Jika kamu memiliki tim Customer Service, ingatlah bahwa mereka adalah garda terdepan dalam melayani konsumen. Customer experience tidak hanya tentang produk yang mudah digunakan, tapi juga bagaimana kamu bisa menyelesaikan masalah yang konsumen. Jadi, kamu perlu melakukan evaluasi performa secara rutin dengan analisis dialog interaksi CS.
Pertanyaannya sekarang adalah kenapa kamu perlu melakukan evaluasi customer service dengan analisis dialog interaksi? Apakah tidak cukup dengan melatih product knowledge dan kecepatan mereka membalas chat?
Well, jawabannya mudah, Customer service itu sama pentingnya dengan divisi lain seperti marketing, sales, produk, dan development. Customer service juga salah satu ‘serdadu’ yang kamu punya yang berhubungan langsung dengan konsumen bukan?
Coba cerna baik-baik dan ikuti pola pikir ini:
“Customer service adalah agen utama untuk menyelesaikan masalah konsumen. Mereka juga bisa mengumpulkan data tentang customer behaviour. Bahkan mendapatkan insight untuk meningkatkan produk.”
Sadarkah kamu kalau customer service itu bisa menjadi tiang yang membantu divisi lain dalam pengumpulan data.
Oh, kamu juga sering membaca review di e-commers seperti ini kan “Balasan cepat, respon penjual sangat baik”. Itu jadi salah satu contoh kalau customer service itu penting loh bagi konsumen.
Nah, sekarang bagaimana kamu bisa meningkatkan kualitas tim CS kamu? Konten ini akan membahas cara mudah evaluasi performa tim CS dengan menganalisa dialog percakapan mereka dengan customer.
A. Evaluasi customer service diperlukan jika tidak ingin ada masalah dalam kinerja mereka
Apakah kamu merasa cara evaluasi tim customer service sekarang sudah benar? Bagaimana jika kalau belum?
Aku melakukan obrolan kecil dengan beberapa kenalan yang bekerja sebagai customer service. Hampir semua dari mereka bilang kalau yang terpenting adalah seberapa cepat menjawab dan apakah jawaban yang diberikan sesuai template & produk knowledge yang diberikan.
Terdengar baik-baik saja bukan? Sepertinya semua sudah benar. Tapi aku menambah pertanyaan lagi.
“Apakah ketika evaluasi kalian membahas tentang use case yang muncul dan menganalisanya?” Sedikit dari mereka yang menjawab “iya” untuk use case.
“Apakah kalian di evaluasi mengenai kualitas dan jumlah insight yang bisa menjadi data dari interkasi kalian?” Jawaban mereka tidak.
“Apakah kalian sering membahas & mengevaluasi tentang relevansi jawaban yang kamu berikan sudah sesuai dengan pertanyaan konsumen?” Jawaban mereka juga tidak, bahkan sebagian tidak mengerti apa yang dimaksud dengan relevansi jawaban mereka dengan pertanyaan konsumen.
Dari situ aku sadar kalau beberapa perusahaan tidak benar-benar memperhatikan tim customer servicenya. Lalu aku mencari tahu apa yang akan terjadi jika mengabaikan hal ini dan memberikan pelayanan yang buruk?
Ini adalah data dari survey yang dilakukan Ravechat di tahun 2021, apa masalah yang timbul dari customer service yang buruk?
Apa yang terjadi setelah konsumen mengalami pengalaman yang buruk dengan customer service
- 50% Tidak akan menggunakan produk/layanan dari toko, brand, atau perusahaan itu lagi.
- 25% Akan merekomendasikan ke kenalan mereka untuk tidak menggunakan produk/layanan dari toko, brand, atau perusahaan itu lagi.
- 20% Memberikan review online yang buruk
- 14% Menceritakan pengalaman buruknya dengan suatu brand ke sosial media
Apa dampak customer service yang buruk bagi bisnis kamu
- 85% Orang menghindari toko, brand, atau perusahaan setelah mendapatkan pengalaman buruk dari customer service
- 80% Konsumen akan membeli lebih atau mengeluarkan lebih banyak uang di perusahaan yang memberikan pelayanan yang baik
- 62% menghindari toko, brand, atau perusahaan yang memiliki reputasi customer service yang buruk
B. Apa itu Analisis & Evaluasi Dialog Interkasi Customer Service?
OCA sebagai pengembang teknologi komunikasi digital seperti CRM untuk customer service mendalami tentang bagaimana sebuah perusahaan bisa menjadikan pelayanan konsumennya lebih baik.
