数据可视化驱动电商客服效能跃升

　　数位笔的笔尖刚换过，在数位板上划拉时还有点涩——就这破玩意儿，昨天还被前端小哥吐槽“你这曲线画得跟客服的KPI曲线似的，忽高忽低没个准儿”。其实我俩都在骂同一件事：近两个月搞的那个“数据可视化驱动电商客服效能跃升”的项目，改到第九版了，首屏的折线图还是对不齐栅格。你说这折线图要真能反映客服效能也行，可现在的问题是，数据准不准先放一边，光是让前端把折线拐点对齐“响应时长”和“解决率”的标签，就改了三版——第一版标签压线，第二版标签离线两像素，第三版标签和线之间多了个说不清的灰，色板里翻半天没找到匹配的，最后前端直接吸了背景色，结果显示器有点色偏，在测试机上又偏蓝了。

文章配图，仅供参考

　　窗台上的绿萝死了半盆，叶子卷得像客服被客户骂蔫了的脸。我盯着屏幕上的柱状图，突然想起上周五的会：产品经理举着手机刷短视频，外放声比他的发言还响，说“你看人家抖音的排行榜，多直观！”——可抖音的排行榜是给用户看的，用户刷的是热闹，客服主管刷的是KPI，这能一样吗？前端小哥在旁边小声嘀咕：“要不咱直接抄淘宝客服后台？”我摇头：“淘宝那是给客服自己看的，咱们这是给主管看的，逻辑不一样。”他冷笑：“那您倒是给个准逻辑啊？现在这版，柱子高了说‘可能是简单问题’，柱子低了说‘可能是能力差’，中间的呢？‘可能是运气好’？”

　　其实最该骂的是数据源。客服系统里记录的“解决率”，是按“问题关闭”算的，可有些客服为了冲指标，会提前关闭问题——用户明明还没确认解决，系统里已经算“已解决”了。这种数据喂给可视化工具，画出来的图再漂亮也是废的。我原以为数据清洗是数据团队的事，结果他们说“我们只负责把原始数据导出来，清洗是业务方的事”——业务方是谁？客服主管？他连Excel都玩不转，还清洗数据？最后还是前端小哥自己写了段Python脚本，把“问题关闭时间”和“用户最后回复时间”做了对比，筛出了一批“虚假解决”的记录。可这脚本跑出来的数据，跟产品经理要的“优胜劣汰”又对不上——有些客服虚假解决率高，但真实解决率也不低；有些客服虚假解决率低，但真实解决率更低。产品经理挠头：“这怎么排？按真实解决率排，虚假解决率高的会不会不服？”我翻了个白眼：“那你想怎样？按虚假解决率倒排？那真实解决率高的反而被埋了。”

　　改到第九版的时候，我盯着屏幕上的柱状图，突然觉得这项目像极了桌上那只干了的马克杯——刚买来时颜色鲜亮，装过咖啡、茶、甚至泡过方便面，现在杯壁上全是洗不掉的污渍，倒点水进去还能晃出响声，可谁也不会真的用它喝水了。数据可视化也是，一开始大家都觉得“用图说话多高级”，可真做起来才发现，图准不准、数据脏不脏、逻辑通不通，比“好不好看”重要一万倍。现在这版排行榜，柱子是对齐了，颜色也调准了，标签也清晰了，可数据源里的“问题复杂度”还是没解决，客服主管还是得靠“感觉”判断谁该奖谁该罚——那要这可视化有啥用？

　　前端小哥突然说：“要不咱把‘问题复杂度’也加进去？用气泡图，横轴是解决率，纵轴是响应时长，气泡大小代表问题复杂度。”我摇头：“主管看气泡图？他连柱状图都得盯三秒才能看懂，气泡图不得把他绕晕？”他叹气：“那怎么办？总不能再改第十版吧？”我指了指窗台上的绿萝：“你看这绿萝，死了半盆，剩下的半盆也没救，可咱们还在给它浇水——有些项目就像这绿萝，明知道没救，还得硬着头皮改。”

　　最后我们决定“折中”：首屏保留柱状图，只显示解决率和响应时长，标签里加个小问号，鼠标悬停显示“数据未包含问题复杂度，仅供参考”；二屏加气泡图，给主管自己看，爱看不看。产品经理勉强同意，说“先上线试试，不行再改”——可我知道，这“试试”的结果，大概率是客服主管继续靠“感觉”判断，数据可视化继续当个摆设。不过也好，至少不用再改第十版了——切图命名再乱，色板再难调，也比这没头没脑的需求强。

　　下一步打算跟数据团队死磕，逼他们把“问题复杂度”的标签打出来——哪怕先只分“简单”“复杂”两类，也比现在这团乱麻强。至于可视化工具？等数据准了再说吧——现在这破数据，画出来的图再漂亮，也是给鬼看的。

（编辑：草根网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!