaz a Helpdesk vagy az Önkiszolgáló 

Portál segítségével.

Az elemzett pénzintézet esetén a bejelentett hibajegyek első kapcsolatfelvétellel történő megoldási aránya 57% ahogyan a kördiagram is mutatja.

A MetricNet benchmarking adatbázisa szerint, az átlagos FCR 2017 első félévében ügyfélszolgálatok számára világszerte 78,7% körül mozog. Ez a szám azonban igen változó, általában alacsony FCR aránynak minősül a 66,3 százalék és magasnak minősül a 95,8 százalék. Az alacsony tartományban lévők túlnyomórészt "log-and-dispatch" ügyfélszolgálat, amely csak az egyszerű problémákat képes megoldani, mint a jelszó-visszaállítás, de bármilyen bonyolultabb probléma esetén egy másik támogatási szintet hív segítségül. Ezek alapján azt állapíthattuk meg, hogy az elemzett pénzintézet esetén alacsony mindössze 57% az első-szintű megoldások aránya az átlagos 78,7%-hez képest, ezért indokolt volt tovább vizsgálni azon eseteket (43%) ahol nem sikerült első szinten megoldani az ügyfél problémáját.

Az esetünkben a 43%-hoz 18.259 hibabejelentés tartozott, amit átlagosan 7,1 munkanap alatt sikerül csak megoldani, ami közel kétszerese az egyébként megállapított átlagos 3,97 napos megoldási időnek.

Gyökérokokat keresve mélyebbre fúrtunk, hogy kiderítsük ezen nem első szinten megoldott hibajegyek milyen típusú bejelentések esetén jelentkeznek. Arra jutottunk, hogy a bejelentett esetek 73%-a alkalmazás és hiba bejelentéshez kapcsolódik. Azon belül második szinten hitelrendszerek, számlarendszerek és banki és irodai alkalmazások esetén nem voltak képesek első szinten megoldani az Ügyfél problémáját. A harmadik szinten a leggyakoribb esetek a számlakezeléssel, ingatlanfedezetű hitellel és az ügyfélkiszolgálási eszközökhöz kapcsolódó hibajelentésekre mutatnak rá.

                                
Ezekben az esetekben az ügyfélszolgálat tipikusan átirányította egy másik megoldó szervezetnek a jegyeket, amely végül megoldotta és lezárta a problémát vagy tovább irányította egy harmadik megoldó szervezetnek.

Tehát megállapíthatjuk:

  1. Az elemzett pénzintézet esetén alacsonynak minősül az 57 %-os első-szintű megoldási arány az átlagos 78,7%-hoz képest.
  2. A leggyakoribb átirányított esetek a számlakezeléshez, ingatlanfedezetű hitelhez és az ügyfélkiszolgálási eszközökhöz kapcsolódó hibajelentésekhez köthetőek.
  3. A NEM első-szintű megoldás 43%-hoz 18.259 incidens tartozik amire az átlagos megoldási idő 7,1 nap, ami közel kétszerese az átlagos megoldási időnek a 3,97 napnak.

Ez miért fontos?

Ha az első kapcsolatfelvétellel történő megoldási arányt felemeljük a nemzetközi átlagra (57%-ról 78,7%-ra) akkor 9.214-al több hibajegy oldható meg már első szinten. Ha ezekben az esetekben a megoldási időt vissza tudjuk szorítani az átlagos 3,97 napra, akkor éves szinten 9.214*(7,1-3,97) = 28.839 munkanapot tudunk megspórolni. Ez persze átfutási idő, de ha feltételezzük, hogy ennek 15%-ában tényleg valaki foglalkozott a problémákkal (nem csak információra várt), - akkor eredményében 28.839*15%/256 = 17, azaz hozzávetőleg tizenhét ember teljes munkaidejét, azaz több mint 30.000 munkaórát tudnánk megspórolni, ha az átadásokat a nemzetközi átlagra csökkentjük. Arról nem is beszélve, hogy 9.214 sokkal boldogabb ügyfelet is kaphatunk.

Mi kell ehhez?

Az elemzésünk során megfogalamaztunk néhány tippet is:

  1. Indokolt a dolgozók továbbképzése, főként a megállapított területeken: számlakezelés, ingatlanfedezetű hitel és ügyfélkiszolgálási eszközök.
  2. Fontos az ügyfélszolgálati rendszerekben egyébként meglévő tudásmenedzsment és távoli diagnosztika képességek jobb kihasználása.
  3. És egy egyszerűnek tűnő megoldás: A munkatársak közötti gyakori információcsere, közvetlen tudás és tapasztalatátadás. Sandi Pentland, az MIT médialaborjában végzett kutatása is kihangsúlyozza, hogy kulcsfontosságú egy olyan csapatot összeállítani és működtetni, ami magas hatékonysággal elsőre megoldja az ügyfél problémáját. Ez a kutatás is bebizonyította, hogy a munkatársak közötti közvetlen beszélgetés jelentős mértékben hozzájárul a csapatteljesítményhez. Az informális csevegés a konyhában a kávégép, vagy a hűtő előtt az, ami igazán számít. Sandy tanácsa a vezetőkhöz az, hogy a hatékonyság fokozása érdekében szakítsanak az iparágra jellemző általános szokással, miszerint a kollégák csak egyesével tarthatnak szüneteket. A tudásmegosztás és a csapaton belüli interakciók számának növelésének reményében vezessék be a közös szüneteket, ahol a kollégák egy bögre kávé mellett cseveghetnek egymással, miközben feltöltődnek energiával. Ezen személyes pillanatok és az informális csevegés 8%-al csökkent átlagos hívásidőt eredményezett és a kevésbé jól teljesítő csapattagoknál pedig 20%-os javulás volt elérhető.

A te csapatod készen áll egy bögre kávéra?

Na és egy kis folyamatbányászatra?