Salah satunya adalah membuat sistem evaluasi dialog interaksi yang bisa digunakan oleh semua orang dengan mudah. Kamu juga tidak perlu mengeluarkan banyak uang untuk melakukan evaluasi ini.
Analisis & evaluasi dialog interaksi customer service adalah sistem audit untuk melihat bagaimana kualitas interaksi tanya jawab yang dilakukan tim CS dan konsumen. Dengan menggunakan beberapa teori percakapan sebagai indikatornya.
Diharapkan lead atau manager bagian customer service bisa menggunakan sistem audit ini untuk meningkatkan kualitas jawaban CS.
Sistem ini juga akan terus kami kembangkan. Kami akan berusaha meng-update sistem ini agar hasilnya lebih baik lagi. Jika kamu merasa konten ini menarik, kamu bisa subscribe dan dapatkan konten-konten premium lainnya.
C. Kerangka Analisis & Evaluasi
Bagian ini akan menjadi bagian paling rumit dalam analisis & evaluasi dialog interaksi customer service. Apabila kamu bingung, disarankan untuk membaca dengan perlahan dan baca ulang jika perlu. 2 bagian yang akan dibahas disini
- Memahami data
- Skema analisis atau teori yang dipakai sebagai analsis
Untuk mempermudah kamu mengerti, kerangka ini akan dibagi-bagi menjadi beberapa bagian dan dijelaskan sesingkat dan sesederhana mungkin. Lalu pada gambar 1 kamu bisa melihat contohnya secara visual.
Oke, sekarang tarik napas yang dalam. Ayo kita mulai!
Memahami data: Dialog & Pesan Berangkai
- Pengertian dialog
Pertama mari kita mengerti apa itu dialog. Disini dialog adalah satu sesi interaksi antara agen customer service dengan konsumen. Dialog dimulai saat chat pertama masuk dan kita akan menganggapnya sebagai satu sesi interaksi baru.
Jika chat berlanjut dengan inten atau tujuan yang berbeda (tidak berhubungan) maka dianggap sebagai dialog baru. Lihat gambar 1 untuk contoh dialog.
Kemudian dialog dapat dipecah menjadi bagian kecil, yaitu pesan berangkai. Beberapa pesan berangkai kemudian membentuk dialog. Bagian selanjutnya akan menjelaskan pesan berangkai.
- Pesan berangkai
Berbasis dari Schegloff, pesan berangkai adalah sepasang pesan yang berdekatan terdiri dari 1 pesan dari agen customer service dan 1 pesan dari konsumen.
Satu pesan berangkai ini bisa memiliki pesan tambahan diluar dua pasangan utamanya, kita akan menyebutnya sebagai ekspansi. Ada 3 jenis ekspansi yang kita gunakan:
- Pre-ekspansi adalah ekspansi yang letaknya sebelum pesan berangkai
- Ekspansi sisipan adalah ekspansi yang letaknya diantara pesan berangkai
- Post-ekspansi adalah ekspansi yang letaknya sesudah pesan berangkai
Skema Analisis
Skema analisis adalah teori analisis yang akan kita gunakan untuk mengkategorikan data-data yang ada, agar bisa dianalisis sesuai dengan kategori yang ada. Karena kita punya 2 jenis data; dialog dan pesan berangkai, maka skema analisisnya juga ada 2.
- Skema analisis pesan berangkai – relevansi & pemahaman respon
Biasanya satu pesan dari konsumen akan dibalas satu pesan balik oleh agen CS, hal ini kita sebut respon. Skema analisis ini dipakai untuk menandai dan mengetahui apakah respon dalam pesan berangkai sudah relevan dan berhasil dipahami atau tidak.
