시리즈의 문서
인력 관리와 관련하여 메시징은 기존 채널 및 지원 구조에서 사용했던 것과는 다른 운영 프로세스 및 절차에 가장 적합합니다. 기존 전화 및 이메일 기반 지원 구조에서 메시징을 사용하든 새로운 챗봇 구조에서 메시징을 사용하든 관계없이 인력 자원, 워크플로우 및 성과 평가에 대한 생각을 바꿔야 할 수도 있습니다.
이 문서에서는 메시징을 위해 고려해야 할 인력 자원 및 운영 변경 사항에 대해 알아봅니다.
인력 자원 고려 사항
효과적인 지원 인력을 구축하려면 고객 지원, 서비스 수준 계약 충족, 높은 고객 만족도 달성, 예산 관리 사이에서 적절한 균형을 찾는 일이 무엇보다 중요합니다. 대화형 메시징 워크플로우를 디자인하는 동안 필요한 스태프 수와 효율성을 극대화하기 위해 메시징 워크플로우를 구성하는 최선의 방법을 고려해야 합니다.
Zendesk 웹사이트에는 메시징 구현 시 필요한 상담사 수를 추정하는 데 도움이 되는 유용한 계산기가 있습니다.
메시징 분류 및 라우팅이 인력 자원에 미치는 영향 고려하기
메시징 대화 플로우를 구성하는 방법은 성공적인 대화형 지원 전략의 핵심입니다. 이는 인력 자원 요구 사항에도 큰 영향을 미칩니다.
상담사의 시간 활용을 극대화하고 제공되는 서비스의 수준을 높이려면 티켓 분류 및 라우팅 프로세스를 단순하게 유지하는 것이 좋습니다. 신중하게 라우팅 방법을 선택하는 것 외에도 다음 두 가지 작업을 수행하여 상담사들이 대화형 메시징 업무량을 성공적으로 관리하도록 도울 수도 있습니다.
- 대화 한도나 수용 능력 규칙 설정
- 자동으로 비활성 대화 종료
상담사의 성공적인 업무 수행을 위한 기반 다지기
-
단계별로 메시징을 구현합니다.
우선, 메시징 워크플로우의 단계별 개발 및 배포를 고려하세요. 상담사들이 더 익숙할 수 있는 실시간 채팅과 같은 설정으로 시작한 다음 시간이 지남에 따라 더 많은 비동기식의 메시징 기능을 도입할 수 있습니다.
-
미리 상담사 교육을 실시하고 구현 후 후속 작업을 합니다.
상담사를 교육하는 것은 상담사에게 다양한 지원 시스템과 동작에 적응할 시간을 주는 것만큼 중요합니다. 첫 대화형 메시징 워크플로우를 구현하기 전에 상담사들에게 예상되는 사항에 대해 알리세요. 그런 다음 대화형 지원 모델을 변경할 때마다 계속 그렇게 하세요.
다음 리소스가 도움이 될 수 있습니다.
- Zendesk 메시징 교육 코스
- Zendesk 상담사 워크스페이스에서 메시지 받고 보내기
- 알림 목록을 사용하여 대화 관리하기
- 새 워크플로우에서 작업이 어떻게 라우팅되는지 설명:
- 옴니채널 라우팅 사용하기(푸시 모델)
- Support 트리거 또는 메시징 트리거
- 대화형 지원 티켓 자동 배정하기
- 보기에서 메시징 대화 티켓 가져오기
- 자동 답장이나 대화 봇을 사용하는 경우에는 워크플로우 내에서 자신의 역할을 이해하도록 도와주세요.
운영 고려 사항
대화형 메시징 지원의 목표를 이해하면 고유한 요구 사항에 맞는 최적의 워크플로우와 고객 경험을 구성하는 데 도움이 될 수 있습니다.
기대치 조정하기
상담사가 교육을 받고 메시징이 활성화된 후에는 메시징 양을 이메일, 채팅 또는 전화에서 이전에 경험한 양과 비교하는 법을 배우는 동안 조정 기간을 갖는 것이 중요합니다.
대화형 메시징 지원을 배포한 후 곧 요청 감소율이 더 나은 방향으로 바뀌는 것을 볼 수 있습니다. 상담사의 실시간 지원이 필요한 고객이 줄어들면 상담사 성공을 평가하는 데 사용한 많은 통계와 요구 사항을 변경해야 합니다. 충분한 시간을 갖고 이러한 변화를 관찰한 후 양과 인력 자원 예측에 적용하세요. 이를 유지하기 위해 지속적으로 봇과 자동화를 관리하는 관리자와 협력할 준비를 하세요. 실시간 채팅에서 메시징으로 마이그레이션할 때 성공 측정하기를 참조하세요.
또한 고객과 상담사가 새 환경에 적응하는 동안 일시적으로 요청 수가 증가하는 것은 자연스러운 현상입니다. 고객 불만과 대기 시간 증가를 방지하기 위해 추가적인 상담사 교육과 심지어 더 많은 인력 자원 투입이 필요함을 나타낼 수도 있는 고객 피드백의 추세에 주의를 기울이세요. 궁극적으로 채널당 메시징 양은 채팅과 비교하여 더 낮아야 하는데, 그 이유는 티켓을 고객 스스로 해결할 가능성이 더 높고 연결이 끊긴 지원 요청은 대기열에서 제외되기 때문입니다.
마지막으로, 중단된 대화는 메시징 티켓에 유효하지 않은 조건입니다. 그러므로 예측에서 제거해야 합니다.
메트릭 및 SLA 변경하기
상담사들이 새 대화형 메시징 지원 프로세스에 익숙해지면 업무량 및 생산성 기대치를 업데이트하고, 봇 및 자동화를 최적화하며, 티켓의 근본 원인 분석 수행에 집중할 수 있습니다. 이러한 모든 것이 장기적으로 티켓 양을 줄이고 상담사 생산성을 높이는 데 기여할 수 있습니다.
Zendesk에 연결된 워크플로우 관리 도구를 다시 구성해야 할 수도 있습니다. 이는 일반적으로 예측을 구축하는 데 사용하려는 새로운 스킬, 그룹 및 메타데이터 도입으로 인해 발생합니다.
메시징을 배포한 후 티켓 처리가 어떻게 변경되는지 확인하세요. 티켓 터치 수가 늘어나거나 줄어들었나요? 그러한 티켓 터치가 더 오랜 기간에 걸쳐 더 짧아졌나요? 이와 같은 질문은 조직의 잠재력을 최대한 실현하도록 인력 자원 및 운영 요구 사항을 계획하는 데 도움이 될 수 있습니다.