Digitale statistieken

Berekening: Deze metriek berekent de totale duur van agentcontacten in seconden. Metrische berekeningen omvatten contacten via e-mail, sms en alle digitale kanalen.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Optimalisatie van de toewijzing van agenten op basis van de contactduur - Een contactcenter gebruikt deze metriek om de totale focustijd bij te houden die agenten besteden aan interacties via e-mail, sms en digitale kanalen. Dit helpt het management bij het effectief toewijzen van middelen aan e-mail, sms en digitale kanalen, waardoor tijdige reacties worden gegarandeerd en de klanttevredenheid wordt verbeterd.

Berekening: De totale tijd in seconden die agenten nodig hebben om hun eerste reactie te geven aan een contactpersoon, berekend door de seconden van het eerste antwoord voor alle agenten bij elkaar op te tellen.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omlaag, een lagere metric-waarde is het best.

Gebruiksvoorbeeld: Verbeteren van de eerste reactietijd: Managers kunnen deze metriek gebruiken om te bepalen hoe snel agenten reageren op de eerste vragen van klanten, strategieën implementeren om de reactietijd te verkorten en de klanttevredenheid te verbeteren door ervoor te zorgen dat er direct aandacht wordt besteed aan de behoeften van klanten.

Berekening: Het totale aantal berichten dat door agenten is verzonden, berekend door het aantal berichten van de agenten bij elkaar op te tellen.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Richting

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Productiviteit van agenten bewaken - Met deze metriek kunnen supervisors bijhouden hoe actief agenten met klanten omgaan, productiviteitsniveaus aangeven en trends identificeren voor een betere toewijzing van middelen.

Berekening: Het totale aantal reacties dat door agenten is verzonden, berekend door het aantal reacties van agenten bij elkaar op te tellen.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Responsiviteit van agenten evalueren: Met deze metriek kunnen supervisors controleren hoe actief agenten reageren op vragen van klanten. Een hoog aantal reacties duidt op proactieve betrokkenheid, terwijl een laag aantal reacties kan duiden op gebieden waar agenten extra ondersteuning of training nodig hebben.

Berekening: Het totale aantal unieke agentcontacten waarbij de agent voor het eerst binnen een positief tijdsbestek heeft gereageerd.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Reactie van agenten evalueren - Met deze metriek kunnen supervisors het aantal unieke klantinteracties bijhouden waarbij agenten snel hebben gereageerd. Het kan worden gebruikt om de efficiëntie van medewerkers te beoordelen bij het beantwoorden van klantvragen en het garanderen van tijdige reacties, wat cruciaal is voor het behouden van een hoge klanttevredenheid.

Berekening: Deze metriek berekent het percentage agentcontacten dat een reactie van de agent heeft ontvangen ten opzichte van het totale aantal agentcontacten voor traditionele en digitale kanalen.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Richting

Ondersteund kanaal: Digitaal en Spraak

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Reactie van agenten op alle kanalen evalueren: Een contactcenter gebruikt deze metriek om te evalueren hoe responsief agenten zijn op klantinteracties op zowel traditionele kanalen (zoals sms en e-mail) als digitale kanalen (zoals WhatsApp en Facebook Messenger). Door inzicht te krijgen in het percentage contacten dat een reactie ontvangt, kan het management vaststellen op welke gebieden de prestaties van agenten verbeterd kunnen worden. Ook kunnen ze ervoor zorgen dat klanten op alle communicatieplatforms tijdig en effectief antwoord krijgen. Hiermee kunt u de training van agenten optimaliseren en de algemene klanttevredenheid verbeteren.

Berekening: Met deze metriek wordt de gemiddelde tijd berekend die agenten nodig hebben om voor de eerste keer op klantcontacten te reageren.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: t

Type metric: historisch

Richting metric: omlaag, een lagere metric-waarde is het best.

Gebruiksvoorbeeld: Bewaking van de eerste reactietijd van agenten - Een contactcenter gebruikt deze metriek om te bewaken hoe snel agenten voor het eerst reageren op klantcontacten. Als het management inzicht heeft in de gemiddelde eerste reactietijd, kan het vaststellen waar de responsiviteit van medewerkers kan worden verbeterd. Ook kan het strategieën implementeren om de reactietijden te verkorten. Zo wordt de klanttevredenheid vergroot en wordt tijdige ondersteuning gegarandeerd.