Perbedaan dari relevansi dan pemahaman adalah respon siapa yang kita amati. Untuk relevansi kita akan mengamati respon dari agen CS dan pemahaman kita akan mengamati respon dari konsumen
Kita akan menjabarkan 2 skema yang pertama ini:
- Relevansi respon secara sederhana adalah apakah jawaban yang diberikan agen CS sesuai dengan pesan yang diberikan konsumen. Relevansi respon memiliki 4 kategori, relevan, tidak relevan, out of scope, dan false negative seperti pada tabel 1:
Tabel 1: Contoh skema analsis pesan barangkai – relevansi respon
| Kategori | Deskripsi | Contoh dialog |
| Relevan | Respon sesuai dengan pesan yang diberikan konsumen | Konsumen: Apakah saya bisa melakukan pembayaran melaui website?Agen CS: Iya, pembayaran bisa dilakukan melalui website. |
| Tidak relevan | Respon tidak sesuai dengan pesan dari konsumen | Konsumen: Apakah saya bisa melakukan pembayaran melaui website?Agen CS: Pembayaran bisa dilakukan menggunakan kartu kredit. |
| Out of scope | Pesan yang diluar cakupan produk/layanan dan respon tepat | Konsumen: Tempat ngopi dimana?Agen CS: Maaf pertanyaan tersebut tidak termasuk ke produk/layanan kami. Apakah Anda ada pertanyaan mengenai produk kami? |
| False Negative | Pesan masih di dalam cakupan produk/layanan tapi respon tidak tepat | Konsumen: Apakah saya bisa melakukan pembayaran melalui website?Agen CS: Maaf pertanyaan tersebut tidak termasuk ke produk/layanan kami. Apakah Anda ada pertanyaan mengenai produk kami? |
- Pemahaman respon secara sederhana adalah apakah jawaban yang diberikan agen CS dapat dimengerti oleh konsumen. Pemahaman respon memiliki 2 kategori yaitu respon dimengerti dan respon tidak dimengerti. Lihat table 2 untuk contohnya:
Tabel 2: Contoh skema analsis pesan barangkai – pemahaman respon
| Kategori | Deskripsi | Contoh dialog |
| Respon dimengerti | Tidak ada kesalahpahaman atau konsumen memahami pesan dari agen CS dari konteks dialog. | Konsumen: Apakah ada paket harga yang bisa saya lihat?Agen CS: Untuk paket harga bisa dilihat dengan klik link berikut: https://www.contoh.com/hargaKonsumen: Oke, terima kasih *mengklik link* |
| Respon tidak dimengerti | Ditemukan kesalahpahaman terindikasi dari konsumen menyanyakan kembali hal yang sama atau gagal menggunakan fitur chat seperti link/button. | Konsumen: Apakah ada paket harga yang bisa saya lihat?Agen CS: Untuk paket harga bisa dilihat dengan klik link berikut: https://www.contoh.com/hargaKonsumen: Harganya ada disitu? |
- Skema analisis keseluruhan dialog – hasil dan efisiensi dialog
Yang kita analisis disini adalah dialog atau satu percakapan dari konsumen dan agen CS. Skema analisis ini digunakan sebagai penanda untuk mengetahui bagaimana hasil suatu percakapan dan melihat bagaimana effort untuk mencapainya.
Kita akan menjabarkan 2 skema yang pertama ini:
- Hasil dialog akan memberikan insight tentang apakah konsumen mendapatkan bantuan yang diharapkan dari agen CS. Analisis kualitatif hasil dialog akan membutuhkan intrepertasi intensi dari pesan konsumen.
Hasil dialog memiliki 4 kategori, Bantuan tepat, eskalasi masalah, tidak membantu, dan menyalahi kebijakan. Lihat tabel 3 berikut sebagai contoh:
Tabel 3: Contoh skema analsis dialog – hasil dialog
| Kategori | Deskripsi | Contoh dialog |
| Bantuan tepat | Agen menawarkan bantuan yang sesuai dan tujuan konsumen tercapai. | Konsumen: Apakah ada paket harga yang bisa saya lihat?Agen CS: Untuk paket harga bisa dilihat dengan klik link berikut: https://www.contoh.com/hargaKonsumen: Oke, terima kasih *mengklik link* |
| Eskalasi masalah | Agen mengekskalasi masalah ke agen/tim yang lain, karena batasan tanggung jawab atau gagal memberikan bantuan. | Konsumen: Sepertinya akun saya eror, bisa tolong dibantu?Agen CS: Untuk penanganan akun eror, permasalahan ini akan dieskalasi ke tim terkait. Berikut nomor tiket Anda BC112. Mohon ditunggu, kami akan menghubungkan Anda ke tim terkait.Konsumen: Oke, terima kasih. |
| Tidak membantu | Agen tidak menawarkan bantuan yang sesuai dan tujuan konsumen tidak tercapai. | Konsumen: Sepertinya akun saya eror, bisa tolong dibantu?Agen CS: Silahkan daftarkan akun Anda terlebih dahulu.Konsumen: Akun saya sudah terdaftar, tapi eror. |
| Menyalahi kebijakan | Agen menyalahi kebijakan yang ditentukan oleh perusahaan, contohnya adalah meminta kode rahasia. | Konsumen: Sepertinya akun saya eror, bisa tolong dibantu?Agen CS: Saya akan bantu, mohon cantumkan email dan password dari akun Anda |
- Efesiensi dialog memberikan insight apakah tujuan konsumen tercapai dengan cepat dan mudah atau melalui percakapan yang bertele-tele.
