当前，智能客服的身影已随处可见，然而，智能客服要达到何种程度才能够代替人工客服？本文作者从当下客服的新定位、CLG时代的来临着手进行讲解，并对客服中心所面临的挑战，以及企业应如何应对、智能客服又应如何发展进行了分析与解答，不妨来看看，希望对你有帮助。

随着全球经济从产品时代，进入服务时代，体验经济也发展迅猛，客户服务不但发展成了一个产业，客服中心也成为了所有企业的标配部门。但是，现代意义上的客户服务和客服中心，与原本的概念相比，已发生了巨大的变化。

那么，国内客服中心的现状如何？客户服务将迎来怎样的变革？智能客服的演进路径又是什么？

我最近看到一本白皮书，对这些问题做了比较系统的梳理，我觉得很有参考价值。就是网易云商旗下七鱼智能客服，刚刚发布的《2023客服中心现状&趋势白皮书》（下称《白皮书》）。

因为它有数据、有分析、有结论、有方案，所以，《白皮书》除了为行业从业者提供有价值的实践参考之外，也为客户服务行业发展，提供了极具价值的参考。

一、客户服务的新定位

提到客户服务或者客服中心，在很多人的印象里，客服就是处理售后的业务，比如投诉、回访、维修等。

实际上，随着世界经济从产品时代，进入服务时代，以及体验经济的兴起，客服这个传统业务也发生了巨大的变化。正如《白皮书》所言，客户服务已经从单纯的售后服务，演变为支持和促进客户生命周期的多个业务，比如营销、销售、服务、复购、推荐等。

随着客服业务范围的变化，现代意义上的客服中心，也被赋予了全新的价值驱动角色。其在组织结构中的地位，也从一个后台部门，走向了业务的最前线，以支持整个组织的绩效和增长。同时，客服中心的价值定位正在发生变化，从一个成本中心，转向价值驱动者。

一个成功的客服中心，不但可以帮助企业吸引到新的生意，而且还能促进客户留存，以及对老客户的持续营销。有数据表明，在失去的潜在客户中，有超过80%是因为体验问题，而转向竞争对手，而客户体验的好坏，取决于客户服务的水平和能力。

在客户眼中，企业与企业之间的差异，其实就是体验的差距。而从企业的视角看，企业与企业的竞争，实际上竞争的并不是产品，而是客户的体验。

所以，客户服务水平和能力，就是企业的核心竞争力。

二、CLG时代已经来临

增长是所有企业的主题，而关于增长的驱动因素，则由PLG转向CLG（Customer service-Led Growth），即客户服务驱动的增长。特别是随着在线交易成为商业主流，CLG趋势愈发强劲。

客服中心的建设，必须着眼于长期的客户关系，在与每一位客户的互动中，给予其良好的体验，这也是CLG的基础条件。

也许有人认为，CLG只是一个吸引人眼球的概念。那我们透过数据，看看客户服务是如何影响公司业务绩效的。

• 超过80%的业务领导认为，客户服务与其绩效是紧密相关的。比如，随着与客户互动增加，交叉销售和复购的机会也会随之提升。多数销售负责人认为，高质量的客户服务对销售的促进作用，是不争的事实。几乎所有的产品负责人认为：对于潜在的产品问题，以及改进的机会，主要来自客服与客户的互动。
• 客服人员的作用，从未像今天这样重要。有数据表明：60%客户在经历哪怕一次糟糕的体验后，就会转向竞争对手。据此统计下来，因客服质量造成的潜在损失是十分惊人的。
• 开发一个新客户的成本，要比维护一个老客户的成本高5倍以上。从一次良好的体验获得一家客户，到保持和提升客户体验，从获客与留存都离不开有效的客服工作。
• 客户服务所产生的良好体验，有助于企业的口碑传播，这可以以更低的成本获取客户。

不过客户中心的业务很多，要想真正实现CLG，就必须排出业务的优先级。综合整个行业数据，业务优先级排名是：

• 更好的客户体验
• 提升服务效率
• 提高客户满意度
• 提升留存率
• 创造营收

这个业务优先级排序，与《白皮书》内容基本一致。比如优先级最高的都是提升客户体验。提升客户满意度也都是位列前三。差异点是《白皮书》中将“解决客户基本问题”放在靠前的位置，也许这是因为国内客服成熟度的等级普遍较低所导致的。

即在客户服务的初级阶段，确实需要解决好客户基本问题，然后再向高级进化。

此外，关于“创造营收”，还是一个有争议的话题，争议的焦点在于，客服中心是否需要承担营收责任。目前主流的观点是，在客户服务较低成熟度阶段，客服中心的价值还是通过支持其它业务实现，而不是为其设立收入指标。

因为这可能会导致客户服务目标产生偏移。

三、客服中心面临的挑战

早期的客服中心所面临的问题，主要是服务效率和客户满意度的问题。比如座席数量不足，处理问题的速度不能令顾客满意。当我们重新定位客服中心的价值之后，它们面临着前所未有的挑战。比如：

