自社サポート窓口への問い合わせ件数を集計していても、他のデータとの比較なしにはその数値が適正なのか、増減の仕方が異常なのかどうかといったことはわかりません。本記事では、効果的なデータ分析を行う上で重要な「比較」について書きました。
データ整理の限界
集計しているサポート関連指標は企業ごとに異なるでしょう。電話窓口を設けている場合であれば、入電件数や応答率、平均通話時間といった指標を集計し、その推移などを観察しているかもしれません。メールサポートを実施している場合であれば、平均返信時間などを指標として集計しているかもしれません。
いずれにせよ、これらの指標を単に集計し、整理しているだけでは「今月はこんなものか」という現状把握しかできません。もちろん、このようにデータを集計・整理することで、自社のサポート状況を客観的に理解することができるため、データを整理することも重要です。
しかし、データを整理するだけでは気がつけないこともあります。どういうことかというと、数値に増減があった場合など、他のデータと「比較」することなしには、その増減が異常なのかどうかを相対的に評価することができないということです。 メールへの平均返信時間を過去最高にまで短縮できたとしても、同じ業界の一般的な水準と比較すると、低い水準だったということもあるかもしれないのです。
比較によって相対的な評価を行う
データを効果的に分析するためには、データを比較することが大切です。比較することによって、自社のサポート状況を相対的に評価することができます。結果として、違いを生んでいる要因を考えたり、違いをなくすための改善策を実施しやすくなるでしょう。
応答率や平均返信時間などといった指標をグループ企業内の平均と比較してみたり、業界水準がわかっている場合には業界の水準と比較してみましょう。相対的に評価することによって、自社の現在地を正しく認識することができるはずです。
チャットサポートツールの「LiveChat」では、Benchmark というページを設け、初回返信時間などの全体的な水準と比較できるようにしています。
比較を行う際の2つ注意点
データの比較を行う際には、以下の2つの点に注意が必要です。
1. 前提を合わせる
データを比較する際には、その前提となる条件を一緒にしなければなりません。前提の異なるデータを比較したところで、有益な気づきを得ることはできません。
2. 適切な比較対象を選ぶ
「何を知りたいか？」という目的に応じて、選ぶべき比較対象は変わります。データ分析の基本でもありますが、目的を忘れずに適切な比較対象を選ぶことが大切です。
まとめ
今回は、効果的なデータ分析を行う上で重要な「比較」について取り上げました。
カスタマーサポート品質を測る指標を集計・整理することも重要ですが、それらのデータを比較することによって有益な気づきを得ようとすることも重要です。また、比較を行う際には、「前提を合わせる」「適切な比較対象を選ぶ」ということに注意しましょう。 もちろん、明確な目的を持つというデータ分析の基本も忘れてはいけません。
本記事をきっかけに、自社のサポート状況・品質を分析し、何かしらの改善策を考えてみてはいかがでしょうか。
