Tingkatkan Layanan Pelanggan Anda

Panduan 6 langkah untuk mengoptimalkan layanan pelanggan di Dynamics 365
Tingkatkan Layanan Pelanggan Anda
Layanan pelanggan
Microsoft Dynamics 365 Customer Service

Pilih proses

Pilih proses untuk melanjutkan pekerjaan di ruang kerja yang terhubung.

Optimalkan layanan pelanggan di Dynamics 365

Proses layanan pelanggan yang tidak efisien dapat membuat pelanggan kecewa dan meningkatkan biaya operasional. Platform kami membantu Anda menemukan hambatan dalam alur permintaan layanan, dari kontak awal hingga penyelesaian. Temukan peluang untuk menyederhanakan operasional, meningkatkan efisiensi agen, dan memberikan pengalaman pelanggan yang lebih baik.

Unduh templat data yang telah disiapkan dan atasi tantangan umum untuk mencapai target efisiensi Anda. Ikuti rencana perbaikan enam langkah dan lihat Panduan Templat Data untuk meningkatkan operasional Anda.

Tampilkan deskripsi lengkap

Mengapa optimalisasi layanan pelanggan penting

Layanan pelanggan berperan penting bagi setiap organisasi. Layanan ini berdampak langsung pada loyalitas pelanggan, reputasi merek, dan pada akhirnya, hasil bisnis Anda. Di tengah persaingan saat ini, pelanggan mengharapkan dukungan yang cepat, akurat, dan konsisten. Namun, proses di balik layanan, termasuk yang berjalan di Microsoft Dynamics 365 Customer Service, bisa menjadi tidak efisien. Akibatnya, pelanggan mengalami keterlambatan, harus menghubungi tim berulang kali, dan merasa kecewa. Ketidakefisienan ini mengikis kepercayaan pelanggan sekaligus meningkatkan biaya operasional karena beban kerja agen bertambah, waktu penyelesaian lebih lama, dan pekerjaan harus diulang. Untuk tumbuh secara berkelanjutan dan mempertahankan pelanggan, Anda perlu memahami alur permintaan layanan yang sebenarnya, sejak pelanggan menghubungi tim hingga masalah selesai. Tanpa gambaran yang jelas tentang proses saat ini, Anda hanya bisa menebak letak masalahnya. Akibatnya, upaya perbaikan sulit dilakukan dengan tepat.

Temukan peluang efisiensi dengan process mining

Process mining membantu Anda memahami dan memperbaiki operasional layanan pelanggan di Microsoft Dynamics 365 Customer Service berdasarkan data. Dengan menganalisis log peristiwa dari sistem, process mining menyusun peta visual yang objektif tentang alur permintaan layanan yang sebenarnya. Anda dapat melihat setiap langkah, penyimpangan, dan hambatan yang memengaruhi layanan. Analisis ini menunjukkan cara proses berjalan berdasarkan data nyata, bukan sekadar perkiraan tentang cara kerjanya.

Untuk layanan pelanggan, process mining menelusuri setiap 'Service Request' dari aktivitas 'Customer Contact Initiated' hingga 'Service Request Closed'. Anda dapat melihat bagian yang menyita waktu, misalnya 'Request Assigned to Agent', 'Agent Investigates Issue', atau saat menunggu 'Information Requested from Customer'. Gambaran terperinci ini membantu Anda menemukan titik keterlambatan, pola pekerjaan ulang saat kasus dibuka kembali atau dieskalasikan lagi, serta celah kepatuhan yang mungkin tidak terlihat dalam laporan biasa. Dengan begitu, Anda mendapat dasar yang jelas untuk mengoptimalkan seluruh siklus permintaan layanan.

