وقتی مشتری با مرکز تماس ارتباط میگیرد، انتظار دارد پاسخ سؤال خود را دریافت کند یا برای حل مسئلهاش راهنمایی شود. اما اگر همه کارشناسان مشغول باشند، مشتری وارد صف انتظار میشود؛ مرحلهای که ممکن است بهاندازه خود مکالمه بر تجربه او تأثیر بگذارد.
برخی مشتریان تا زمان پاسخگویی منتظر میمانند، درحالیکه برخی دیگر پیش از اتصال به کارشناس تماس را قطع میکنند. این رفتار که در مدیریت مرکز تماس با عنوان «انصراف از انتظار» یا Call Abandonment شناخته میشود، صرفاً یک شاخص عملیاتی نیست؛ بلکه میتواند نشانهای از فاصله میان انتظار مشتری و تجربه واقعی او باشد.
برای درک این رفتار، تنها دانستن میانگین زمان انتظار کافی نیست. باید بررسی کرد مشتریان چه مدت حاضرند منتظر بمانند، زمان انتظار موردنیاز برای دریافت خدمت چقدر است و اطلاعاتی که در طول صف دریافت میکنند چه تصویری از وضعیت انتظار به آنها میدهد.
انصراف از انتظار چیست و چرا اهمیت دارد؟
انصراف از انتظار زمانی اتفاق میافتد که مشتری پس از درخواست صحبت با کارشناس وارد صف شود، اما پیش از دریافت خدمت تماس را قطع کند. این اتفاق با قطع تماس پیش از ورود به صف یا پایان تماس پس از دریافت خدمت متفاوت است؛ بنابراین برای تحلیل دقیق، لازم است این رفتارها در دادههای مرکز تماس از یکدیگر تفکیک شوند.
نرخ بالای انصراف میتواند دلایل مختلفی داشته باشد: انتظار طولانی، نیاز فوری به دریافت پاسخ، نامشخص بودن زمان انتظار، تجربههای قبلی نامطلوب یا حتی تغییر تصمیم مشتری. به همین دلیل، نباید همه تماسهای قطعشده را به یک علت نسبت داد.
اهمیت این شاخص زمانی بیشتر میشود که بدانیم قطع تماس لزوماً به معنای برطرف شدن نیاز مشتری نیست. ممکن است مسئله او همچنان حلنشده باقی بماند و برای پیگیری دوباره تماس بگیرد یا از کانال دیگری استفاده کند. در نتیجه، ارزیابی عملکرد مرکز تماس فقط بر اساس تماسهای پاسخدادهشده، تصویر کاملی از تجربه مشتری ارائه نمیدهد.
میزان تحمل انتظار در مشتریان یکسان نیست
یکی از نکات مهم در تحلیل صف انتظار، تفاوت میان دو مفهوم است:
– زمان انتظار موردنیاز: مدتزمانی که مشتری، با توجه به وضعیت صف و ظرفیت پاسخگویی، باید منتظر بماند تا نوبتش برسد.
– میزان تحمل انتظار: مدتزمانی که مشتری حاضر است منتظر بماند و پس از آن ممکن است از دریافت خدمت منصرف شود.
این دو زمان الزاماً برابر نیستند. اگر زمان انتظار موردنیاز از میزان تحمل مشتری بیشتر شود، احتمال انصراف او میتواند افزایش پیدا کند. البته رفتار مشتریان به شرایط تماس، نوع خدمت و ویژگیهای فردی آنها نیز وابسته است.
در پژوهش انجام شده توسط Lawrence Brown و همکارانش رفتار انتظار و انصراف در کنار سایر اجزای فرایند خدمت بررسی شده. پژوهشگران برای این مطالعه از سوابق عملیاتی یک مرکز تماس بانکی استفاده کردند. در این مجموعه داده، حدود ۲۰ درصد از تماسهایی که برای صحبت با کارشناس درخواست داده بودند، پیش از دریافت خدمت قطع شده بودند.
این عدد را نباید نرخ معمول یا معیار استاندارد برای همه مراکز تماس دانست؛ بلکه یافتهای مربوط به همان مرکز تماس و همان دوره است. اهمیت آن در نشان دادن این نکته است که بخشی از تقاضای مشتریان ممکن است پیش از رسیدن به مرحله خدمت از دست برود.