1. 对客服中心投入的不足

多数企业对客服中心的投入是不够的，从客服数量就能看出来。正如《白皮书》数据显示的那样：60%企业客服数量少于100人，其中50人以内占比最高为45%，只有14%的企业超过500人。

2. 落后的业务流程

与各个业务系统的业务流程缺少有效联通，一项服务需要访问不同的业务系统才能完成。

3. 缺失的数字化工具

缺少统一的数字化分析与展现工具，使业务结果不能可视化和不能为决策所用。

4. 跟不上节奏的业务知识更新

一方面，客服需要的业务知识和产品知识越来越多，知识的更新速度也越来越快。而另一方面客服人员的知识更新就很难跟上节奏。

5. 培训不足

包括客服基本技能、业务能力和行业能力的提升。

6. 身心疲惫的客服人员

会影响到服务心态和工作质量，最终会传导到客户。

7. 客服人员的KPI不好衡量

客服应该考核哪些KPI，如何量化和评价？《白皮书》中调研了目前企业对客服的考核指标，比如问题解决率、投诉率、响应速度等，这些指标有一个明显的特征，就是它们基本上是“底线”指标。实际上，随着客服中心的价值驱动器的定位，需要体系化地定义更高的引导性指标。

需要说明的是，客户服务处于不同成熟度，所面临的挑战指标的重要性和迫切性也不一样，不同行业或企业发展不同阶段，客服中心的演进路径也会不同。

四、企业该如何应对挑战？

1. 舍得在客户服务上投资

建立客服中心是为了应对当前的客户问题，还是作为一项长期的战略，反映了企业领导者的远见。而国内企业在客服中心上的投资，单从人数上看，都是不足的。

据《白皮书》中的数据显示：多数企业的客服中心规模在50~100人，仅有14%的客服中心团队规模在500人及以上，它们主要集中在互联网、银行保险、企业服务行业。

实际上，对客服中心的投资，远不止是人员的投资，还包括信息系统的投资，以及为员工赋能的成本，比如教育和培训。

2. 与业务建立紧密关联

如果将客户服务的价值定位于支持其它业务，那么就需要在客户服务和其它业务之间建立业务关联，这样才能看出客户服务是否对公司绩效产生真正的贡献。

遗憾的是，很多企业的客户服务与其它业务是独立运行的，因为看不到客户服务对其它业务增长的作用，所以就不知道在客服中心上的投资究竟有多大回报。

3. 自上而下的建设

大多数客服中心的建设模式是自底向上的，也就是从解决某些具体问题开始。实际上，从长远和效果来看，自顶向下建设客服中心的业务驱动效果更好。

所谓自顶向下，就是需要有专职的高层负责人，比如说很多企业都设置了首席客户官（CCO），而不是由某位高层领导代管。这样可以将客户服务的业绩，与负责人进行绑定，从开始建设到投入运行，都有一个完整的计划和思路。

《白皮书》中特别强调，客服中心的负责人必须能够看到客户数据全局视图。

4. 客服人员能力的建设是重中之重

两个客服中心的差距，本质上就是客服人员的能力（workforce）之间的差别。虽然现在AI在客户服务渗透的势头很猛，但人仍是客户服务的核心。对客服人员的大量数据调查显示，他们的核心诉求包括：

• 全业务知识薄弱
• 持续培训不足
• 工作负荷过大
• 担心被AI取代
• 公正和客观的考核

一旦明确了客服人员的赋能诉求，解决方案就很容易给出。比如依靠知识库和流程自动化，就很容易帮助客服补足和发挥业务能力。又比如，通过自动化和AI，可以极大减轻客服人员的工作量，以及降低出错的概率。

五、客服中心的数字化和智能化

由于以往的客服中心职能单一，基本上只需要一个呼叫中心就能满足。随着客服中心所涉及的业务范围的扩大，如果没有一个数字化系统的支持，要达成新的目标几乎没有可能。

除了一个支持跨业务的核心的客户服务平台以外，数字化的重点要在四个能力上给予重点关注：

1. 多通道的融合能力

我们每个人作为顾客，最不能容忍的是一遍又一遍地向不同客服人员，重复自己的问题，特别是需要在不同的通道之间来回切换时。所以，一个客服中心必须能向客户提供快速的、个性化的和不间断的服务能力，因为这些极大地影响了客户的体验。

虽然《白皮书》中提到，国内的客服通道主要是基于微信生态，但随着短视频、直播等其它通路的兴起，会话的连续性能力，又被提到一个更新的高度。

2. 从自动化到AI能力

在将技术应用于客服中心的建设时，常常混淆了自动化和AI的概念。其实它们是两个不同的技术发展阶段。现在的聊天机器人，更多是基于流程的自动化，虽然有更多AI特性开始加入其中。

而基于大模型的AI智能客服才刚刚开始，特别是以类似ChatGPT为核心的技术，将使AI融入整个客服业务的每一个环节。在后面的内容中可以看到：自动化和智能化，是客服成熟度的两个重要指标维度。