Berekening: Met deze metriek wordt de gemiddelde tijd berekend die agenten nodig hebben om voor de eerste keer op klantcontacten te reageren.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Bewaking van de eerste reactietijd van agenten - Een contactcenter gebruikt deze metriek om te bewaken hoe snel agenten voor het eerst reageren op klantcontacten. Als het management inzicht heeft in de gemiddelde eerste reactietijd, kan het vaststellen waar de responsiviteit van medewerkers kan worden verbeterd. Ook kan het strategieën implementeren om de reactietijden te verkorten. Zo wordt de klanttevredenheid vergroot en wordt tijdige ondersteuning gegarandeerd.

Berekening: Deze metriek berekent het gemiddelde aantal reacties dat van klanten per contact wordt ontvangen.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Het meten van klantbetrokkenheid - Een contactcenter gebruikt deze metriek om de klantbetrokkenheid te meten door het gemiddelde aantal reacties van klanten per contact bij te houden. Door inzicht te krijgen in hoe actief klanten reageren, kan het management de effectiviteit van communicatiestrategieën beoordelen en kansen identificeren om de interactie met klanten te verbeteren. Dit helpt bij het verbeteren van de klanttevredenheid en zorgt ervoor dat agenten effectief met klanten omgaan.

Berekening: Met deze metriek wordt de gemiddelde tijd berekend die agenten nodig hebben om vervolgreacties te geven tijdens klantinteracties.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Het bewaken van de efficiëntie van vervolgreacties - Een contactcenter gebruikt deze metriek om te bewaken hoe efficiënt agenten vervolgreacties geven tijdens klantinteracties. Door inzicht te krijgen in de gemiddelde follow-up responstijd, kan het management gebieden identificeren waar de prestaties van agenten verbeterd kunnen worden en strategieën implementeren om de responstijden te verkorten, waardoor de klanttevredenheid wordt vergroot en tijdige ondersteuning wordt gegarandeerd.

Berekening: Met deze metriek wordt de gemiddelde oplossingstijd voor klantcontacten berekend. Met deze metriek krijgt u inzicht in hoe efficiënt klantproblemen worden opgelost.

Filters:

• Medewerkersgroep: bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omlaag, een lagere metric-waarde is het best.

Gebruiksvoorbeeld: Monitoren van de efficiëntie van oplossingstijd - Een contactcenter gebruikt deze metriek om de efficiëntie van het oplossen van klantproblemen te monitoren. Als het management inzicht heeft in de gemiddelde oplossingstijd, kan het vaststellen op welke gebieden de prestaties van agenten verbeterd kunnen worden. Ook kan het strategieën implementeren om de oplossingstijd te verkorten. Zo wordt de klanttevredenheid vergroot en wordt tijdige ondersteuning gegarandeerd.

Berekening: Het totale aantal unieke contacten dat succesvol is gesloten. Deze metriek geeft het aantal afzonderlijke contacten weer waarbij de interactie is voltooid en gesloten door de agenten.

Filters:

• Medewerkersgroep: bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Het bijhouden van succesvol gesloten contacten - In een contactcenter is het belangrijk om het aantal unieke contacten dat succesvol is gesloten, bij te houden. Het helpt inzicht te krijgen in hoe efficiënt en effectief de agenten zijn. Een hoog aantal gesloten contacten geeft aan dat agenten goed zijn in het oplossen van klantvragen en het afsluiten van interacties. Met deze metriek kunt u trends in de prestaties van agenten identificeren, de gebieden markeren waarin agenten uitblinken en mogelijkheden voor verdere training of procesverbeteringen vinden. Daarnaast kan het worden gebruikt om prestatiedoelen te stellen en het succes te meten van initiatieven die gericht zijn op het verbeteren van de oplossingspercentages van contacten.

Berekening: Het totale aantal reacties van klanten. Deze metriek geeft het cumulatieve aantal klantreacties weer tijdens interacties met agenten, en geeft inzicht in de betrokkenheid en feedback van klanten.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Klantbetrokkenheid evalueren via het aantal reacties - In een contactcenter is het van cruciaal belang om het totale aantal klantreacties bij te houden. Het helpt u te begrijpen hoe actief klanten betrokken zijn tijdens interacties. Als het aantal klantreacties bijvoorbeeld hoog is, betekent dit dat klanten actief deelnemen aan gesprekken, vragen stellen en feedback geven. Met deze metriek kunt u trends in klantbetrokkenheid identificeren, de effectiviteit van communicatiestrategieën meten en ervoor zorgen dat medewerkers een responsieve en interactieve omgeving creëren. Daarnaast kan het worden gebruikt om de impact van klantenservice-initiatieven te beoordelen en verbeterpunten te vinden voor de interactie tussen agenten en klanten.

