作为一个产品研发背景出身的人，对于客服这种职能，第一反应是排斥。以前做2B语音机器人平台的时候，比起AI lab的同事们总觉得自己做的事情比较low。后来去到甲方的智能客服产品线，比起人工客服产品线，也总觉得自己这边比较高级。即便不久之前身处客服部门，依然是一样的想法。

直到去年10月我才了解到，之所以我会有这样的想法，还是因为视野过小，没有看到整个部门的全貌。其实，运营一个完备的客服部门，或者现在更常使用的客服体验中心，复杂度比管理一整个产研团队还要高的多。

组织架构

在解释具体运营策略之前，先熟悉一下部门的组织架构，也就是一个完备的客户体验中心（以下称为CX）有哪些二级和三级部门。

Operation Team

这个部门负责在第一线回答用户问题，也会占用绝大多数的Headcount，具体的内部架构取决于具体业务，可以是根据业务线、渠道 (Chat, Email, Social Media, etc)、服务的国家或地区等分组，但无论怎么分，都存在不同组之间的人员调动，可能是因为突发情况，也可能是计划内的rotation。一个例子：

|- Level 1
    |- Chat
        |- English
        |- Chinese
    |- Email
|- Level 2
    |- Product A
    |- Product B
    |- Product C

Operation Support Team

这个部门负责支持Operation Team的运转，也常被称为COE, aka Center of Excellence，职责包括制定工作流程，培训新员工，对工作产出进行质检，workforce management，员工招聘，系统和工具管理，还可能有数据分析师，项目经理，等等。

User Insights Team

这个部门负责从用户问题中挖掘产品或者服务需求，并反馈给相关团队跟进解决。如果说上面两块工作在不同公司都是大同小异，这一块就天差地别了。光谱的一端，是根本不设立这个团队，而是交由不同产品线自行处理，而另一端，则是将从需求挖掘，到产品和服务迭代，到后续跟进，都闭环在这个团队。没有对错，全看具体业务情况来选择最好的方式。

主要挑战

在了解挑战之前，首先需要解释的是，用户问题从源头来讲有两种情况，一种是业务本身intrinsic带来的，毕竟没有业务可以做到百分百没有问题，相应的这一部分会随着业务增长而增长；第二种是产品或服务本身有显著的问题导致的，问题本身可能来自内部，也可能来自外部。

流量激增

第一大挑战是短时间内客诉量暴涨，导致无法有效应对。激增有的是计划内的，比如电商大促、体育赛事、总统大选，有的是计划外的，比如内部或者供应商服务宕机、特朗普发币。一个有效运作的客服部门，所有情况都需要有预案，并在必要的时候高效执行。不过流量激增之所以是一个挑战，根本上还是因为人力是没有弹性的。机器可以弹性伸缩，但人不能。由此引入第二个挑战：人员管理。

人员管理

人员管理，指的主要是一线员工的管理。在产品和研发部门，与其说管人，更多的还是管事，大多数情况下，把事情计划好了，职责划分清楚了，人差不多也安排好了。但这里不一样。在最严格要求的一线客服团队，迟到早退是按秒来计算的。每一个人，请了多少假，每天工作了多长时间，回答第一个问题和第二个问题间隔多久，可以同时回答多少问题，这些都是要严格记录，实时监控的。一方面这是一份纯纯的people management的工作，一般人根本做不来，另一方面对数据基建要求非常高，不投入相当的资源连可用的数据都没有，监控更是无从谈起。

作为人员调度核心任务的workforce management，更是复杂无比。假设现在一共有五百个一线客服，能说十五种语言（一个人最多可以说五种），主要分布在五个时区，能回答二十种不同类型的问题，每个人每周只能工作四十个小时，问：排班以一个小时为单位，如何把他们安排到每个time slot，以达到整体效率和质量都最高？

客服产品设计

因为一开始提到的偏见，导致客服产品相比其他2B有个巨大的问题，那就是设计产品的人，很少真的在一线回答过用户问题，所以根本没办法做出来真的能够让用户用的爽的产品。一个最典型的特征就是，各个产品线都有各自独有的文档和设计规范，但是一个一线客服需要回答所有的问题，于是Operation Support Team会花大量的时间和人力成本，整合成统一的wiki用来培训新员工。但更糟糕的是，如果解决用户的问题需要切换到另一个后台管理产品，操作复杂度直冲云霄。一个人用两个三个四个系统听起来好像可以容忍，但是同时让一千个人高效使用所有系统呢？员工体验都不好，如何提供好的客户体验呢？

国际标准

虽然运营上有着这样那样的问题，但好消息是，contact center这种组织形形态已经存在了很久很久，所以不同行业不同规模的公司早已形成了各种通用的best practices，汇聚起来，就是所谓的国际标准。所以如何入手解决上述挑战呢？简单的讲，挑选一个合适的国际标准，然后实施它。

听起来非常old school，好像不符合科技新贵的身份，但比起自创一些奇奇怪怪的做法，简单粗暴但非常高效。

下篇继续。