Hoe meet en bewaak je de FCR of first call resolution rate?
First Call Resolution (FCR) is een belangrijke indicator voor het beoordelen van de efficiëntie van callcenters en de klanttevredenheid. Het meet het vermogen om problemen van klanten bij het eerste contact op te lossen, waardoor er minder follow-ups nodig zijn en de klantervaring verbetert.
In dit artikel leggen we uit hoe je dit percentage berekent, welke verschillende meetmethoden er zijn en wat de voor- en nadelen van elke methode zijn.
Waarom het oplossingspercentage van de eerste oproep in het contactcentrum bijhouden?
FCR is een relevante KPI die voordelen kan hebben voor alle andere belangrijke prestatie-indicatoren, zoals klanttevredenheid, kosten en verkoop.
Volgens SQM resulteert elke 1% verbetering in het oplossen van het eerste contact in :
- CSAT verbeterd met +1%.
- Bedrijfskosten dalen met 1
- Een verbetering in medewerkerstevredenheid van +1 tot +5%.
Volgens hetzelfde onderzoek stijgt de klantconversie met 20% als een situatie wordt opgelost en blijft 98% van de klanten loyaal aan het merk als de situatie bij het eerste contact wordt opgelost.
Deze opwaartse spiraal van klanttevredenheid betekent dat de FCR-metriek verbonden is met de andere kerncijfers van klantrelaties, zoals CSAT, ESAT, kosten en verkoop.
Hoe wordt de RCF berekend?
Het oplossingspercentage van de eerste oproep wordt berekend door het aantal aanvragen dat bij de eerste oproep wordt opgelost te delen door het totale aantal oproepen. Vermenigvuldig de uitkomst vervolgens met 100 om een percentage te krijgen.
Als een callcenter bijvoorbeeld 200 oproepen ontvangt en erin slaagt om 150 problemen op te lossen bij de eerste oproep, is de berekening als volgt:
150 / 200 * 100 = 75%
Een goede FCR-score ligt tussen 70 en 80%.
De eerste oproepresolutie meten met behulp van externe gegevens
Met "externe gegevens" bedoelen we gegevens gebaseerd op directe feedback van klanten om de oplossing van problemen vanaf het eerste contact te beoordelen.
Men is het erover eens dat dit de beste informatiebron is om de CRF nauwkeurig te meten en de kwaliteit van de klantervaring te beoordelen.
Maar de respons is variabel, wat de representativiteit van de gegevens kan beperken. Bovendien kunnen klanten bij het antwoorden beïnvloed worden door emotionele of contextuele factoren, wat de objectiviteit kan beïnvloeden.
Dit zijn de belangrijkste manieren om feedback van klanten te verzamelen:
Telefonische enquête na een oproep
De telefonische enquête na het gesprek bestaat uit het telefonisch contact opnemen met klanten na hun eerste interactie om hen te vragen of ze vinden dat hun probleem tijdens het eerste gesprek is opgelost. Deze methode geeft directe en onmiddellijke feedback over de doeltreffendheid van de oplossing.
Voordelen :
- De klant bepaalt de RCF/oplossing van zijn verzoek
- Hoge betrouwbaarheid
- Identificeert ontevreden klanten
Nadelen :
- Hoge kosten
- Kleine steekproef vanwege de bereidheid van klanten om te reageren
- Verwerkingstijd >1 dag na de oproep
E-mailenquête na oproep
Bij e-mailenquêtes na een oproep sturen we een e-mail naar klanten na hun eerste contact, waarin we hen vragen te beantwoorden om na te gaan of hun probleem opgelost was bij het eerste contact. Met deze methode kan gedetailleerde feedback asynchroon worden verzameld.
Voordelen :
- De klant bepaalt de RCF/oplossing van zijn verzoek
- Lage kosten
- Identificeert ontevreden klanten
Nadelen :
- Gemiddelde kosten (behandelingsgerelateerd)
- Kleine steekproef in verband met bereidheid van klanten om te reageren en beschikbaarheid van e-mailadres
- Beperkte feedback (beperkt aantal vragen voor maximale respons)
- Verwerkingstijd >1 dag na de oproep
Uitgaande IVR-enquête (Interactive Voice Response) na een oproep
De post-call outbound IVR-enquête maakt gebruik van een Interactive Voice Response (IVR)-systeem om klanten te bellen na hun eerste interactie en hen geautomatiseerde vragen te stellen over de oplossing van hun probleem.