国内的智能客服还处于初级阶段，不过在这方面的投入正在迅速增加，比如《白皮书》中提到：有56%的被访者所在客服中心设立了机器人训练师岗位。

3. 业务集成能力

一个运行顺畅的客服体系，首先取决于对业务连续性的设计，其次是数字化平台支持的业务系统的集成，以实现对业务和数据的统一视图。

4. 一致性的数据分析与展现能力

就数据统一和展示问题，《白皮书》中给出了三个调查结论：

• 数据及报表分析是绝大部分管理者的日常工作的重点
• 在进行报表分析和总结汇报时，数据整合及可视化展示的难题暂未解决
• 数据支撑在管理者制定优化策略过程中严重缺失

实际上，这些问题的解决，很大程度上依赖于业务集成能力。

六、客户服务成熟度等级

1. 客户中心建设路线图

无论是主动的还是被动的，传统客户服务向现代客户服务的转型，已是大势所趋。但是，很多企业在转型过程中仍然存在一些难以逾越的障碍。

比如，转型从哪里开始？现在在哪里？转型目的地在哪里？成功的标准是什么？转型从哪些关键点着手？转为云服务有什么好处？有哪些转型方法论和最佳实践？如果这些问题没有厘清的话，客户服务的转型就很难成功。

但是要想给上述问题一个统一的解决方案，显然也是不现实的，因为不同的行业、不同规模的企业、不同的发展阶段，其转型路径、遇到的问题，以及解决方案是不同的。所以，应该有一个分类的客户服务成熟度。

2. 客户服务成熟度的指标维度

建立简单有效的成熟度标准，其关键在于对标志性指标维度的选择。

人员能力（workforce）

无论数字化技术和AI发展到什么程度，对于一家企业的客服中心来说，人永远是最重要的因素。而除了在客服数量上的配置之外，客服中心的人员能力是最重要的指标，它代表了客服团队的综合能力。人员能力包括纯人工能力，以及人工与数字化的混合能力，它随着成熟度的提升而增强。

自动化水平

自动化的含义，在此代表客户自助服务和客服中心数字化地提供服务，自动化的程度代表尽量少的人工介入。

智能化水平

客服智能化代表着客服系统智能地响应、分析、洞察，甚至是自动输出报告的能力。

业务云融合

客服系统从本地化部署和集成，到云端基于生态的协作，代表了不同的智能客服中心建设水平。

变革管理

从早期的客服中心，到智能客服中心，无论在业务上，还是在技术上，都需要经过一个变革过程才能实现。而变革管理对于客服转型速度和效果，起到决定性的作用。

3. 成熟度分级矩阵

为了降低成熟度的复杂度，基本上可以将成熟度分为三级，根据不同的指标维度，可以得到客户服务成熟度的矩阵。根据指标维度的标准（已隐去），很容易定位企业客服所处的成熟度等级。

4. 客户服务成熟度的用途

客户服务成熟度主要有两个作用，一个是针对企业的，另一个是针对服务商的。

对于企业来说，确定自己在客户服务成熟度中的位置，才可能知道下一步的目标是什么，以及怎样才能达到。

而对于服务商来说，必须识别出客户成熟度的等级，才可能提供准确的解决方案，而不是给所有客户相同的解决方案。

七、对服务商的能力要求

在大力建设呼叫中心的时代，产生了很多基于硬件通讯系统解决方案提供商，现在它们正在被新一代的基于云端融合技术的服务商所替代。同时，由于客户服务定位的变化，对服务商有了新的能力要求。比如：

1. 识别客户的成熟度

正如《白皮书》调研的结果，国内企业的客户服务成熟度不均衡，除了金融、电信、大型电商具有较高的客户服务成熟度以外，大部分企业都集中于成熟度1级水平。

这就要求服务商首先要准确识别客户的成熟度水平，提供针对性的解决方案。

2. 精准解决方案能力

很多服务商认为，所提供的典型客户案例，客户越大越好、越有名越好。其实成功案例是应该按照不同的成熟度水平，提供给对应的客户，效果才更好。

3. 智能云客服

采用云原生的客服中心解决方案，在获取生态价值方面，要远胜于本地化部署。说服客户采用云原生的SaaS模式，不但有利于为客户提供更大的生态价值，降低客户总体拥有成本（TCO）；同时也可以降低服务商的总体服务成本（TCS），创造规模化的增长。

4. 销售能力

传统客服中心采用的是项目式的销售方式，而基于SaaS方式的智能客服，采用的是订阅销售模式。

5. 数字化采用能力

采用（Adoption）是客户成功中的一项重要服务，从整个SaaS行业来看，大约有60%客户采购服务后而没有产生业务价值而弃用。在客户服务领域是否实现客户业务目标，是很容易评价的。如果客户不能实现业务价值，就可能不再续费。

数字化采用是对服务商提出的一项新要求。

6. 咨询培训能力

培训排在大部分客服诉求的前三位，但培训并不是单指系统的操作培训，而是一整套增强客服能力的培训体系。

所以要求服务商具有较强的咨询能力，只有帮助客户建立起可用的客服中心，产品才具有更好的采用度，而单纯靠卖产品的服务商将失去竞争力。