Verizon 使用 Tableau 將支援通話減少 43%，因而改善客戶體驗

將客服中心、數位和派遣團隊的客戶服務分析時間減少 50%

某些客群的通話量減少 43%，技術派遣減少 62%

建立 1500 多個儀表板，這些儀表板會擷取來自 Hadoop、Teradata 和 Oracle 的數十億行資料

Verizon Fios 提供住宅連接解決方案，包括寬頻網際網路、有線電話語音和透過光纖傳輸給數百萬客戶的有線電視服務。這些服務包括 690 萬個寬頻連線、450 萬個電視訂戶和 1220 萬個有線電話使用者 - 因此有多個資料來源，產生數十億行資料的的資料 (一天多達 4 TB)，並且由卓越分析中心團隊進行管理。比較一下可以知道，這幾乎是美國國會圖書館館藏 (總共達 10 TB) 的一半。

Verizon 的卓越分析中心 (ACE) 擁有 80 多人的團隊，在公司的數位、客服中心、派遣、行銷和財務部門中使用資料科學和資深分析功能，藉以優化營運並強化客戶體驗。這個團隊從 Hadoop、Teradata 和 Oracle 中取得線上和離線資料，擷取後並縮減為較小的資料集，然後使用 Tableau 進行分析。這種有效的方法表示儀表板可供 200 多個相關各方進行分析。相關各方的範圍從高階主管到面對客戶的客服中心員工，這個團隊可以做出更完善的決策，並透過 Tableau 每天發現的見解提供絕佳的客戶服務。

ACE 使用該平台建立 1,500 多個自助式儀表板，以供營運、業務轉型、產品開發、市場行銷和軟體工程團隊使用。互動式儀表板的檢視次數已經超過 125,000 次，儀表板採用受管理的基礎架構，可確保資料有條不紊而可供使用。隨著 Fios 團隊使用地理空間地圖功能來瞭解地點的影響並運用 Tableau + R 和 Tableau + Mapbox 的整合來分析來自客戶聊天工作階段的文字，Tableau 的採用率持續提高。這些措施有助於解決客戶服務問題，並透過減少電話通話和服務派遣來改善 Fios 的客戶滿意度，藉以降低營運成本。

卓越分析中心會擴展數位和客服中心營運的分析程序

Verizon Fios 使用手動 Excel 表來分析數位和客服中心指標之類的資料。產生的結果會以靜態報告的形式分發給多個團隊。在分析之前結合資料也確實很不容易進行，其中的資料來自於多個來源：Oracle、Hadoop 和 Teradata。由於分析資源有限，不過要為許多不同的相關各方提供服務，因此這是效率不彰的程序，會導致瓶頸和疊床架屋的情況，並造成使用者無法輕鬆擷取資料來回答這個團隊的問題。聯絡中心分析副總監 Gregory McConney 解釋，分析人員如何「盡力執行進階分析並建立可促進業務成長的預測模型和機器學習解決方案...我們不想在業務相關各方可以自行得出見解時就建立形成基本的見解。」

Verizon 盡全力成立卓越分析中心 (ACE)。這個 80 多人的團隊有將近 30 位成員使用 Tableau 進行分析，並向主要相關各方提供見解。在將見解轉達給 Tableau 開發人員和伺服器管理員之前，其他成員支援資料治理、資料準備和建模。Verizon 資料分析資深經理 Sid Dayama 解釋：「我們要做的第一件事是正確建構資料，以便擴展資料並自動處理資料。我們花很多心思建立正確的資料結構，並建立有助於以最直覺的方式發佈資訊的檢視。」

在建立儀表板套件之前，ACE 會與相關各方舉行規劃會議以確定需求。這個團隊開發出載入時間最快的儀表板，可以支援更有效的討論，因而改變這個團隊由上而下做出決策的方式。

每個人都開始使用儀表板之後，該團隊即可更有效運用工具提示等功能尋求見解、以視覺化的方式反映詳細資訊，並釐清欄位定義。這個團隊期盼使用其他平台功能，並使用不同的圖表類型進一步強化客戶體驗。

Tableau 之所以如此優異，是因為能夠與所有這些不同的軟體互通。對我們而言，這是重要的里程碑，同時使用這些軟體後，可以將文字探勘功能加入到儀表板中。

Gregory McConney, 聯絡中心分析副總監

客服中心增加處理量、改善客戶路徑並緩解客戶情緒，因此分析時間加快 50%

客戶透過線上聊天、客服中心和跨通路等多種方式與 Verizon 的支援團隊進行互動，這表示整個過程從數位通路開始，在客服中心結束。不過，Verizon 希望客戶以數位方式自行解決問題，並避免使用客服中心，因此客戶不需要等候答案或技術人員抵達現場，即可保持相當高的滿意度。更重要的是，這家公司不希望客服中心重複聯絡，因為這表示問題並未解決，結果導致客服中心和派遣團隊的效率不彰，並使得營運成本增加。

