Knowledge Discovery: Nachbearbeitungszeit dauerhaft reduzieren

Bolzhauser setzt seit 2014 Knowledge Discovery als Werkzeug ein, um gezielt Optimierungs- und Einsparungspotenziale im Kundenservice zu identifizieren. Von der Reduzierung der Sprech- und Nachbearbeitungszeiten, über die konkrete Steigerung von Zufriedenheitswerten bis hin zur exakten Verlagerung von Vorgangsarten in den Self-Service gibt es beim Einsatz von Knowledge Discovery keine Grenzen. Im heutigen Blogbeitrag geht es um die Reduzierung von Nachbearbeitungszeiten.

Wodurch entstehen (zu) lange Nachbearbeitungszeiten?

Die Nachbearbeitungszeit ist wohl seit Anbeginn der Vorgangsbearbeitung, beziehungsweise seitdem es den Kundenservice gibt, ein oft betrachteter und diskutierter Wert. Freie Nachbearbeitungszeiten, fest eingestellte, automatische Nachbearbeitungszeiten und die Option auf Verlängerung der Nachbearbeitungszeit sind wohl die gängigsten Methoden im Umgang mit der Nachbearbeitungszeit.

Doch welche Aspekte treiben die Nachbearbeitungszeit? Woran liegt es, dass manche der Mitarbeiter:innen oder manches Team kürzere Nachbearbeitungszeiten hat als andere? Das Fachwissen, Erfahrung mit dem System, Vorgaben zur Dokumentation und Dokumentationsvorlagen sind augenscheinlich wohl die wichtigsten Treiber der Nachbearbeitungszeit. Doch wie kommt man an detaillierte Informationen, um diese zu reduzieren?

Durch Knowledge Discovery gelingt es, Antworten auf diese Frage zu liefern. In der obenstehenden Grafik wurde die Nachbearbeitungszeit (ACW) mit der Information verknüpft, ob Case-Vorlagen korrekt von den Agent:innen verwendet wurden. Man würde annehmen, dass sich die ACW verringert, wenn Case-Vorlagen verwendet werden. Das Ergebnis sagt jedoch etwas anderes aus: Wenn die Agent:innen keine Case-Vorlagen nutzten, war der Wert der Nachbearbeitungszeit am geringsten (siehe Knoten 1)! In diesem Falle sorgte also die Idee, durch Case-Vorlagen die Nachbearbeitungszeit zu verkürzen, zum genau gegenteiligen Ergebnis.

Wird diese Aussage noch um die Anrufgründe/Prozesse erweitert, ergeben sich schon die ersten Handlungsempfehlungen in Bezug auf die Nutzung der Case-Vorlagen und das große Thema Nachbearbeitungszeit (siehe Grafik).

Wie identifiziere ich die „Treiber“ von (zu) langen Nachbearbeitungszeiten?

Auffällige Systemdokumentationen sind sicherlich einer der Treiber. Doch wie komme ich an die Informationen, um etwas nachhaltig zu ändern?

Im Ergebnisbaum auf der rechten Seite wurde die auffällige Systemdokumentation ins Verhältnis zu den Vorgangsarten/Prozessen gesetzt. Hier wird deutlich, dass es speziell bei den Prozessen „Retoure“ und „Bestellung“ zu auffälligen Systemdokumentationen kommt, was zu langen Nachbearbeitungszeiten führt. Somit lässt sich schnell ableiten, mit welchen fachlichen Nachschulungen oder Prozessanpassungen nachhaltig Zeit eingespart werden kann.

Wird der Ergebnisbaum noch um die Teams, Mitarbeiter:innen oder Trainer:in erweitert, werden die Analysen und Ableitungen zu ganz konkreten Handlungsempfehlungen noch einfacher.

Wo schafft Knowledge Discovery Abhilfe?

Zum einen haben Sie die Möglichkeit, mit Knowledge Discovery herauszufinden, ob die von Ihnen initiierten Maßnahmen zur Steuerung (und Senkung) der Nachbearbeitungszeit auch tatsächlich die Nachbearbeitungszeit senken oder gar einen gegenteiligen Effekt haben, wie im oberen Beispiel mit den Case-Vorlagen vorgestellt. Der für Ihren Service exakt passenden Wert für eine (automatisch eingestellte) Nachbearbeitungszeit lässt sich mit dieser Methodik sehr gut ermitteln.

Zum anderen liefern Ihnen die statistischen Verknüpfungen und Analysen die Möglichkeit, die Nachbearbeitungszeit multidimensional zu betrachten und aufzuschlüsseln. Nach Partner, nach Mitarbeiter:in, nach Vorgangsarten, nach Trainer:innen, nach Produkten, nach Tageszeiten, nach Trainingszeitpunkt, nach Team, nach all den Aspekten, die Ihnen ebenfalls die Möglichkeiten bieten, etwas an der gegenwärtigen Situation zu ändern!