最近看了一本书叫《亚马逊逆向工作法》，给我很深的启发。全书引用了大量的实际案例，里面有很多管理的观点都非常落地。但是除此之外，我在思考一个问题，他这么多案例是哪里来的？
这让我想到最有效的提效管理，应该多去一线，了解一线的实际问题。不仅自己要去对接一线，也要知道一线同事对接客户的精神状态。让我想到了对组员进行质检。
这里不得说市场很多的客服系统的质检模块都过于简单，因为很多平台都把质检当成了一个检查工具，但是对检查后的结果没有做一些有效的改进措施。（可能每个人的改进比较定制化比较难做，所以没法产品化）。
如果有系统可以做一套闭环改进，那么就可以发现团队有很多需要改进的地方。所以我决定用低代码和有数BI搭建一套质检系统。基础步骤如下：填->查->思->做
在构建业务的时候，先解决几个问题.
1.如果组员工时填写不清楚，你是无法做任何改进措施的。如何让组员时填写规范？
所以标签化质检第一步治理的是工时标准化，让组员能把问题描述清楚。
2.如何反馈工时规范性在提升？
标签化中工时不规范的数量或者占比下降。
3.质检的目标是什么？
(1)通过质检分析组组员作中遇到的问题，对团队进行提效。
(2)是否具备普适性。如果可以具备普适性，是否可以写FAQ。
(3)是否解决不得当。如果不得当可以直接给出一些改进建议。
4.如果问题有普通性？如果让组员落地FAQ?
可以通过标签化，筛选FAQ类标签，通过预警改进页面，要求对FAQ有问题闭环。
5.如果检查提效成果？可以从以下指标反馈：
(1)单个问题处理问题的平均时间：如咨询类问题从原来的20分钟，变成10分钟。说明单个问题处理效率提升。
(2)FAQ产出的个数及占比：FAQ累计数量上升，且质检中发现FAQ类问题占比提升。
(3)客服单日处理问题数量：问题数量提升，说明吞吐量增大。
有数BI实现指标和数据的展示。低代码构建质检系统。系统分为以下几个模块：
1. 抽检页面：根据客户，组员，时间，问题类型，抽检百分比和问题时长，随机组合抽检。
2. 质检界面：对组员的问题通过标签化管理。对于特定话问题也可以写自由评语。
3. 质检分析：对于所有评语做特定化分析。
4. 我的改进：对于组员出现FAQ改进的评语，通过数据权限呈现给相关同事，让其整改。
说明：在抽取过程中，前期建议核心经理关注在长问题会话上，质检占比尽量能100%都检查。
说明：
1. 对于质检，默认情况下：标签化可以提高主管的工作效率，但是对于一些特殊场景开启自由点评功能。
2. 对于评语，首先要保证组员能说清楚话。所以有个工时过于简单的标签。通过这个标签分析，组员抽检的会话数量或者占比，要求提升工时填写质量。（第一阶段）
3. 在大家能把问题描述清楚的时候，我们更希望对一些有价值的问题，进行提炼，整理成FAQ。反哺团队，所以会有“建议写FAQ”标签。
4. 对于一些高质量和高难度问题，我们也给予鼓励，在未来可以设置红榜分析。
1.在标签化分析场景中第一阶段，希望组员说清楚内容，所以可以分析简单会话的趋势，可以利用有数BI分析。
从图中取数可以看到至第二周后，工时简单填写的数量大幅度下降，说明填写质量大大提升。
2.同时要分析质检需要写FAQ的会话。
这个是核心，FAQ的产出可以影响重复问题处理的时长。
3.分析各阶段的比例。
可以看团队的转化率，也可以根据人员分析，组员转化率画像。如FAQ的增大，工时简单的减少。说明该同学有很大的改进空间。
4.主管的懒政分析
如果出现未质检的时间，建议主管质检，可以在BI报告上一键跳转到直接到质检页面。
5.团队总览数据
改进逻辑，先筛选器出当前组员的质检数据，然后筛选器出评语中出现faq字样的数据。
在低代码中的逻辑设置如下：
改进用户界面：
对于流程当前的界面的问题，当事人需要修改状态，把FAQ的地址填入。
备注：对于自己团队存在问题，可以先设置特定标签，然后开发改进界面，进行问题闭环。
从实现来说，有数BI报表和 Code Wave 结合，并实现两个系统用户打通和权限打通，该业务场景落地，一共花费3人天工作时间，可以把管理的抓手迅速落地，非常高效，值得推荐。
落实这套系统后，组员能够很好总结自己的工作内容，并落实填写。
从数据分析来说，组员团队的文档贡献率明显提升，且质量更接地气。在质检过程中只要先描述问题现象，再处理问题的，这种类型的场景90%都可以写成 FAQ 。
从数据分析角度，目前组员吞吐问题数的数据在逐步提升，预计再跑几个月，提效会更加明显。
扫一扫
4912
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
