Apa itu optimasi tenaga kerja pusat panggilan?

Tidak seperti pendekatan manajemen tenaga kerja tradisional, yang berfokus secara sempit pada penjadwalan dan kepegawaian, pusat panggilan modern WFO mencakup pandangan holistik tentang kinerja agen. Dalam perkembangannya, WFO juga mengintegrasikan alat-alat yang didukung AI yang berfungsi untuk mendukung agen manusia secara real-time. Idealnya, praktik ini menggabungkan perkiraan, penjadwalan, pemantauan kualitas, manajemen kinerja, dan analisis alur kerja ke dalam kerangka kerja terpadu yang mendorong peningkatan berkelanjutan di setiap aspek interaksi pelanggan.

Pusat panggilan mengandalkan berbagai alat yang didukung AI untuk mengoptimalkan proses mereka. Tetapi seberapa besar nilai yang didorong oleh implementasi ini sangat bergantung pada rancangannya. Sebagai contoh, Gartner memprediksi orkestrasi penjualan yang didukung AI akan menjadi standar pada tahun 2027. Namun, perusahaan ini juga melaporkan bahwa 49% penjual merasa kewalahan dengan jumlah alat teknologi yang mereka miliki sehingga mereka mengatakan bahwa hal ini berdampak pada pencapaian kuota mereka.

WFO yang efisien menyederhanakan proses dengan intervensi khusus berdasarkan cara kerja manajer pusat panggilan. Proses ini menyediakan alat kontekstual sederhana bagi pekerja di seluruh perjalanan pelanggan, meningkatkan pengalaman karyawan sambil tetap memotong biaya. Untuk sebagian besar pusat panggilan, pendekatan yang seimbang sangatlah penting. Memastikan bahwa otomatisasi menangani tugas-tugas rutin secara efisien sambil membebaskan agen untuk memberikan layanan yang empatik dan dipersonalisasi yang membangun loyalitas pelanggan yang langgeng dan mendorong pertumbuhan bisnis. 

Manajemen tenaga kerja (WFM) membentuk fondasi operasional WFO, memastikan tingkat kepegawaian yang optimal selaras dengan pola permintaan pelanggan. Misalnya, organisasi mungkin menggunakan data historis dan analitik prediktif untuk memperkirakan volume panggilan atau sesi obrolan. Sistem manajemen tenaga kerja sering kali mengubah perkiraan menjadi persyaratan penjadwalan yang tepat, dengan memperhitungkan variabel seperti pelatihan atau keterampilan agen.

WFM yang efektif menyeimbangkan prioritas yang bersaing: memenuhi target layanan pelanggan, mengendalikan biaya tenaga kerja, dan menghormati preferensi karyawan. Sistem WFM modern menggabungkan kemampuan manajemen yang memungkinkan supervisor merespons secara dinamis lonjakan volume yang tak terduga. Pendekatan ini membantu mereka melakukan penyesuaian real-time, menjaga tingkat layanan tetap pada jalurnya tanpa memerlukan intervensi manual yang konstan.

Manajemen kualitas membantu memastikan bahwa interaksi pelanggan memenuhi standar kualitas organisasi dan persyaratan peraturan. Umumnya, proses ini melibatkan pemantauan sistematis dan evaluasi interaksi agen-pelanggan di seluruh saluran suara, email, obrolan, dan media sosial.

Di luar pemantauan dasar, manajemen kualitas mencakup kegiatan pembinaan. Menggunakan sampel atau alat yang representatif seperti analisis sentimen otomatis, tim jaminan kualitas menilai faktor-faktor seperti kepatuhan, efektivitas penyelesaian masalah, dan keterampilan komunikasi. Hasil evaluasi ini memungkinkan supervisor untuk memberikan masukan yang ditargetkan dan peluang pengembangan untuk masing-masing agen.

Manajemen kualitas juga meluas ke alat yang digunakan organisasi untuk mengaudit teknologi kunci seperti kecerdasan buatan. Di bidang ini, manajemen kualitas mungkin berarti secara rutin mengevaluasi titik pusat panggilan yang didukung AI untuk membantu memastikan kepatuhan dan efektivitas. Ini mungkin juga berlaku untuk berbagai praktik manajemen kualitas data seperti pembersihan dan validasi data. 