Met deze methode kan feedback snel en automatisch worden verzameld.
Voordelen :
- De klant bepaalt de RCF / resolutie van zijn verzoek (betrouwbare eenheidsverklaring)
- Ontevreden klanten identificeren (kan worden gekoppeld aan CSAT)
- Lage kosten (geautomatiseerd proces)
- Snelle beschikbaarheid van informatie
Nadelen :
- Kleine steekproef vanwege de bereidheid van klanten om te reageren
- Klanten vinden contact met een robot zelden prettig
Inkomend IVR (Interactive Voice Response)-onderzoek na een oproep
De inbound post-call IVR enquête nodigt klanten uit om een vragenlijst in te vullen via een interactief voice response (IVR) systeem onmiddellijk na hun eerste interactie, meestal door aan de lijn te blijven of een specifiek nummer te bellen.
Deze methode biedt onmiddellijke, geautomatiseerde feedback over de oplossing van het probleem.
Voordelen :
- De klant bepaalt de FCR de resolutie van zijn verzoek (betrouwbare eenheidsverklaring)
- Ontevreden klanten identificeren (kan worden gekoppeld aan CSAT)
- Lage kosten (geautomatiseerd proces)
- Snelle beschikbaarheid van informatie
Nadelen :
- Onbetrouwbaar en steekproefsgewijs
- Kan worden gemanipuleerd (voorstel door de adviseur alleen bij succesvolle gesprekken)
- Beperkte feedback (beperkt aantal vragen voor maximale respons)
- Klanten vinden contact met een robot zelden prettig
Onderzoek door de adviseur tijdens het gesprek
Bij navraag door de adviseur tijdens het gesprek vraagt de adviseur de klant direct, voordat hij het gesprek beëindigt, of hij het gevoel heeft dat zijn probleem is opgelost.
Deze methode geeft onmiddellijke en directe feedback over de kwaliteit van de resolutie.
Voordelen :
- Kosten verdund in het klantrelatieproces
- Stelt de adviseur in staat betrokken te zijn bij het monitoren van het RCF
- Kan gekoppeld zijn aan het kwaliteitsmanagementproces (QM)
Nadelen :
- Adviseurs houden niet van scriptvragen
- De enquête kan nadelig zijn voor de algehele ervaring
- Kan worden gemanipuleerd (voorstel door de adviseur alleen bij succesvolle gesprekken)
- Klanten durven misschien niet oprecht te zijn
- Beperkte feedback (het aantal vragen is beperkt om de respons te maximaliseren)
De eerste oproepresolutie meten met behulp van interne gegevens
Het meten van de FCR aan de hand van interne gegevens houdt in dat informatie wordt gebruikt die is verzameld via interne software en systemen. Deze methoden zijn gebaseerd op de analyse van interacties en gespreksgegevens om de oplossing van problemen te beoordelen.
Deze methoden hebben het voordeel dat ze objectiever zijn, omdat ze minder onderhevig zijn aan de emotionele vooroordelen van klanten. Bovendien kunnen deze gegevens continu en in realtime worden verzameld, waardoor een constant beeld ontstaat van de prestaties.
Maar interne gegevens weerspiegelen mogelijk niet volledig de tevredenheid of perceptie van de klant. Om nog maar te zwijgen van het feit dat het analyseren van deze gegevens complex kan zijn en geavanceerde tools en analytische vaardigheden vereist.
Dit zijn de belangrijkste methoden om de RCF met interne gegevens te analyseren:
Automatische detectie van meerdere gesprekken
Automatische detectie van meerdere gesprekken maakt gebruik van software om klanten te identificeren die meerdere keren contact opnemen met de klantenservice voor hetzelfde probleem.
Voordelen :
- Geautomatiseerd proces
- Maakt een kwantitatieve benadering mogelijk
- Hiermee kunt u gesprekken selecteren om naar te luisteren voor een gerichte QM-aanpak
- Gebaseerd op aanzienlijke hoeveelheden gegevens
Nadelen :
- Gebaseerd op deterministische en subjectieve resolutieregels
- Kan afwijken van het werkelijke RCF-tarief (+/- 10 tot 20%)
- Beperkte feedback (geen kwalitatieve informatie)
Kwaliteitsmanagement
Kwaliteitsbeheer omvat de evaluatie van interacties tussen agenten en klanten door supervisors of geautomatiseerde tools zoals Batvoice om te controleren of problemen bij het eerste gesprek correct zijn opgelost.