Catatan penting: Efesiensi bukan tentang panjang atau pendeknya dialog. Dialog yang panjang namun secara perlahan menghasilkan pemahaman yang lebih baik terhadap masalah konsumen dan menyelesaikannya bisa dianggap lebih efisien dibandingkan dialog pendek namun tidak menyelesaikan masalah.
Yang kita maksud dengan bertele-tele adalah ketika konsumen harus mengulang pertanyaan atau menjelaskan kembali dengan frasa berbeda adalah tanda katau suatu percakapan tidak efesien da.
Efesiensi dialog memiliki 2 kategori, dialog koheren dan break pada dialog Lihat tabel 4 berikut sebagai contoh:
Tabel 4: Contoh skema analsis dialog – efesiensi dialog
| Kategori | Deskripsi | Contoh dialog |
| Dialog koheren | Tidak ditemukan pesan yang bertele-tele atau misintepretasi. | Konsumen: Apakah saya bisa melakukan pembayaran melaui website?Agen CS: Iya, pembayaran bisa dilakukan melalui website.Konsumen: Oke, terima kasih. |
| Break pada dialog | Ditemukan break (pesan yang bertele-tele). | Konsumen: Apakah saya bisa melakukan pembayaran melaui website?Agen CS: Saya bisa bantu untuk pembayaran, paket apa yang ingin Anda beli?Konsumen: Tidak, saya ingin melakukannya sendiri. Apa tidak bisa bayar sendiri dari website? |
D. Cara Analisis & Evaluasi dan contohnya
Menggunakan skema analisis yang sudah dijelaskan di bagian sebelumnya, kita akan melihat contoh penggunaannya secara langsung pada bagian ini. Kita akan membahas step-by-step mulai dari pengumpulan data, mengolah data, analisis, hingga rekomendasi yang diberikan.
- Pengumpulan data
Sumber data
Kamu bisa mengumpulkan dengan melakukan screen shot chat sebanyak mungkin. Jika kamu memutuskan untuk melakukan sampling ambil 10% dari total percakapan yang terjadi dari setiap agen.
Tool
Untuk memudahkan pekerjaan kamu bisa menggunakan platform CRM seperti OCA yang bisa membantu kamu menyimpan semua histori chat dari berbagai channel.
Fitur CRM yang sangat membantu adalah mampu membuat transkrip dalam bentuk spreadsheet agar lebih mudah dianalisis. Jika tidak menggunakan CRM, kamu bisa melakukan transkrip secara manual atau tidak melakukan transkrip juga tidak masalah. Selama kamu bisa mengingat data yang kamu ambil.
Untuk mengolah data dengan menggunakan skema sebelumnya, kita akan menggunakan spreadsheet.
- Mengolah Data
Sekarang, kamu perlu menyiapkan spreadsheet. Pertama siapkan cell untuk data dari dialog. Kemudian siapkan tempat untuk memberikan kategori yang sudah dijelaskan diatas. Lalu satu bagian lagi adalah deskripsi untuk memberikan catatan khusus.
Langkah kedua adalah memasukan data yang sudah kamu kumpulkan. Untuk menghindari kebingungan kamu cukup memasukan dialog secara utuh dan tidak perlu memecahnya menjadi bagian kecil pesan berangkai.
Setelah data terkumpul, berikan setiap data tersebut kategori yang sudah ditentukan. Bagian ini penting karena kita bisa melihat pola dari interaksi yang terjadi. Apakah pola ini akan menunjukan interaksi yang terjadi sudah baik atau masih mengalami banyak kesalahan.
