呼叫中心始终是连接企业和市场、消费者的重要环节。其服务质量的优劣直接决定消费者的直接消费感知。尤其在移动时代，实时、在线、动态、即时反馈的消费特性对精准统计客户满意度，进而快速、无误地对客户需求做出反应提出更高要求。因此，，呼叫中心的考核标准亟需重新定义。
传统上，企业一般通过质检成绩同客户满意度进行相关性检验。但是，这种质检往往和呼叫中心的客户满意度不相一致。这直接影响到呼叫中心的服务质量把控，对企业的消费者感知造成潜在风险。
那么，什么原因造成了传统方式的失灵？如何更新质检方式，保证客户满意度的准确以及提升，以适应移动时代的新要求？这一切都将从现有的呼叫中心客户满意度优化方式说起。
为了对呼叫中心的客户满意度进行准确把控，企业纷纷建立起一套统一的质量控制（QC）打分标准。然而，这套QC标准往往和呼叫中心的客户满意度不相关。这源于其评估方式的统计方法问题。
衡量相关性常规做法是使用质检成绩同客户满意度来做相关性检验，检验使用的是皮尔森相关系数（即Excel里面常用的CORREL函数），从统计学的角度来看这个问题：皮尔森相关系数是对于符合正态分布的连续型变量进行的检验，即需要对于N名员工的质检成绩与N名员工的满意度结果数据进行操作。其中满意度的数据获取非常容易，且符合样本量的需求，但是N名员工的质检成绩是通过抽查计算的质检分数，并不能代表员工的实际质检成绩，因此，由这些数据得出的皮尔森相关系数并不准确。
来看一下《抽样计算器》的计算结果：
假设呼叫中心的客户满意度为90%，那么历史缺陷比为10%；22个工作日，每日接线80通，一个月的样本量为：22x80=1760，计算下需要抽查的样本量为315通（具体数据见附一）
据业内水平，一个坐席一个月能被抽到的录音数量约为20通。
统计学结论：本身通过抽查计算的质检分数，并不能代表员工的实际质检成绩，因此无法得出正确的结论。
问题随之而来，究竟如何来判定质检成绩和客户满意度的相关性？质检标准究竟是不是和客户的实际需求相关的？
其实操作很简单：引入单通录音评分和单通录音客户满意度的相关性，即使用Logistic回归分析方式，对于N列离散数据计算相关性。
传统上，企业一般通过质检成绩同客户满意度进行相关性检验。但是，这种质检往往和呼叫中心的客户满意度不相一致。这直接影响到呼叫中心的服务质量把控，对企业的消费者感知造成潜在风险。
那么，什么原因造成了传统方式的失灵？如何更新质检方式，保证客户满意度的准确以及提升，以适应移动时代的新要求？这一切都将从现有的呼叫中心客户满意度优化方式说起。
为了对呼叫中心的客户满意度进行准确把控，企业纷纷建立起一套统一的质量控制（QC）打分标准。然而，这套QC标准往往和呼叫中心的客户满意度不相关。这源于其评估方式的统计方法问题。
衡量相关性常规做法是使用质检成绩同客户满意度来做相关性检验，检验使用的是皮尔森相关系数（即Excel里面常用的CORREL函数），从统计学的角度来看这个问题：皮尔森相关系数是对于符合正态分布的连续型变量进行的检验，即需要对于N名员工的质检成绩与N名员工的满意度结果数据进行操作。其中满意度的数据获取非常容易，且符合样本量的需求，但是N名员工的质检成绩是通过抽查计算的质检分数，并不能代表员工的实际质检成绩，因此，由这些数据得出的皮尔森相关系数并不准确。
来看一下《抽样计算器》的计算结果：
假设呼叫中心的客户满意度为90%，那么历史缺陷比为10%；22个工作日，每日接线80通，一个月的样本量为：22x80=1760，计算下需要抽查的样本量为315通（具体数据见附一）
据业内水平，一个坐席一个月能被抽到的录音数量约为20通。
统计学结论：本身通过抽查计算的质检分数，并不能代表员工的实际质检成绩，因此无法得出正确的结论。
问题随之而来，究竟如何来判定质检成绩和客户满意度的相关性？质检标准究竟是不是和客户的实际需求相关的？
其实操作很简单：引入单通录音评分和单通录音客户满意度的相关性，即使用Logistic回归分析方式，对于N列离散数据计算相关性。
