Preventív panaszkezelés

Preventív panaszkezelés

Termék: IBM SPSS Modeler
Megoldás: CLEMCRM
Iparág: Energiaszolgáltatás
Ügyfél: EON

A hazai energiaszolgáltatási szektor legnagyobb, nem állami tulajdonú szereplője.


Üzleti probléma

A hazai fogyasztóvédelmi hatóság a szolgáltatásokkal kapcsolatos panaszos ügyekben számos esetben ró ki bírságot az érintett vállalatokra. Az E.ON a vonatkozó esetek hátterének feltárása során számos esetben megállapítja, hogy volt előzetes párbeszéd a két fél között, de a kommunikáció feldolgozásának hiányában a következmények mindig meglepetésként hatnak a szervezetre. Miként tudja egy professzionális ügyfélszolgálatot működtető vállalat az ügyfelekkel folytatott kommunikáció elemzésével azonosítani a fogyasztóvédelmi panasszal fenyegető eseteket és megoldásukkal elkerülni a bírságot?

Összegzés

Az E.ON a számára készült pilot megoldással a fogyasztóvédelmi panasszal fenyegető esetek 70%-ra előre jelzhető, melynek segítségével csökkenthető a cégre kirótt pénzbeli büntetések összege.

///

EGYSÉGES KÉP MINDEN CSATORNÁRÓL

  • panaszos esetek előrejelzése az ügyfelek különböző csatornákon folytatott kommunikációs mintázatai alapján
  • rendszeresen futtatható, automatizált elemzés

Megoldás

Az ügyfelek szegmentálásával az egyes csoportokra jellemző kommunikációs fordulatok alapján összeállított prediktív modellek hivatottak előrjelezni, hogy mely esetek kívánnak megkülönböztetett figyelmet.

  1. Előkészítés
    • ügyfélszegmensek kialakítása:
      • Egyetemes ügyfelek – általános magán felhasználók
      • Versenypiaci ügyfelek – vállalatok
    • 1,5 – 2 évnyi, az egyes szegmensekhez köthető írásos vagy hang-alapú ügyfélkommunikációs adat feldolgozása
  2. Implementálás
    • a strukturált adatokból prediktív modellek felállítása
    • ellenőrzés: 2 hónap panaszos eseteinek és a modell által előre jelzett panasszal fenyegető ügyeinek összevetése – 70%-os pontosság
    • az elemzésre havi rendszerességgel kerülhet sor
Vissza