コンタクトセンターのファーストコール解決を改善するためのヒント

ファーストコール解決率とは何ですか？

ファーストコール解決（または1コール解決）率は、フォローアップを必要とせずに、電話やIVRなどの音声チャネルを介した最初の連絡で顧客の問い合わせを解決するコンタクトセンターの能力を推定します。

First Call Resolutionは、FirstContactResolutionとは異なります。 これらの用語は、しばしば同じ意味で使用されます。

FCR率が高いと次のことが改善されるため、ファーストコール解決は重要なカスタマーサービスの指標です。

• 顧客満足度（CSAT）スコア

• カスタマーエクスペリエンス

• 顧客維持率（CRR）

• エージェントの生産性

ただし、このようなメリットがあるにもかかわらず、コンタクトセンターの39％は、専門知識の欠如や関連データへのアクセスの欠如などのいくつかの理由により、ファーストコールの解決策を測定していません。

そして、それはあなたがこの記事で学ぶことです。 さらに、あなたは知るようになるでしょう：

• ファーストコールの解決を測定する方法は？

• FirstCallResolutionを測定するためのデータを収集する5つの方法

• 良いファーストコール解決率はどれくらいですか？

• FCRを改善するためのベストプラクティス

ファーストコールの解決を測定する方法は？

最初のコール解決は、簡単な式で理解しやすいメトリックです。

期間： 30日ごとに最初の通話解決率を測定することをお勧めします。 そうすれば、手遅れになる前に、起こりうるディップに気づき、修正することができます。

これは一般的な最初の呼び出し解決式ですが、企業は要件に応じてさまざまな変数を使用してこのメ​​トリックを測定する場合があります。その一部には次のものが含まれます。

• 顧客調査の回答
  

  

  調査結果に基づいて、「クエリを解決しましたか？」と肯定的に回答した顧客の数を割ります。 調査した顧客の総数で。

• ユニークなお問い合わせ
  

  

  ここでは、「一意の顧客からの問い合わせの総数」を除いて、すべての変数は同じままです。これは、コールバックを必要としない問い合わせを表します。
  
  これらは、1つのコール解決率を計算するためのいくつかの一般的な方法です。 ただし、データなしでこのメトリックを測定することはできません。 以下にリストされているのは、関連データを収集するのに役立ついくつかの方法です。

FirstCallResolutionを測定するためのデータを収集する5つの方法

1.通話後の調査

通話後の調査では、エージェントとの通話が終了した直後、会話がまだ心に残っているときに顧客にこの調査を依頼するため、1つの通話解決率を測定するための最も正確なデータを収集できます。

これを行うには2つの方法があります。

一般的なポストコール調査
次のような質問を含むコールフィードバックフォームへのリンクを含む電子メールおよびテキストメッセージを介して、顧客に一般的なコール後の調査を送信できます。

• この電話にどの程度満足しましたか？ —CSATを計算します。

• 私たちのエージェントはあなたの質問を解決することができましたか？ —FCRを計算します。

• この問題について以前に電話したことがありますか？ —FCRを計算します。

「追加のフィードバック」を収集するセクションを追加することもできます。

エージェントは顧客に直接質問します

通話を終了する前に、エージェントは顧客に次のような質問をすることができます。

• クエリを完全に解決しましたか？

• 他に何かお手伝いできることはありますか？

その後、エージェントはこれらの応答をログに記録できます。

2.メール調査

フィードバック調査は、電話の直後または数週間後に顧客に電子メールで送信できます（最初の電子メールに応答しなかった場合）。

ただし、数週間が経過した場合、顧客はインタラクションを覚えていない可能性があります。 その場合は、一般的なフィードバックを収集してみてください。

• 特定のクエリを解決するために、サポートに何度も電話する必要がありましたか？

• そのクエリが何であったかを教えてください。 —上記の質問に対する答えが「はい」の場合に適用されます。

• そのクエリは解決されましたか？ —最初の質問に対する答えが「はい」の場合に適用されます。

最初の通話解決率とは別に、電子メール調査を使用して、次のような他のカスタマーサービスの指標を計算できます（ただし、これらに限定されません）。

• ネットプロモータースコア（NPS）

• 顧客満足度（CSAT）

• カスタマーエフォートスコア（CES）

• 顧客維持率（CRR）
  
  