Deze methode stelt ons in staat om hoge kwaliteitsnormen te garanderen en gebieden te identificeren die verbetering behoeven.
Voordelen :
- Gebaseerd op bestaande processen voor kwaliteitsmanagement
- Hiermee kunnen adviseurs coachen op gesprekken die zijn beluisterd
- Verdunde kosten in het kwaliteitsproces
Nadelen :
- Hoge kosten (voor luisteren en verwerken)
- Gereduceerde steekproef Gebaseerd op deterministische en subjectieve resolutieregels (beoordelaar)
- Kan het werkelijke RCF-percentage onderschatten of overdrijven (+/- 10 tot 20%)
- Kan opdringerig lijken voor adviseurs
CRM en ticketbeheer
Bij deze methode wordt een CRM-systeem (Customer Relationship Management) gebruikt om supporttickets te volgen en te analyseren. Zo kunnen we bepalen of problemen van klanten bij het eerste contact worden opgelost door de geschiedenis en updates van tickets te controleren.
Voordelen :
- Gebaseerd op bestaande systemen
- Maakt een kwantitatieve benadering mogelijk
- Lage kosten (selectievakje in vervolgkeuzemenu)
- Identificeert onopgeloste vragen
Nadelen :
- Gebaseerd op deterministische en subjectieve resolutieregels
- Kan worden vervormd door adviseurs (subjectieve verklaring)
- Kan afwijken van het werkelijke RCF-tarief
- Beperkte feedback (weinig kwalitatieve informatie in de zelfevaluatie)
Quelle méthode choisir pour mesurer le FCR de votre service client ?
Om de activiteiten van uw CRC (customer relationship center) te beheren, is het essentieel om een of meer meetmethoden te selecteren om een volledig overzicht van uw prestaties te krijgen en de voor- en nadelen tegen elkaar af te wegen.
De vraag is hoe we dit kunnen verzoenen:
- Volledigheid en betrouwbaarheid van gegevens voor een statistische benadering
- Kwalitatieve inhoud (feedback van klanten) om prioriteitsgebieden voor verbetering te identificeren
- Automatisering om de implementatie te vergemakkelijken zonder processen te veranderen
- Rendement op investering
Het beste van twee werelden: Spraakanalyse en automatisch kwaliteitsbeheer
Kunstmatige intelligentie biedt enkele antwoorden, met Speech Analytics toegepast op de stem van de klant en op Quality Management processen. Deze technologie bestaat uit het analyseren van alle gesprekken in een contactcentrum en het extraheren van zowel kwantitatieve als kwalitatieve gegevens.
Voordelen :
- Volledigheid van analyse (alle gesprekken opgenomen)
- Directe en continue verwerking van oproepen
- Hoge betrouwbaarheid
- Stelt je in staat om ontevreden klanten te identificeren (irritaties, sterke boosheid) en hier geautomatiseerde acties aan te koppelen
- Stelt je in staat om spontane feedback van klanten te krijgen zonder extra stappen dankzij Voice of Customer
- Steltadviseurs in staatom verbeterpunten te identificeren en de voortgang continu te bewaken (kwaliteitsmanagement)
- Automatiseert de identificatie van heroproepen en redenen voor heroproepen
Nadelen :
- Vereist de betrokkenheid van teams rond de Voice of the Customer (VOC) om acties te lanceren op de cross-functionele processen van het bedrijf
- Soms zijn er extra kosten voor ondersteuning in de vorm van advies.
- Analysemodellen zijn soms generiek (afhankelijk van de specifieke kenmerken van Speech Analytics-oplossingen) en kunnen onnauwkeurig zijn, afhankelijk van de activiteitensector.
- ROI is voor bedrijven moeilijk te meten en vereist expertise van de Speech Analytics-leverancier
- Soms worden generieke AI-modellen voorgesteld: deze zijn minder efficiënt dan specifieke modellen (specifiek gekalibreerde AI vereisen meer inspanning en samenwerking voor optimale prestaties).
