通过合适的指标监测整体的业务变化是行之有效的方法,但是面对大数据我们可以采用更加全面的统计方法挖掘更深层次的数据信息。统计方法多种多样,统计与数据挖掘是个循序渐进的过程,伴随着数据量的增大和业务种类的增加我们的数据挖掘工作也会得到进一步的拓展。以下我们通过简单的例子引入基本统计方法在数据挖掘中的应用。
呼叫中心运营通过设置观测指标,侦测业务变化,洞悉产品特征,激励员工等途径促进业务增长、提高员工满意度,从而达到公司业务在量与质的同步发展。
a﹒移动平均分析方法。比如针对呼叫数量、呼入时长进行移动平均指数方法跟踪呼入量的变化,及时观测到呼入量异常的时间节点,及时提出解决方案。
b﹒有序聚类分析。比如对呼入量进行阶段性分析,归纳各个阶段呼入量变化的原因从而达到投诉保修数量降低，如果开展呼叫中心业务，需要了解呼叫中心企业培训。
c﹒相关性分析。比如分析接通率、客服在线时长、出勤率间的相关性关系,通过控制相关指标达到控制目标变量。
d﹒因子分析分析。比如我们由相关性分析得到呼入数量与一组指标存在关系,我们可以采用因子分析的方法寻找最主要影响因子(指标)。
e﹒典型相关分析。比如我们通过因子分析得到了一组主要的影响因子A,但是我们很难直接控制因子A,然而很幸运的是因子A又和其他一组因子B存在关系,同时因子B我们比较容易人为控制,故我们采用典型相关分析寻在A、B的相关组从而达到控制目标 变量。
呼叫中心运营客户管理主要是研究客户的行为和偏好,而呼叫中心的客户管理中作则针对客户的投诉动机寻找业务的不足、客户的建议提升业务能力、客户的偏好进行精准营销。
a﹒客户群体的聚类分析。针对不同群体的客户进行不同的方法进行营销,判断不同等级的客户的各方面的能力,如购买力等。
a﹒问卷设计。
b﹒抽样——简单抽样、整群抽样、分层抽样等。