3.IVR調査

顧客の70％は、解決の過程のある時点でセルフサービスチャネルを使用しており、 IVR（対話型音声応答）はそのようなチャネルの1つです。

顧客が自分でクエリを解決できるようにする以外に、IVRを使用してFCRを測定するための顧客フィードバックを収集する方法は2つあります。

• 通話中調査
  顧客が質問を解決するのを手伝った後、エージェントは顧客にフィードバックを共有したいかどうか尋ねることができます。 お客様が肯定的に応答した場合は、コールをIVRシステムに転送し、フィードバックを収集します。
  
  プロセスをシンプルかつ迅速に保つことを忘れないでください。 たとえば、「エージェントはクエリを解決できましたか？」という質問をすることができます。 そして、顧客に次のオプションを提供します。[はい]の場合は1をクリックし、[いいえ]の場合は2をクリックします。

• 自動フィードバック呼び出し
  エージェントとのやり取りから24〜36時間後に、フィードバックを要求する顧客への自動通話をスケジュールできます。早ければ早いほどよいでしょう。

4. CRM

エージェントは、顧客からのフィードバックを顧客関係管理（CRM）システムにエクスポートし、解決済み、顧客満足、クエリエスカレーションなどの各チケットに対するコメントを付けることができます。

CRMを使用して、顧客が今後30日以内に同じクエリを解決するためにサポートに電話する頻度を監視することもできます。

5.コールモニタリング

場合によっては、ライブまたは記録された顧客とエージェントのやり取りを監視して、エージェントが正しい通話処理コードを追加しているかどうかを確認できます。これらのコードは、CX、CSAT、およびFCRを反映しており、適切な対策を講じています。

呼気処理コードとは何ですか？

通話処理コードは、録音された通話に割り当てられたラベルであり、結果を要約し、エージェントの次のステップに言及します。 コンタクトセンターは、コール処理コードを使用して、コールを記述および分類します。

たとえば、エージェントが顧客に即時の解決策を提供する場合、エージェントは通話の処理コードを「1つの通話解決」として示すことができます。

注：好みに応じて、独自の廃棄コードを設定できます。

これで、最初の通話解決率を計算および測定する方法を理解できました。 それが十分であるかどうかを判断する時が来ました。

良いファーストコール解決率とは何ですか？

いくつかのレポートに基づくと、良好なFCR率は70％から79％の範囲です。もちろん、パーセンテージが高いほど良いです（率は、業界、事業規模、および顧客のタイプによって異なる場合があります）。

ただし、最初の通話の解決率を高くするために、エージェントが顧客の通話を長時間続ける傾向がある場合があります。これは、平均クエリ処理時間（AHT）に直接影響するため、必ずしも賢明とは限りません。全体的な生産性に影響を与えます。

これと他のいくつかの考慮事項を考慮して、FCRを改善する方法に関するいくつかの推奨事項を次に示します。

ファーストコールの解決を改善するためのベストプラクティス

1.将来の分析のためにFCRベンチマークを設定します

開始する前に、過去30〜60日間の1回の通話解決率を測定して、将来の成長分析のベンチマークを作成します。

最初の通話の解決を測定するのに十分なデータがない場合は、業界平均である74％をベンチマークとして使用します。

2.FCR率が低い原因を特定します

通話記録と顧客からのフィードバックを分析して、最初の通話の解決率が低い一般的な原因を特定します。 また、エージェントや顧客と話し合って、より多くのデータを収集することもできます。 分析に基づいて、最初の通話解決率を向上させるためのデータ駆動型プランを作成します。

これらの質問を自問して、実用的な結果を得ることができます。

• 通常、最初の呼び出しで解決されるクエリの種類は何ですか？

• 最初の電話の後で顧客が満足しないのはなぜですか？

• なぜ顧客はマネージャーまたはスーパーバイザーへのエスカレーションを要求するのですか？

• お客様はサポートチャネルを切り替えていますか？ はいの場合、なぜですか？

3.知識ベースを維持します

顧客の3分の2以上が、解決の過程のある時点でセルフサービスチャネルに依存しているため、堅牢な知識ベースは、顧客が自分自身を助けるための優れたリソースであることが証明される可能性があります。