Manajemen kinerja mengubah tujuan organisasi menjadi tujuan individu, menciptakan mekanisme akuntabilitas untuk mendorong perilaku yang diinginkan. Komponen ini menetapkan indikator kinerja utama (KPI) seperti waktu penanganan rata-rata, waktu respons, penyelesaian panggilan pertama, dan skor kepuasan pelanggan (CSAT). Sistem manajemen kinerja melacak metrik ini secara terus menerus, menyediakan dasbor bagi supervisor dan agen yang memvisualisasikan kemajuan.

Tetapi pendekatan manajemen kinerja yang paling efektif melampaui pelacakan metrik, menciptakan jalur pengembangan untuk agen. Pendekatan ini menggabungkan kerangka kerja perkembangan karir yang membantu agen memahami bagaimana pekerjaan sehari-hari mereka berkontribusi pada hasil bisnis yang lebih luas. Dan mereka membantu karyawan pusat panggilan bekerja secara efisien dengan teknologi canggih, memungkinkan mereka untuk mempelajari keterampilan baru dan mengarahkan kembali tenaga kerja mereka ke pekerjaan yang lebih kreatif dan berbasis nilai. 

Analisis interaksi menggunakan teknologi untuk mengekstrak insight dari percakapan pelanggan dalam skala besar. Platform analitik ucapan menyalin dan menganalisis panggilan yang direkam, mengidentifikasi tren dalam pola sentimen pelanggan yang tidak mungkin dideteksi melalui pemantauan kualitas manual saja. Analisis teks melakukan fungsi serupa untuk saluran digital, mengurai transkrip email dan obrolan untuk mengungkap masalah yang muncul dan tantangan pelanggan.

Kemampuan analitik ini mengubah data interaksi mentah menjadi intelijen yang dapat ditindaklanjuti. Kemampuan ini dapat secara otomatis menandai interaksi yang berisi kata kunci atau frasa tertentu yang terkait dengan kepatuhan peraturan atau eskalasi pelanggan. Algoritma pengenalan pola mengidentifikasi alasan umum untuk kontak, memungkinkan pemimpin operasi untuk mengatasi akar masalah daripada hanya mengelola gejalanya. Secara bersamaan, analisis sentimen mengukur emosi pelanggan melalui interaksi, membantu organisasi memahami tidak hanya apa yang dikatakan pelanggan tetapi bagaimana perasaan mereka. 

Platform WFO pusat panggilan modern mengakui bahwa karyawan yang terlibat memberikan pengalaman pelanggan yang unggul. Metrik kinerja yang dapat diamati membantu agen memahami dengan tepat apa yang diharapkan dan bagaimana kemajuan mereka, mengurangi kecemasan dan meningkatkan motivasi. Program manajemen kualitas yang menekankan pembinaan dan pengembangan menciptakan budaya berorientasi pertumbuhan di mana agen merasa didukung, meningkatkan produktivitas dan retensi agen. 

WFO memberikan penghematan biaya yang substansial dengan mengoptimalkan sumber daya di seluruh pusat panggilan. Perkiraan yang akurat dan penjadwalan meminimalkan skenario kekurangan staf dan kelebihan staf, sementara peningkatan resolusi panggilan pertama mengurangi panggilan berulang, yang mengurangi biaya penanganan. 

Ketika agen dijadwalkan dengan benar, terlatih dengan baik, dan didukung oleh teknologi utama, pengalaman pelanggan dapat meningkat secara dramatis. Waktu tunggu yang lebih pendek menghilangkan salah satu sumber frustrasi pelanggan yang paling signifikan. Dan agen yang lebih siap dilengkapi dengan insight dari analisis interaksi akan menyelesaikan masalah dengan cepat.

WFO memungkinkan pengiriman layanan yang dipersonalisasi dengan memastikan pelanggan terhubung ke agen dengan keterampilan dan keahlian yang sesuai untuk kebutuhan spesifik mereka. Sistem manajemen tenaga kerja yang memperhitungkan kemampuan agen berarti kueri sederhana dapat diselesaikan segera oleh sistem yang didukung AI, sementara agen manusia menangani situasi yang memerlukan empati. Pencocokan kebutuhan pelanggan dengan kekuatan agen tertentu menciptakan hasil interaksi yang lebih positif dan membangun loyalitas. 