ACE 瞭解不同的客群有不同的通話行為，因此運用 Tableau 儀表板為特定的客群建立最佳的路徑解決方案，包括業務轉型、分析、IT 和客服中心營運在內的團隊分析客服中心內的客戶參與度並監控通話情緒。

分析團隊為客群中的每個人分析 17 種不同的屬性，檢視客戶的情況、客戶使用的產品、來電動機、客戶來電的頻率、平均處理時間、來電時的情緒、年齡等等。接著將客戶分類並放入不同的組別中進行處理。

然後這些個別的組別會傳送到特別的支援佇列，由熟練的客服中心代表處理請求，避免問題重複出現。Tableau 儀表板為客服中心代表提供背景資訊，例如這個團隊正在處理的客戶所呈現的歷史通話模式，因此可以有效解決問題並減少客戶多次通話的需求。

該團隊使用 Tableau 中的警報功能在通話量降低到有條件視覺閾值以下時通知這個團隊。接著會啟動演算法以顯示新的高要求客戶組別，並觸發代表的新客戶清單。

Greg 解釋：「這基本上是從所有這些因素中去除人為因素，效果相當好。」

Verizon 具備情境意識，瞭解客戶的通話行為和客服中心人員的業務能力，因此提高處理客戶通話時的效率，減少重複通話的次數，並且將通話量減少 43%。Tableau 儀表板也可以加速解決客戶問題，將客戶服務分析時間減少 50%。資深管理人員使用儀表板來訂定策略並安排第一線的工作人員，這些工作人員每天都需要接聽電話，並且需要辨別通話行為、模式和歷史趨勢。

儀表板中的見解有助於我們優化客服中心的營運，藉以減少客戶多次致電聯絡我們的需求。監控這些符合時間效益的儀表板能夠顯示，隨著客戶的解決率和滿意度指數提升，通話和派遣的次數 (這是導致成本上升的主要因素) 逐漸減少。

Sid Dayama, 資料分析資深經理

Tableau 中的地理空間對應有助於團隊監控服務派遣的影響

在 Verizon Fios 中，某些家庭需要專人多次到府解決問題。為了協助減少專人多次到府的需求並提高客戶滿意度，ACE 團隊建立一套 Tableau 儀表板，可以協助派遣團隊在州和郵遞區號層級以及個別家庭層級監控現場技師派遣活動的地理影響。

儀表板分析 690 萬 Fios 客戶的派遣活動，並包括 KPI (例如，產生的派遣工作單數量、派遣工作單比例、啟動的派遣、整體派遣率)，並調查這些派遣的成本影響。使用者可以按維度進一步細分這些 KPI，例如客戶類型、造成派遣的不同故障類型，以及其他一些有線基礎設施屬性。

Tableau 中的對應功能 (例如 Mapbox 整合) 可供團隊透過熱圖辨識地點的影響，並揭露派遣工作單和派遣率在哪些方面的績效超乎預期或績效欠佳，以及哪些變數導致頻繁派遣。

因此，Verizon 將技術人員派遣分析時間減少 50% 以上，並發現地理空間地圖如何滿足其他組別織需求。

Tableau R 和 Python 整合可實現更深入的數位產品分析

Verizon Fios 推出數位產品，目的在於支援更強烈的客戶參與度。其中一項產品就是 2017 年在 Facebook Messenger 上發佈的 Fios 聊天機器人。這項產品和其他產品有助於客戶與品牌互動並提出問題。必須有分析和報告能夠監控與收購、參與、客戶接受度和產品有效性有關的重要績效指標 (KPI)。

ACE 設計 Fios 聊天機器人特定的 KPI，並監控客戶的採用和使用情況。這些聊天機器人使用 Tableau 之中自訂日期的參數，評估隨時間變化的產品績效 - 評估每天、每週和每月的變化。為了瞭解聊天工作階段中傳達的意義，這些聊天機器人也使用 Tableau R 整合進行文字分析。文字預先處理運用於做為表中的原始字串欄位而儲存的客戶聊天記錄，藉以擷取分類關鍵字。 Sid 補充說：「所有這些工作都是在 R 中完成，R 會根據字詞出現的頻率彙總資料。然後，我將字詞帶入 Tableau 中並將文字雲視覺化，按照出現的頻率上色並調整大小。這有助於在與機器人聊天時瞭解客戶的心情。」

Tableau 的彈性有助於 ACE、數位和客戶服務團隊追蹤客戶對機器人提出的各類問題所得到的答案。擷取的資訊均用於訓練機器人的智慧，以便識別更多問題並做出解決問題的適當反應。藉由這些知識，這家公司也瞭解最受客戶歡迎的時間，並加派員工處理 Fios TV 上的大量服務活動，例如停電或按次付費觀看的體育賽事。

這是 Verizon 首次將 R 與 Tableau 相整合。不過，由於出現正面的成果，例如公司高階主管瞭解客戶對產品發佈的整體反應或使用見解來指引產品行銷和計劃，因此激勵 Verizon 將其他資源與 Tableau 相整合。為了更擴大採用分析，ACE 也藉由 TabTy 在 Tableau 中使用 Python 模型。