Blog abonnieren

Wie Sie mit Wissensmanagement im Service 1,2 Mio € p.a. einsparen

Welche Schlüsselfaktoren kennzeichnen einen richtig guten Service? Wenn Sie nach entsprechenden Indikatoren suchen, stoßen Sie immer wieder auf eine zentrale Kennzahl: die First Contact Resolution (FCR). Dabei geht es um den Fallabschluss im Erstkontakt. Das Besondere ist, dass diese Kennzahl auf sehr viele Aspekte zugreift und wie keine andere DER Gradmesser für die Wirtschaftlichkeit und Qualität eines Kundenservice ist. Nach den aktuellen Benchmarks liegt der weltweite Durchschnitt der FCR bei ca. 70 %, wobei bei einem Vergleich wichtige Details wie z.B. Branche etc. zu beachten sind.

Marktstudien belegen den direkten Einfluss der FCR auf die Kundenzufriedenheit: steigt der FCR um 1%, erhöht sich auch die Kundenzufriedenheit um 1%. Umgekehrt führt ein höherer Aufwand für die Problemlösung auf Seiten der Kunden in den meisten Fällen zu einem Anbieterwechsel. Genauso relevant ist die Kostenseite: eine 1%ige Verbesserung der FCR führt zu einer Senkung der Betriebskosten um 1%. Vielfach gilt ein guter Wert der FCR auch als Indikator für eine gute Customer Experience, einen hohen Customer Lifetime Wert oder auch als Indikator für hohe Mitarbeitermotivation und -zufriedenheit. Im Folgenden erläutern wir, warum der Einsatz einer intelligenten aktiven Wissensdatenbank so wichtig für einen hohen FCR ist, und welche Einsparpotenziale Sie dadurch realisieren können.

Mehrwerte im Service durch Wissensmanagement

Abb.1: Mehrwerte im Service durch Wissensmanagement

Die aktive Wissensdatenbank als perfekte Informationsdrehscheibe

Eine hohe Lösungskompetenz über verschiedene Kommunikationskanäle setzt den Einsatz einer professionellen Wissensdatenbank voraus. Herkömmliche Systeme beschränken sich meist auf das Verwalten und Durchsuchen von klassischen Dokumenten. Seit einigen Jahren liefert eine neue Generation von aktiven Technologien wesentlich bessere Ergebnisse. Diese fördern nicht mehr nur das Arbeiten mit Wissen, sondern integrieren das Wissen aktiv in die Nutzungsprozesse der Anwender. Wissen ist somit nicht mehr nur ein reines Dokument, sondern vielmehr ein automatisch organisierter Wissensinhalt, der bedarfs-, kanal- und Persona-gerecht genutzt wird. Deutlicher wird dies, wenn wir betrachten, wie dies durch eine aktive Wissensdatenbank als Softwarelösung unterstützt wird.

Für alle Zielgruppen

Wenn Sie die Service-Inhalte bestmöglich aufbereiten möchten, kommen Sie an einer Persona-orientierten Wissensbereitstellung nicht vorbei. Eine der hervorstechendsten Eigenschaften einer aktiven Wissensdatenbank ist diese individuelle Unterstützung aller am Service-Prozess Beteiligten. Denn Kunden, Service-Agents, Redakteure und Manager haben unterschiedliche Bedürfnisse.

usu_unymira_aktives-wissensmanagement_grafik1_210x165mmAbb. 2: Systemunterstützung verschiedener Service-Rollen

Für alle Bedürfnisse

Eine aktive Wissensdatenbank integriert Wissen in den Prozess, bietet Wissen bedarfsgerecht an und unterstützt aktiv bei der Erstellung und Pflege von Inhalten. Folgende Funktionen sind dabei besonders wichtig:

Aktive Suche – Wissen in den Prozess integrieren

Sprache ist vielfältig und komplex. Umso wichtiger ist eine intelligente Suche, die für Sie schnell und intuitiv das passende Dokument bzw. die richtige Antwort findet. Eine aktive Suche lernt ständig dazu und integriert Künstliche Intelligenz. Sie stellt aktiv Verbindungen her und schlägt bei unscharfen Begriffen z.B. auch ähnliche Suchphrasen vor – nach dem Google-Prinzip „andere Nutzer suchten auch…“ Auch auf der Ergebnisseite lernt das System von anderen Usern und erstellt automatisch Themenübersichten.

Geführte Dialoge – Wissen bedarfsgerecht anbieten

In der Praxis sind geführte Dialoge oder Troubleshooting Guides für eine rasche interaktive Lösungsfindung entscheidend. Das System unterstützt durch gezielte Fragen anhand von Entscheidungsbäumen, ohne dass der Agent dafür lange Wissensinhalte lesen müsste. Der Vorteil dabei: auch Agents an ihrem ersten Arbeitstag können das Wissen direkt nutzen und sofort zu so aufbereiteten Themen beauskunften.

Dynamischer Editor – Wissen einfach erstellen und pflegen

Die Redaktionstätigkeit ist eine der grundlegenden Arbeiten für den Service-Erfolg. Hilfreich hierfür ist die Nutzung eines aktiven Editors, der Wissensinhalte in Form verschiedener Bausteine zusammen stellt. Redakteure profitieren von einer raschen und flexiblen Erstellung bzw. weiteren Bearbeitung von Dokumenten.