WFO mendorong peningkatan efisiensi melalui operasi pusat panggilan. Perkiraan dan penjadwalan otomatis menghilangkan jam kerja spreadsheet manual, membebaskan perencana tenaga kerja untuk fokus pada inisiatif strategis daripada tugas administratif. Analisis interaksi mempercepat proses pemantauan kualitas, memungkinkan organisasi untuk meninjau jauh lebih banyak daripada yang dimungkinkan metode manual tradisional. Dan dasbor manajemen kinerja memberi agen visibilitas langsung ke dalam metrik mereka, menciptakan lebih banyak peluang untuk koreksi.

Selain itu, ketika permintaan sederhana atau rutin diprioritaskan melalui sistem berbasis AI, permintaan tersebut sering kali ditangani dengan cepat tanpa campur tangan manusia, sehingga pekerja dapat fokus pada pekerjaan yang lebih berorientasi pada nilai. Misalnya, ketika perusahaan utilitas Towngas mengotomatiskan teleservices setelah lonjakan volume panggilan, mereka melihat pengurangan 100% dalam waktu tunggu pelanggan. Layanan mandiri pelanggan juga mengalami peningkatan sebesar 50%. 

WFO menciptakan loop masukan yang mendorong peningkatan dan inovasi berkelanjutan. Analisis interaksi mengungkapkan tantangan pelanggan yang mungkin menunjukkan peluang untuk perbaikan proses atau solusi layanan mandiri. Selain itu, data kinerja membantu organisasi bereksperimen dengan pendekatan baru, mengukur dampaknya dengan ketat. Pendekatan berbasis data terhadap inovasi ini mengurangi risiko dan membantu memastikan bahwa perubahan memberikan manfaat yang terukur sebelum implementasi yang lebih luas.

Dengan menerapkan sistem WFO holistik, organisasi dapat memecah silo data dan menciptakan sumber kebenaran tunggal untuk operasi pusat panggilan.

Platform WFO mengintegrasikan aliran data dari sumber yang berbeda ke dasbor terpadu dan kerangka pelaporan. Konsolidasi ini menghilangkan pekerjaan manual yang memakan waktu untuk mengekstraksi data dari berbagai sumber. Ini juga menyederhanakan proses penyediaan pengalaman omnichannel yang kohesif kepada pelanggan, mempertahankan kualitas data dan layanan yang sama baik melalui SMS, obrolan atau telepon. 

Agen AI mewakili perkembangan transformatif dalam operasi pusat panggilan, menangani interaksi pelanggan rutin secara mandiri tanpa campur tangan manusia. Agen AI tingkat lanjut, dikombinasikan dengan AI generatif, dapat menyelesaikan transaksi dan memecahkan masalah. Mereka juga mengarahkan masalah kompleks ke agen manusia bila diperlukan, beroperasi di seluruh saluran suara, obrolan, dan pesan.

Asisten AI, meskipun mereka tidak dapat beroperasi secara proaktif, terbukti berguna dalam meningkatkan kemampuan agen manusia. Sistem dukungan agen real-time menampilkan artikel pengetahuan yang relevan dan memberikan panduan kepada agen manusia. Otomatisasi pasca-panggilan menangani tugas setelah panggilan yang berulang seperti entri data, sehingga agen manusia dapat menangani interaksi berikutnya dengan lebih cepat.

Implementasi ini dapat memberikan alat yang kuat bagi agen, seperti ketika Mizuho Bank mengimplementasikan program yang merekomendasikan “pertanyaan terbaik berikutnya” berdasarkan data pelanggan dan analisis percakapan. Implementasi ini meningkatkan retensi pelanggan dan mengurangi durasi rata-rata interaksi pelanggan sebesar 6%.

Kombinasi agen AI yang menangani pertanyaan rutin dan asisten AI yang mendukung agen manusia secara fundamental mengubah kebutuhan tenaga kerja. Organisasi menangani volume interaksi yang lebih besar tanpa meningkatkan jumlah karyawan secara proporsional, yang memfokuskan agen manusia pada aktivitas bernilai lebih tinggi yang membutuhkan empati dan pemecahan masalah yang kompleks. 

Solusi WFO modern jarang beroperasi dalam insolasi. Platform integrasi dan antarmuka pemrograman aplikasi (API) menghubungkan komponen WFO ke infrastruktur pusat panggilan, sistem manajemen hubungan pelanggan (CRM), platform sumber daya manusia, dan alat intelijen bisnis lainnya. Integrasi ini memungkinkan berbagi data yang meningkatkan akurasi perkiraan, memberikan pandangan holistik operasi. 