Jika ada satu dialog yang mengandung 2 atau lebih pesan berangkai dan masing-masing memiliki kategori yang berbeda, kamu cukup memasukan salah satu yang paling signifikan. Alasannya karena kesalahan ini akan dianalisa tidak hanya menggunakan skema berlapis, jadi tidak akan berpengaruh ke pola yang akan ditemukan.
Contohnya jika kamu punya dialog A, kamu bisa mengkategorikannya menjadi seperti berikut: Tidak relevan | respon dimengerti | tidak membantu | break pada dialog.
Lakukan hal sama untuk data lain. Jika sudah selesai, hitung total dari kategori yang muncul untuk menemukan pola yang terjadi.
- Analisis
Setelah berhasil menghitung total berapa kali masing-masing kategori muncul, kamu akan mulai menemukan apakah interaksi agen mempunyai banyak kesalahan atau tidak.
Ingat setiap skema ada yang memiliki 2 dan ada yang 4 kategori, total dari berapa kali kategori muncul di setiap skema harus sama dengan jumlah data.
Salah satu contoh kasus adalah ketika seorang agen memiliki 50 data dialog. Kemudian dari data itu ditemukan sebagai berikut
Relevansi respon:
- Respon relevan: 20
- Respon tidak relevan: 12
- Out of scope: 3
- False negative: 15
Pemahaman respon:
- Respon dimengerti: 35
- Respon tidak dimengerti: 15
Hasil dialog:
- Bantuan tepat: 20
- Eskalasi masalah: 2
- Tidak membantu: 20
- Menyalahi kebijakan: 8
Efesiensi dialog:
- Dialog koheren: 20
- Break pada dialog: 30
Tips untuk memudahkan analisis ini:
- Agen memberikan pelayanan yang baik jika angka mendominasi pada kategori Respon relevan, Respon dimengerti, Bantuan Tepat, Eskalasi masalah, dan Dialog koheren.
- Agen memberikan pelayanan yang kurang baik (bahkan buruk) jika angka mendominasi pada kategori selain yang disebutkan sebelumnya.
Dari contoh diatas kamu bisa menganalisa kalau agen CS tadi tidak melayani konsumen dengan baik. Alasannya adalah angka analisis tidak didominasi oleh Respon relevan, Bantuan Tepat, Eskalasi masalah, dan Dialog koheren.
Meskipun kategori Respon dimengerti lebih dominan, namun itu menunjukan bahwa kunsumen mampu memahami respon dari agen tapi tidak dapat memberikan bantuan yang mereka harapkan.
- Rekomendasi
Berdasarkan hasil analisis yang didapatkan, kamu dapat memberikan rekomendasi perbaikan yang cocok untuk masing-masing agen. Jika agen memberikan pelayanan yang baik, juga bisa menjadi alasan kamu untuk memberikan apresiasi.
Berikut adalah contoh rekomendasi yang bisa kamu berikan untuk memperbaiki kualitas layanan
- Harus memahami secara detail seluruh produk.
- Going deeper atas apa yang customer butuhkan dan dilakukan secara bertahap.
- Memberikan solusi yang bisa menjawab pertanyaan customer hingga tuntas.
- Lebih interaktif ketika membalas chat customer sehingga tidak terlalu bergantung dengan template jawaban.
- Tidak bertanya terkait dengan privacy customer (Contoh case: meminta username dan password milik customer).
Rekomendasi yang diberikan akan tergantung dari keputusan kamu. Sesuaikan juga rekomendasi dengan standar perusahaan kamu.
E. Kesimpulan
Konsep dari evaluasi ini memang rumit, namun setelah memahaminya menggunakan proses evaluasi ini akan sangat mudah. Melakukan audit kualitas interaksi dan performa agen CS akan membantu perusahaan kamu untuk bisa memberikan pelayan konsumen yang lebih baik.
Kamu bisa melakukan evaluasi ini setiap bulan, per 3 bulan, atau sesuai kebutuhan dari perusahaan kamu.
Memiliki CRM untuk interaksi customer service akan sangat membantu kamu dalam audit ini juga loh. Kamu bisa mencoba CRM sekarang dengan menggunakan OCA Interaction.
Semoga proses evaluasi dan CRM OCA bisa membantu tim customer service dan perusahaan kamu memberikan customer experience yang terbaik.
Happy auditing!