چرا میانگین زمان انتظار بهتنهایی کافی نیست؟
فرض کنید میانگین انتظار مشتریان در یک مرکز تماس سه دقیقه باشد. این عدد بهتنهایی نشان نمیدهد که تجربه همه مشتریان مشابه است. ممکن است گروهی از مشتریان تقریباً بلافاصله پاسخ بگیرند، درحالیکه گروهی دیگر بسیار بیشتر از میانگین منتظر بمانند.
از سوی دیگر، میانگین نمیگوید مشتریانی که تماس را قطع کردهاند، پیش از انصراف چه مدت منتظر بودهاند. اگر فقط زمان انتظار تماسهای پاسخدادهشده بررسی شود، تجربه افرادی که پیش از دریافت خدمت از صف خارج شدهاند، نادیده گرفته میشود.
برای شناخت بهتر رفتار مشتری، مرکز تماس باید علاوه بر میانگین زمان انتظار، شاخصهایی مانند این موارد را نیز بررسی کند:
– توزیع زمان انتظار و سهم تماسهایی که بیش از یک حد مشخص منتظر ماندهاند؛
– زمان سپریشده تا انصراف از انتظار؛
– نرخ انصراف در بازههای زمانی مختلف؛
– تفاوت رفتار مشتریان در گروههای خدمتی گوناگون؛
– رابطه میان وضعیت صف، زمان انتظار و احتمال انصراف.
این تحلیلها کمک میکنند مشخص شود آیا انصرافها عمدتاً در انتظارهای طولانی رخ میدهند یا عوامل دیگری نیز در رفتار مشتری نقش دارند.
پیامهای صف انتظار چه نقشی در تجربه مشتری دارند؟
در زمان انتظار، مشتری معمولاً اطلاعات مستقیمی از وضعیت داخلی مرکز تماس ندارد. او نمیداند چند کارشناس در حال پاسخگویی هستند، چه تعداد تماس پیش از او قرار دارد یا چه زمانی نوبتش خواهد رسید. پیامهای صف انتظار میتوانند بخشی از این ابهام را کاهش دهند.
در مطالعه Brown و همکاران، به مشتریان در طول انتظار بهصورت دورهای اطلاعاتی درباره مدت انتظار فرد ابتدای صف و موقعیت تقریبی آنها در صف داده میشد. این پیامها تقریباً هر ۶۰ ثانیه تکرار میشدند و در کنار آنها موسیقی، اخبار یا تبلیغات پخش میشد.
این توصیف نشان میدهد پیام صف میتواند بخشی از تجربه انتظار باشد؛ اما بهتنهایی ثابت نمیکند که تکرار پیامها باعث افزایش یا کاهش انصراف شده است. برای سنجش چنین اثری، لازم است دادههای رفتاری مرکز تماس بهصورت دقیق تحلیل شوند یا نسخههای مختلف پیامها در شرایط قابلمقایسه آزمایش شوند.
از منظر مدیریت تجربه مشتری، پیام صف زمانی مفید است که به مشتری کمک کند وضعیت خود را بهتر درک کند. پیامهای مبهم، تکراری یا غیرواقعبینانه ممکن است بهجای کاهش ابهام، احساس بلاتکلیفی ایجاد کنند. در مقابل، اطلاعات روشن و قابلاعتماد میتواند به مشتری در تصمیمگیری کمک کند؛ هرچند هیچ پیامی جایگزین ظرفیت کافی برای پاسخگویی نیست.
چگونه پیامهای صف انتظار را بهبود دهیم؟
برای طراحی پیامهای مؤثرتر، مرکز تماس میتواند چند اقدام را در نظر بگیرد:
۱. اطلاعات روشن و قابلاعتماد ارائه کنید
اگر سامانه امکان تخمین قابلاعتماد زمان انتظار را دارد، ارائه این اطلاعات میتواند به مشتری در تصمیمگیری کمک کند. اگر برآورد دقیق در دسترس نیست، بهتر است از اعلام زمانهای قطعی و غیرقابلاتکا خودداری شود.
۲. پیامها را متناسب با وضعیت مشتری طراحی کنید
یک پیام واحد ممکن است برای همه تماسها مناسب نباشد. مشتریای که برای یک سؤال عمومی تماس گرفته، ممکن است شرایط متفاوتی با مشتریای داشته باشد که پیگیری فوری یک مشکل را بر عهده دارد. در صورت امکان، نوع خدمت و نیاز مشتری باید در طراحی تجربه انتظار لحاظ شود.
