如何避免大促的时候掉进深坑！

大促刚过，双十二也马上到来，相信很多电商的朋友们已经做了双11的复盘了吧，如果还没有没有做复盘的伙伴们呢，今天我们一起回顾一下我们的双11，然后做一下复盘。

今天为大家分享的是客服在大促之后的复盘工作，好处是什么呢？为什么要复盘呢？其实是因为好的地方总结一下，沉淀下来，不好的地方呢，是我们应该怎么解决，下次大促的时候怎么规避掉呢

客服服务端，2019年我们团队的目标是客服的客单价80，店小蜜的转化65%，冲刺转化率：70%，人工转化率70%，冲刺转化75%，无忧购指标稳定到4.0

我们店铺是做的食品类目，相对食品的转化率是比较高的，双11之后复盘的时候，指标达成率：人工转化是82.5% 店小蜜的转化是 68%全店铺包含人工智能的转化是75%

首先客服的服务转化端是完成了转化率的目标。

能看到主要的目标售前客服这个模块，那我们要细分拆解的时候，我们需要看什么数据呢，难道是只看转化吗

其实不是的，客服服务模块，我们要看整个大促中我们的整体围绕着无忧购综合服务指标的多项服务指标完成的情况

这里需要我们客服主管去把大促的数据做一下手工的数据汇总，比如：

数据把我们考核的主要的数据做一个汇总，方便我们人工的去分析我们的好的地方和不足的地方，通过这个数据我们看下双11大促的时候我们的人力，我们的安排是否合理

当然如果大家没有做这个数据整理，我们也可以通过客户之声，来查看大促的复盘数据

这个也非常的方便 我今天这里给大家分享一下，首先我们来看下这个入口，路径：可以走商家中心—交易管理—客户之声

或者是在千牛的工作台上，直接搜索：客户之声，或者是通过链接：https://seller-rate.tmall.com/evaluation/serviceReport.htm?spm=a314f.7824810.0.0.204829c9RDx6GO

都可以进入到我们的这个大促复盘的，进入之后可以看到

进来以后你会看到是有我们过往的大促复盘，比如我们也可以看到我们2018年双11的复盘留存沉淀下来的数据

这里的数据复盘的数据是，双11当天的销售的数据，整个服务的数据指标周期是11月11到12月10日，近30天的数据滚动，是因为双11产生的物流问题，退款问题，质量问题等，都会有滞后处理。

首先大促的表面我们来看这个图，天猫的新灯塔指标表现，考核的服务维度 有：咨询，物流，售后，纠纷，商品体验等5个维度来对比

我们的数据和去年同期相比，和大促同层级相比，看到我们的数据服务情况。换句话说是以结果和大数据告诉我们，我们做的服务怎么样

统计周期内，阿里旺旺有效响应人次（店小蜜接待人次+人工主动回复人次）/咨询人次总数

通过大促的咨询的的工作量 的数据波动，为我们下次大促的人员排班提供更好的安排，合理根据时间高峰的波动，让我们的人力发挥最大的作用。

查询客服的在不同时间段大促的响应的时间，直观的发现店铺的影响的问题，如果发现有整体时间我们的响应太慢，分析原因，目标是多少，没有达成，找一下出问题的原因。

再继续看下 转化率，统询单且下单支付的人数除以客服总询单人数，查看该指标需在生意参谋配置子账号

这里大家也注意到了店小蜜的咨询转化率也在里面包含着，大促的时候小蜜的转化是非常棒的，因为大促客户问的问题时候高频的问题。

咨询人效分析：人均接待量

人工客服接待的买家人次/有回复过买家的人工客服子账号数。备注：人次指统计周期内，同一买家对多个子账号发起咨询记为多人次

这个是人效，大促的时候人员都比较紧张，我们大促的时候人力怎么样发挥最大化，人力安排的数据这里也帮我们展示出来，给大家做一个人效的数据参考。

智能接待分析：智能解决率

店小蜜智能解决的会话量/(店小蜜接待的咨询会话量-直连人工的会话量）

这里提供的是机器人在处理只能解决问题的时候，关于商品，物流，活动，下单支付，售后，或者是无效服务等为客户解决掉问题的解决率。

消费者问题：店小蜜承接问题分布

服务端店小密已经加入到了客户服务的大军之中，那么大促的时候它的表现怎么样呢，我们也可以通过数据来看到他的战斗力

这个是关于咨询服务的咨询分析这里给我们提供的数据参考，都是通过数据曲线，让我们直观清楚的展示了我们存在的问题和不足。

第二块复盘我们的物流发货

物流快递发货的问题也是每年影响到客户体验的问题，物流发货这里有快递的是时效，是否爆仓，发生不可抗力的因素，比如今年也出现了快递车自燃着火的现象，这些不能控制的因素都会给大促以后的物流表现产生影响。

今年复盘的时候我也发现今年快递在拦截退款的订单做的也非常不错，有的快递公司在中转站就可以发起拦截，给客户可以及时退款。提升物流和退款的数据指标。

我截图了售后的退款的量，也截图了一个售后退款的退款率，每年双11之后都有很多客户因为着急用优惠，退款重新拍，或者退款改地址的非常的多

那双11之后迎接的退款有多少呢，需要多少人力处理，今年的销售额是多少，这个数据会为明年做退款的人力安排的时候做参考，并且建议退款的量大的商家，如果指标比同行差，这里就需要通过专岗去处理退款

退款这里的问题在退款退款的完结时间，仅退款的时间，这里我们的处理的完结时效等都会影响到我们店铺的无忧购新灯塔的数据指标。

也就是这里别人可以得分是4分以上，我们可能因为大促没有安排好 会得分在3分以下，所以这里也是非常注意的点

复盘数据的第四块是纠纷投诉，这里一般商家做的好，主动的给客户处理问题，商家责任的纠纷率是0

这个指标我就不做展开了，纠纷退款这里大家做好售后服务，一般纠纷商家都做的很棒，继续保持

最后的一个分析的模块是

最后分析的是商品的质量，也就是消费者商品体验：商品体验退款率

发起退款的订单为首次品质退款订单的订单量/支付总订单量

这里是首次的品质退款原因比如是描述不符，或者产品批量出现了问题，这里的指标给出我们预警

这项指标呢是客服在服务中需要公司的品控一起来把握的，不过大促中出现的质量的反馈 ，发现暴露的问题，下次来做改进。

这里主要给大家分享了我们复盘的几个数据维度，通过我们的数据反馈出我们的问题，比如我们出现了活动的设置出错，出现了该地址比较多，错发等，细化的问题我们会列出来

我一般会把售前遇到的细节问题，比如软件出现问题，出现的突发状况等也会在大促的复盘中做出来，以及吹按问题我们会做什么样的改进措施，然后再做一个复盘的总结

开始双11的时候我们做一个计划 表格，双11的时候我们按照表格的问题会做人员分工和推进，结果复盘的时候我会按照计划没有做的地方，找一下原因。出现问题的地方，给出对应的解决方案

这里是我一次大促以后做的汇总的总结做的留存，给大家做一下参考

售后这里的也注意我们复盘问题的时候，记得留存一下解决的处理方案，为下次大促做参考。

大促结束复盘报告和团队开会，奖励方案兑现，一般大促的我会直接给客服发现金红包，增加仪式感，结束这次双11大促以后，大家继续迎接双12，迎接年货节。

总结一下，大促以后，我们先看下我们的指标是否达成，然后把数据按照核心的数据抓取出来，去做分析，大促的问题逐个记录下来，做成过程资产，下次大促的时候已经踏过的坑不会在跳进去，这个也就是我们大促复盘的目的。