Berekening: Het totale aantal keren dat agenten zich hebben gericht op specifieke taken of interacties. Deze metriek geeft het cumulatieve aantal focusgevallen weer en geeft aan hoe vaak agenten zich concentreren op bepaalde activiteiten of klantinteracties.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: De focus van agenten op klantinteracties beoordelen- In een contactcenter is het van cruciaal belang om het totale aantal focusinstanties bij te houden. Het helpt inzicht te krijgen in hoe vaak agenten hun aandacht besteden aan specifieke taken of interacties met klanten. Als het focusaantal bijvoorbeeld hoog is, betekent dit dat agenten zich vaak concentreren op belangrijke activiteiten. Dit kan leiden tot betere klantenservice en hogere efficiëntie. Met deze metriek kunt u trends in het gedrag van agenten identificeren, de effectiviteit van focusgerelateerde trainingsprogramma's meten en ervoor zorgen dat agenten hun taken op de juiste manier prioriteren. Daarnaast kan het gebruikt worden om de impact te beoordelen van initiatieven die gericht zijn op het verbeteren van de focus en productiviteit van agenten.

Berekening: Het totale aantal seconden dat agenten actief betrokken zijn bij interacties via specifieke kanalen. Deze metriek geeft de cumulatieve actieve tijd weer die agenten besteden aan interacties via digitale kanalen.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omlaag, een lagere metric-waarde is het best.

Gebruiksvoorbeeld: Evalueren van de actieve tijd van agenten op digitale en andere kanalen: In een contactcenter is het bijhouden van de totale actieve tijd die agenten besteden aan interacties via digitale kanalen (zoals kanaal 1 en 7) en andere gespecificeerde kanalen cruciaal om inzicht te krijgen in het kanaalgebruik en de productiviteit van agenten. Als agenten bijvoorbeeld veel tijd besteden aan digitale kanalen, kan dat duiden op een groot aantal klantinteracties via online chat, e-mail of sociale media. Met deze metriek kunt u trends in het gebruik van digitale kanalen identificeren, de effectiviteit van digitale communicatiestrategieën meten en ervoor zorgen dat agenten hun tijd op verschillende kanalen efficiënt beheren. Daarnaast kan het worden gebruikt om de toewijzing van middelen te optimaliseren en de algehele klantenservice te verbeteren door te focussen op de meest gebruikte kanalen, zowel digitaal als anderszins.

Berekening: Het totale aantal agentreacties, exclusief de eerste reactie per interactie. Deze metriek geeft het cumulatieve aantal vervolgreacties weer die agenten hebben gegeven tijdens interacties. Dit geeft inzicht in de mate van betrokkenheid en vervolgactie die nodig is na de eerste reactie.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Analyse van opvolgreacties van agenten - In een contactcenter is het bijhouden van het aantal opvolgreacties van agenten van cruciaal belang om inzicht te krijgen in de mate van betrokkenheid die nodig is om klantvragen op te lossen. Als het aantal vervolgreacties bijvoorbeeld hoog is, kan dit erop wijzen dat agenten na de eerste reactie aanvullende informatie of verduidelijking moeten geven. Met deze metriek kunt u trends in klantinteracties identificeren, de effectiviteit van eerste reacties meten en ervoor zorgen dat agenten grondige en bevredigende vervolgacties uitvoeren. Daarnaast kan het worden gebruikt om de impact te beoordelen van trainingsprogramma's die gericht zijn op het verbeteren van de kwaliteit van de reacties van agenten en het verminderen van de noodzaak voor meerdere vervolgacties.

Berekening: Het totale aantal seconden dat agenten besteden aan vervolgreacties. Deze metriek geeft de cumulatieve tijd weer die agenten besteden aan het geven van aanvullende antwoorden na de eerste interactie met klanten.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Het meten van de tijd die agenten besteden aan vervolgreacties - In een contactcenter is het bijhouden van de totale tijd die agenten besteden aan vervolgreacties van cruciaal belang om inzicht te krijgen in de inspanning die nodig is om klantvragen volledig op te lossen. Als agenten bijvoorbeeld veel tijd besteden aan vervolgreacties, kan dit een indicatie zijn dat de eerste interacties niet volledig inspelen op de behoeften van de klant. In dat geval is er behoefte aan verdere communicatie. Met deze metriek kunt u trends in de reactietijden van vervolgacties identificeren, de effectiviteit van eerste reacties meten en ervoor zorgen dat agenten grondige en tijdige vervolgacties uitvoeren. Daarnaast kan het gebruikt worden om de impact te beoordelen van trainingsprogramma's die gericht zijn op het verbeteren van de kwaliteit van de eerste reacties en het verminderen van de noodzaak van uitgebreide follow-ups.