Platform analitik ucapan menggunakan pengenalan suara otomatis untuk menyalin rekaman panggilan, lalu menerapkan pemrosesan bahasa alami untuk mengekstrak makna dari percakapan. Sistem ini mendeteksi kata atau frasa tertentu, menglasifikasikan panggilan berdasarkan topik atau hasil dan menilai nada emosional. Analisis teks melakukan fungsi serupa untuk komunikasi tertulis, menghasilkan insight dari komunikasi tertulis melalui obrolan atau email.

Intelijen yang dihasilkan oleh platform analisis menginformasikan pengambilan keputusan di seluruh komponen WFO. Tren yang muncul yang diidentifikasi melalui analisis dapat memicu pembaruan atau mengungkapkan kebutuhan pelatihan. Integrasi antara analitik dan teknologi WFO lainnya menciptakan sistem loop tertutup di mana insight secara otomatis mendorong tindakan. 

Solusi pusat panggilan WFM modern menggunakan algoritma canggih untuk memperkirakan volume kontak di beberapa saluran dan interval waktu. Model machine learning mengidentifikasi pola dalam data historis sambil memperhitungkan faktor-faktor seperti musim atau peristiwa eksternal. Perkiraan ini mendorong pembuatan jadwal otomatis yang mempertimbangkan keahlian agen, beban kerja, dan efisiensi biaya umum.

Sistem WFM berbasis cloud menawarkan fleksibilitas dan skalabilitas, memungkinkan manajemen tenaga kerja jarak jauh untuk mendukung populasi agen terdistribusi. Integrasi dengan teknologi pusat panggilan cloud lainnya, termasuk distributor panggilan otomatis dan sistem manajemen hubungan pelanggan, dapat memastikan keputusan WFM didasarkan pada data operasional real-time daripada informasi yang ketinggalan zaman.

Optimasi tenaga kerja pusat panggilan merupakan keharusan strategis bagi organisasi yang ingin meningkatkan kinerja operasional dan pengalaman pelanggan secara bersamaan. Banyak organisasi melihat peningkatan efisiensi ekstrem dan hubungan pelanggan yang kuat sebagai kekuatan yang berlawanan. Tetapi pola pikir zero-sum ini melewatkan insight sentral yang mendefinisikan WFO yang efektif, ketika dijalankan dengan benar, peningkatan produktivitas dan pengalaman pelanggan saling memperkuat daripada melemahkan satu sama lain.

Menurut IBM Institute for Business Value, 71% eksekutif memiliki tujuan untuk mewujudkan dukungan kueri pelanggan tanpa sentuh pada tahun 2027. Integrasi mendalam teknologi AI ke pusat panggilan ini mencontohkan potensi manfaat ganda ini. Misalnya, agen AI menangani pertanyaan rutin seperti pengaturan ulang kata sandi, pemeriksaan status pesanan, dan pertanyaan umum, memberikan tanggapan instan kepada pelanggan kapan saja sepanjang hari tanpa waktu tunggu.

Pendekatan ini secara dramatis meningkatkan aksesibilitas dan kenyamanan dalam lingkungan di mana pelanggan mengharapkan dukungan langsung. Secara bersamaan, alat AI ini mengurangi volume interaksi ringan yang harus ditangani agen manusia. Sebagai hasilnya, pendekatan ini memungkinkan organisasi untuk melayani lebih banyak pelanggan, dan bagi agen pusat panggilan untuk menghabiskan lebih banyak waktu membina hubungan yang bermakna dengan pelanggan yang memang membutuhkan dukungan yang lebih dalam.

Organisasi yang paling berhasil menerapkan WFO mematuhi beberapa praktik utama. Hal ini termasuk:

• Membangun kartu skor seimbang yang mengukur metrik produktivitas dan indikator pengalaman seperti keterlibatan pelanggan daripada mengoptimalkan dalam satu arah secara terpisah.

• Melibatkan agen manusia dan supervisor dalam merancang proses dan memilih teknologi, memastikan bahwa inisiatif efisiensi mempertimbangkan realitas interaksi agen.

• Berinvestasi dalam teknologi seperti asisten AI yang mendukung kemampuan manusia daripada hanya menggantikan pekerja, menyadari bahwa beberapa kebutuhan pelanggan memerlukan empati, kreativitas, dan penilaian yang hanya dapat diberikan manusia.

• Menggunakan analisis interaksi untuk mengidentifikasi langkah-langkah yang tidak perlu dalam proses atau pertanyaan berulang yang dapat diatasi oleh layanan mandiri.