呼叫中心始终是连接企业和市场、消费者的重要环节。其服务质量的优劣直接决定消费者的直接消费感知。尤其在移动时代，实时、在线、动态、即时反馈的消费特性对精准统计客户满意度，进而快速、无误地对客户需求做出反应提出更高要求。因此，呼叫中心的考核标准亟需重新定义。

传统上，企业一般通过质检成绩同客户满意度进行相关性检验。但是，这种质检往往和呼叫中心的客户满意度不相一致。这直接影响到呼叫中心的服务质量把控，对企业的消费者感知造成潜在风险。

那么，什么原因造成了传统方式的失灵?如何更新质检方式，保证客户满意度的准确以及提升，以适应移动时代的新要求?这一切都将从现有的呼叫中心客户满意度优化方式说起。

为了对呼叫中心的客户满意度进行准确把控，企业纷纷建立起一套统一的质量控制（QC）打分标准。然而，这套QC标准往往和呼叫中心的客户满意度不相关。这源于其评估方式的统计方法问题。

衡量相关性常规做法是使用质检成绩同客户满意度来做相关性检验，检验使用的是皮尔森相关系数（即Excel里面常用的CORREL函数），从统计学的角度来看这个问题：皮尔森相关系数是对于符合正态分布的连续型变量进行的检验，即需要对于N名员工的质检成绩与N名员工的满意度结果数据进行操作。其中满意度的数据获取非常容易，且符合样本量的需求，但是N名员工的质检成绩是通过抽查计算的质检分数，并不能代表员工的实际质检成绩，因此，由这些数据得出的皮尔森相关系数并不准确。

来看一下《抽样计算器》的计算结果：

假设呼叫中心的客户满意度为90%，那么历史缺陷比为10%;22个工作日，每日接线80通，一个月的样本量为：22×80=1760，计算下需要抽查的样本量为315通（具体数据见附一）

据业内水平，一个坐席一个月能被抽到的录音数量约为20通。

统计学结论：本身通过抽查计算的质检分数，并不能代表员工的实际质检成绩，因此无法得出正确的结论。

问题随之而来，究竟如何来判定质检成绩和客户满意度的相关性?质检标准究竟是不是和客户的实际需求相关的?

其实操作很简单：引入单通录音评分和单通录音客户满意度的相关性，即使用Logistic回归分析方式，对于N列离散数据计算相关性。

单通录音打分表事例如下：

序号客户评价能够理解客户需求服务态度不恶劣方案便捷、能够解决问题【已客户主观判断为准】

打分表和客户评价的满意度的相关性是多少呢?

使用JMP软件中的Logistic分析操作下，得出的W检验数据如下：

 

可以看出这三个评分标准与客户满意度的卡方值非常高，且P值低于0.005，表明此标准与客户满意度相关。

同时也可以使用JMP中特有的“刻画器”工具进行预估，它使我们能够清楚的知道，这三项的质检成绩对于满意度的影响情况。

如果这三项都得1分的情况下，客户的不满意度为3%。

如果这三项都得0.7分的情况下，客户的不满意度为32%。

备注：此数据结论是基于200通录音打分后的结果

如果运用这个评估质检标准同客户满意度相关性的计算模型，对公司的打分表和客户满意度进行相关性计算，不出意外的话，质检标准和客户满意度的相关性会很差。

如果从业务的角度来看这个问题：

质检评分标准中的多个项目是公司要求的，例如：称呼客户姓氏、要确认客户问题、语速适中语调上扬等，更不用说后台的CRM录入、流程的执行、工单派发准确率等，但是也别灰心，通过这个方式，如果能够找到2-3个打分标准有较高的相关性就已经非常好了!

举例：