Berekening: Deze metriek geeft de tijd weer die nodig is om een contact binnen een bepaalde periode op te lossen. Geeft de duur aan vanaf het moment dat een contact wordt geïnitieerd tot het moment dat het is opgelost, met name bij contacten via digitale kanalen.

Filters:

• Medewerkersgroep: bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omlaag, een lagere metric-waarde is het best.

Gebruiksvoorbeeld: Verbeteren van de oplossingsefficiëntie voor digitale kanalen - In een contactcenter voor een e-commerceplatform helpt de resolutietijdmetriek bij het bewaken en verbeteren van de efficiëntie van het oplossen van klantvragen via digitale kanalen (bijv. chat, e-mail). Een hoge resolutietijd kan betekenen dat het langer duurt om digitale vragen op te lossen. Dit kan komen door complexe problemen of inefficiënte processen. Het contactcenter kan oorzaken onderzoeken, zoals training van agenten, knelpunten in processen of technische problemen. Door deze problemen op te lossen, kan het centrum de oplossingstijd verkorten en ervoor zorgen dat klanten tijdig en effectief ondersteuning krijgen. Met deze metriek kunt u ook benchmarks en doelen vaststellen om de oplossingsefficiëntie te verbeteren en zo de algehele klanttevredenheid en servicekwaliteit te verbeteren.

Berekening: Deze metriek vertegenwoordigt het totale aantal interacties tussen agenten en klanten binnen een bepaalde periode. Het geeft het cumulatieve aantal antwoorden aan dat tussen agenten en klanten is uitgewisseld tijdens gesprekken.

Filters:

• Medewerkergroep: Agent, Team, Bedrijf

• Contactgroep: Skill, Campagne, Bedrijf

• Attributen: Kanaal, Dispositie, Tagnaam, Richting, Contacttype

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Klantbetrokkenheid en interactiekwaliteit evalueren - In een contactcenter voor een technologiebedrijf helpt de metriek Totaal aantal interacties bij het evalueren van de betrokkenheid en interactiekwaliteit tussen agenten en klanten. Een hoog totaal aantal interacties kan erop wijzen dat agenten actief met klanten omgaan en hun zorgen grondig aanpakken. Een laag aantal statistieken kan duiden op korte interacties of onvoldoende betrokkenheid. Het contactcenter kan kijken naar oorzaken zoals de complexiteit van het gesprek, de training van agenten en de efficiëntie van processen. Door deze metriek te analyseren, kan het centrum ervoor zorgen dat medewerkers voldoende ondersteuning bieden en tegelijkertijd hun tijd effectief beheren. Deze metriek helpt ook bij het vaststellen van benchmarks en doelen voor optimale interactieniveaus, waardoor de algehele prestaties en klanttevredenheid worden verbeterd.

Berekening: Deze metriek vertegenwoordigt het aantal contacten dat aan elke tag is gekoppeld binnen een bepaalde periode. Het geeft aan hoeveel contacten aan elke tag zijn gekoppeld.

Filters:

• Medewerkersgroep: bedrijf

• Contactgroep: Bedrijf

• Attributen: Tagnaam

Ondersteund kanaal: Digitaal

Type metric: historisch

Richting metric: omhoog, een hogere metric-waarde is het best.

Gebruiksvoorbeeld: Het gebruik van tags analyseren voor betere categorisering - In een contactcenter voor een softwarebedrijf helpt de metriek 'Tagaantal per contact' bij het analyseren hoe tags worden gebruikt om klantvragen te categoriseren. Een hoog aantal tags kan erop wijzen dat deze tags vaak worden gebruikt voor specifieke typen zoekopdrachten. Het contactcenter kan onderzoeken waarom bepaalde tags vaak worden gebruikt, bijvoorbeeld veelvoorkomende problemen of onderwerpen. Door inzicht te krijgen in het gebruik van tags, kan het centrum het categorisatieproces optimaliseren en ervoor zorgen dat vragen nauwkeurig en efficiënt worden gecategoriseerd. Deze metriek helpt ook bij het vaststellen van benchmarks en doelen voor taggebruik, wat de algehele organisatie en het beheer van klantvragen verbetert.