Für alle Kanäle

First Contact Resolution ist viel mehr als First Call Resolution – denn sie berücksichtigt nicht nur den Telefonkanal, sondern den kompletten Kanalmix moderner Omnichannel-Kundenkommunikation. Ob es um die Eskalation vom First Level zum Second Level oder vom Chatbot zum chattenden Service-Mitarbeiter geht – aus der Kundenperspektive geht es immer um den Wunsch, bereits „im ersten Anlauf“ eine Lösung zu erhalten, auch über Self-Service-Kanäle. Hierfür ist ein „Single Point of Truth“ für alle Kanäle in Form einer aktiven Wissensdatenbank ebenfalls erfolgskritisch. Denn in ihr wird das Wissen einmal aufbereitet, up-to-date gehalten und in alle benötigten Kanäle ausgespielt. So gewährleisten Sie qualitätsgesicherte und jederzeit aktuelle Informationen in allen Kontaktpunkten Ihres Customer Service.

Lesen Sie die Details im aktuellen Whitepaper: „Aktives Wissensmanagement“

Den FCR um 20 % erhöhen … und andere positive Effekte

Durch eine aktive Wissensdatenbank erhöhen Sie und Ihr Service-Team die Produktivität und Service-Qualität bei maximal wirtschaftlichem Einsatz der Ressourcen. Dies lässt sich durch zahlreiche konkrete Kundenbeispiele nachweisen:

So profitiert z.B. das Call Center einer deutschen Großstadt beim Einsatz der USU-Wissensdatenbank Knowledge Management von:

  • einer Erhöhung der First Call Resolution Rate um 20 Prozent
  • der Reduzierung der Call Handling Time um 50 Prozent

Bei 1,1 Millionen Gesprächen pro Jahr oder etwa 4.600 täglichen Anrufen ergeben sich allein durch diese Parameter folgende Einsparpotenziale:

  • Betriebskosten: auf Basis eines Modells von Kienbaum errechnen sich bei dieser Größenordnung jährliche Betriebskosten von gut 3 Millionen Euro, wobei etwa 80 Prozent davon Personalkosten sind. Setzt man diesen Betrag an, entspricht die 20%ige Erhöhung der FCR einer Betriebskostenersparnis von etwa 20 Prozent, also von ca. 600.000 Euro pro Jahr.
  • Call Handling-Time: Die durchschnittliche Gesprächszeit liegt bei gut 4 Minuten und konnte halbiert werden. Bei 1,1 Millionen Anrufen ergibt das insgesamt eine Reduzierung von etwa 36.000 Stunden, 4.580 Tagen oder den Ressourcen von ca. 20 Call Center Agents. Bei durchschnittlichen Kosten pro Agent von – konservativ gerechnet – jeweils 30.000 Euro p.a. ergeben sich weitere 600.000 Euro an Ersparnissen.

Insgesamt summieren sich die positiven Kosteneffekte auf etwa 1,2 Millionen Euro. Dazu kommen noch weitere Faktoren wie die um 60% geringere Einarbeitungszeit für neue Mitarbeiter. Damit korrespondierend ist das Feedback für diesen exzellenten Bürgerservice sehr gut und liegt bei 1,4 (in Schulnoten).

Weitere nachweislich belegte Effekte durch den Einsatz von Knowledge Center bei anderen Service-Organisationen sind zum Beispiel:

  • ein Telekommunikationsanbieter konnte den Dokumentenbestand von 8.000 auf 1.400 reduzieren
  • ein Anbieter von IT-Lösungen für Retailbanken konnte durch den Einsatz von „geführten Fehleranalysen“ die Erstlösungsrate um 25 Prozent steigern
  • ein multinationaler Automobilkonzern halbierte durch Self-Service die Anzahl der Calls im IT-Service
kpi-correlation_infografik_website_de

Abb.3: Konkrete Verbesserung durch Wissensdatenbanken

Auf dem Weg zur Service-Exzellenz

Service ist wissensintensiv. Um die Prozesse der Wissens-Bereitstellung und der Wissensnutzung optimal zu gestalten, benötigen Sie eine aktiven Wissensdatenbank. Diese trägt der Dynamik der Service-Prozesse Rechnung und zeichnet sich im Besonderen dadurch aus, Ihre Service-Agenten, Redakteure und Manager jeweils bedarfsgerecht in ihren Arbeitsprozessen mit Wissen zu

unterstützen. Im Mittelpunkt steht dabei eine selbstlernende, KI-basierte Suche mit praxiserprobten Funktionen. Diese greift auf intelligent aufbereitete, gut strukturierte Dokumente zu und gewährleistet so rasch qualitativ hochwertige Antworten und Lösungen – auch bei komplexeren Themen.

Die Effekte wirken in alle Richtungen – auch in Richtung der Mitarbeiter- und Kundenzufriedenheit. Im Mittelpunkt unserer Betrachtung steht die First Contact Resolution als zentrale Zielgröße. Mit den genannten Technologien und einer entsprechenden Service-Organisation sind in der Praxis – abhängig von den Themen – FCR-Ergebnisse nahe 100 Prozent möglich. Doch Vorsicht: natürlich ist die Berechnung der FCR in der Praxis immer von verschiedenen Variablen abhängig, die Sie für Ihre Organisation definieren müssen. Das betrifft die individuellen KPIs, deren Messung und deren Zusammenwirken. So kann es beispielsweise einen Zielkonflikt mit parallel eingesetzten Self-Service-Tools geben. Denn häufig können Standardfragen z.B. über einen Chatbot abgedeckt werden. Übrig bleiben dann tendenziell die komplexeren Fragen bzw. Probleme, was u.U. dazu führt, dass die FCR hierfür eventuell niedriger ist. Im Sinne eines effizienten Multi-Channel Managements sollten Sie mit Ihrem Service-Team jeden Kanal einzeln und in der Kombination mit anderen analysieren, Zielgrößen definieren und sukzessive optimieren.

Artikel teilen:

Weitere interessante Artikel