お客様は、ナレッジベースを介して関連情報に簡単にアクセスし、サポートに連絡する前に自分でクエリを解決できます。

ナレッジベースは、エージェントやチャットボットが顧客とのやり取りの際に参照できる優れたリソースであり、クエリをより迅速に解決するのに役立ちます。

ナレッジベースが顧客の一般的なクエリのほとんどを解決できる場合、顧客は2度目のサポートに連絡できない可能性があります。

4.AIエージェントアシストを使用する

エージェントは、最初の電話で顧客の問い合わせを解決するために得ることができるすべてのサポートを必要としています。 そのためには、 AIを利用したエージェントの支援が必要です。

エージェントは、エージェントと顧客のやり取りを継続的にスキャンし、ナレッジベースの記事やFAQページなどの参照リソースを表示するのを支援します。 これにより、エージェントはクエリを数秒で解決できるため、1回の通話解決率、顧客満足度スコア（CSAT）、および大規模な平均応答時間（ART）が向上します。

信頼できるAIを利用したエージェントアシストの機能には、次のものがあります。

• 通話後の概要、コールバックのスケジュールとリマインダー、通知メールなどの手動アクションの自動化。

• 包括的な顧客クエリコンテキスト分析により、同様のケースを強調し、ナレッジベースの記事、FAQページ、およびガイド付きワークフローを提案します。

• エージェントと顧客のやり取りに基づくリアルタイムのCSAT更新。

• 必要に応じて、利用可能なスーパーバイザーにシームレスにエスカレーションします。

  

5.スキルベースのコールルーティングを展開します

カスタマーサービスとは、顧客が質問に対する答えを探すときの顧客の労力を減らすことです。 ただし、ルーティングが不十分だと、カスタマーエクスペリエンスが妨げられるため、原因が解決しない場合があります。

スキルベースのコールルーティングは、最初のコール中にクエリを効率的に解決するために必要なスキルを持つエージェントに顧客を接続します。

これらのスキルは業界によって異なり、次のものが含まれます（ただしこれらに限定されません）。

• 業界での経験—エージェントが顧客からの問い合わせを処理した長年の経験

• 言語能力—特定の言語でのエージェントの能力

• フィールドの専門知識—技術的なクエリの処理に関するエージェントの専門知識

  

6.徹底したエージェントトレーニングを提供する

エージェントは、最初の電話で顧客からの問い合わせを解決するための適切なトレーニングが必要です。

また、関連するリソース（ナレッジベースの記事や製品チュートリアル）を用意し、製品に精通していることを確認することも重要です。

改善に焦点を当てるべき追加のエージェントスキルは次のとおりです。

• 問題解決：顧客の問題とニーズを理解し、関連するソリューションを提供します。

• 忍耐と共感：顧客の質問に辛抱強く耳を傾け、ブランドが彼らを気にかけていることを顧客に知らせます。

• 明確なコミュニケーション：ソリューションを明確かつ簡潔に伝達します。

• クロスプラットフォームのクエリ処理：電話、ライブチャット、ソーシャルメディアなどのチャネル全体で顧客を支援する機能。

トレーニングエージェントがときどき圧倒される場合でも、AIエージェントアシストは、エージェントが顧客のクエリを効率的に処理するのに役立ちますので、ご安心ください。

7.不幸な顧客をフォローアップする

顧客をフォローアップしても、一晩で1回の通話の解決率が向上することはありませんが、これは、顧客を気にかけていることを示すためにすべての企業が行うべきことです。 データによると、 68％の顧客が自分のことを気にしない会社を辞めています。

不幸な顧客にフォローアップメールを送信すると、顧客の不満を理解し、顧客サービスとサービスを改善する機会を特定するのに役立ちます。

その上、不幸な顧客を熱心にフォローアップすることは、彼らに価値を感じさせ、あなたのビジネスが利益よりも顧客を優先することを彼らに示すことができます。

これが、最初の通話解決だけでなく、他のすべてのKPIでも機能する最後のヒントです。FCR率を向上させるために上記の方法を採用せず、永久に最適に実行するように賭けてください。 代わりに、これらのベストプラクティスのパフォーマンスを継続的に監視し、時々段階的に変更を加えて、高いFCR率を達成する必要があります。

ModernCareLiteの無料トライアルを開始します

Sprinklrが、基本的なAIを使用して、13以上のチャネルでプレミアムエクスペリエンスを提供するのにどのように役立つかをご覧ください。これにより、カスタマーエクスペリエンス全体で、聞き取り、ルーティング、解決、測定を行うことができます。

無料トライアルを開始