۳. تکرار پیامها را ارزیابی کنید
تکرار بیشازحد پیامهای مشابه ممکن است برای برخی مشتریان آزاردهنده باشد. در مقابل، فاصله زیاد میان پیامها نیز میتواند ابهام را افزایش دهد. زمانبندی پیامها باید بر اساس بازخورد مشتری و دادههای واقعی مرکز تماس ارزیابی شود.
۴. پیامها را با عملکرد واقعی هماهنگ نگه دارید
اگر پیام از کوتاه بودن انتظار خبر میدهد، اما مشتری مدت زیادی در صف باقی میماند، اعتماد او ممکن است آسیب ببیند. پیامهای صف باید با قابلیتهای سامانه و وضعیت واقعی پاسخگویی هماهنگ باشند.
چگونه اثر پیامهای صف را اندازهگیری کنیم؟
برای ارزیابی پیامها، مقایسه ساده نرخ انصراف قبل و بعد از تغییر پیام کافی نیست؛ زیرا ممکن است حجم تماس، تعداد کارشناسان، نوع درخواستها یا شرایط عملیاتی نیز تغییر کرده باشد.
یک روش مناسب، بررسی دادهها در بازههای زمانی قابلمقایسه و تفکیک آنها بر اساس نوع خدمت، مدت انتظار و وضعیت صف است. در صورت امکان، میتوان دو نسخه از پیام را در شرایط مشابه آزمایش کرد و نتایج را از نظر نرخ انصراف، زمان انتظار و بازخورد مشتری مقایسه کرد.
همچنین بهتر است مرکز تماس بررسی کند که کاهش انصراف واقعاً با بهبود تجربه همراه بوده است یا خیر. برای مثال، اگر مشتریان بهجای قطع تماس مدت بیشتری منتظر بمانند، اما همچنان ناراضی باشند، کاهش نرخ انصراف بهتنهایی نشانه موفقیت کامل نیست.
راهکارهای عملی برای کاهش انصراف مشتریان در ارتباط با مرکز تماس
برای مدیریت مؤثر انصراف از انتظار، پیشنهاد میشود اقدامات زیر در کنار یکدیگر دنبال شوند:
– تحلیل زمان انصراف: مشخص کنید مشتریان معمولاً در چه مرحلهای از انتظار تماس را قطع میکنند.
– بررسی تفاوت گروهها: رفتار مشتریان را بر اساس نوع خدمت، زمان تماس و اولویتهای صف مقایسه کنید.
– ارزیابی تجربه انتظار: پیامها، موسیقی انتظار و شفافیت اطلاعات را از نگاه مشتری بررسی کنید.
– کنترل ظرفیت پاسخگویی: در بازههایی که انتظار طولانیتر میشود، وضعیت تعداد کارشناسان فعال و نحوه توزیع تماسها را بررسی کنید.
– پایش چند شاخص بهصورت همزمان: نرخ انصراف را در کنار زمان انتظار، سطح خدمت و بازخورد مشتری بسنجید.
جمعبندی
قطع تماس در صف انتظار را نمیتوان صرفاً یک اتفاق فنی یا مسئلهای مربوط به تعداد کارشناسان دانست. این رفتار در نقطه تلاقی ظرفیت پاسخگویی مرکز تماس، مدت انتظار و میزان تحمل مشتری شکل میگیرد. درک آن نیازمند بررسی دادههای واقعی و توجه به تجربه افرادی است که پیش از دریافت خدمت از صف خارج میشوند.
پیامهای صف انتظار میتوانند با کاهش ابهام، بخشی از تجربه مشتری را بهبود دهند؛ اما اثربخشی آنها باید اندازهگیری شود و نباید جایگزین مدیریت صحیح ظرفیت و زمان انتظار شوند. مرکز تماسی که رفتار انتظار و انصراف را بهصورت مستمر تحلیل میکند، بهتر میتواند نقاط ضعف فرایند خدمت را شناسایی کرده و تصمیمهای دقیقتری برای بهبود تجربه مشتری بگیرد.
نویسنده: زهرا شیربند – کارشناس امور بینالملل شرکت بازرسی کیفیت و استاندارد ایران
منبع:
Brown, L., Gans, N., Mandelbaum, A., et al. (2005). *Statistical Analysis of a Telephone Call Center: A Queueing-Science Perspective.* Journal of the American Statistical Association, 100(469), 36–50.