Area perbaikan utama yang ditemukan melalui process mining

Process mining pada data layanan pelanggan di Microsoft Dynamics 365 Customer Service dapat mengungkap beberapa area penting untuk diperbaiki:

  • Persingkat waktu penyelesaian permintaan layanan: Dengan melihat seluruh alur, Anda dapat menemukan aktivitas atau serah terima yang memperpanjang waktu hingga 'Service Request Resolved' atau 'Service Request Closed'. Contohnya, keterlambatan pada 'Request Categorized and Prioritized', tahap 'Agent Investigates Issue' yang terlalu lama, atau proses 'Internal Escalation Triggered' yang tidak efisien. Perbaikan pada langkah-langkah ini langsung mengurangi waktu tunggu pelanggan.
  • Tingkatkan efisiensi dan produktivitas agen: Process mining membantu Anda memahami beban kerja agen, menemukan pola pekerjaan ulang, dan melihat bagian yang menyulitkan agen atau memerlukan pelatihan. Misalnya, jika banyak kasus melibatkan 'Information Requested from Customer' berulang kali atau beberapa kejadian 'Internal Escalation Triggered', tim mungkin perlu mengumpulkan informasi awal dengan lebih baik atau memperbaiki artikel basis pengetahuan di Dynamics 365 Customer Service.
  • Tingkatkan pengalaman dan kepuasan pelanggan: Analisis alur membantu Anda memahami sentimen pelanggan dan masalah yang sering mereka hadapi. Anda dapat menemukan aktivitas yang membuat pelanggan kecewa, seperti antrean panjang, harus menjelaskan masalah berulang kali, atau menunggu lama hingga 'Solution Proposed to Customer'. Penyederhanaan interaksi ini dapat meningkatkan kepuasan pelanggan.
  • Jaga kepatuhan dan konsistensi: Penyimpangan dari prosedur operasi standar akan terlihat, misalnya kasus yang melewati tahap persetujuan penting atau tidak memiliki 'Initial Customer Acknowledgment Sent'. Informasi ini membantu tim mengikuti praktik terbaik dan persyaratan peraturan, sekaligus menjaga mutu dan konsistensi layanan.

Hasil yang diharapkan dari optimalisasi proses

Dengan memanfaatkan temuan process mining, organisasi dapat meningkatkan operasional Microsoft Dynamics 365 Customer Service secara nyata. Waktu rata-rata penyelesaian permintaan layanan dapat berkurang secara signifikan, sehingga masalah selesai lebih cepat dan pelanggan lebih puas. Efisiensi agen yang lebih baik, pekerjaan ulang yang lebih sedikit, dan alokasi sumber daya yang optimal juga dapat menekan biaya operasional. Selain itu, Anda dapat melihat peningkatan terukur pada skor kepuasan pelanggan, kepatuhan terhadap perjanjian tingkat layanan (SLA), serta konsistensi dan keandalan layanan secara keseluruhan. Perbaikan berbasis data ini memberi arah yang jelas untuk menjaga mutu layanan dan memperkuat daya saing.

Mulai memperbaiki proses layanan pelanggan

Mengoptimalkan layanan pelanggan di Microsoft Dynamics 365 Customer Service lebih mudah dimulai daripada yang Anda bayangkan. Process mining memberi Anda panduan yang jelas dan dapat ditindaklanjuti untuk meningkatkan layanan, tanpa memerlukan keahlian rekayasa data yang mendalam. Anda bisa segera melihat temuan nyata untuk mengambil keputusan yang mendorong perubahan. Mulai optimalkan proses Anda hari ini dan jadikan layanan pelanggan sebagai pembeda, bukan sekadar pusat biaya. Gunakan data objektif untuk mengetahui cara meningkatkan layanan pelanggan dan mempersingkat waktu penyelesaian permintaan. Pendekatan ini memandu Anda dari analisis awal hingga perbaikan proses berkelanjutan dengan memanfaatkan kemampuan Dynamics 365 secara maksimal.

Layanan pelanggan Manajemen permintaan layanan Meja bantuan Efisiensi agen Kepatuhan SLA Pengalaman pelanggan Waktu penyelesaian Operasional dukungan Pencatatan tiket Manajemen tiket Tiket dukungan Pusat kontak Dukungan pelanggan CRM Penyelesaian kasus

Masalah dan tantangan umum

Tentukan tantangan yang Anda hadapi

Pelanggan harus menunggu lama hingga masalah selesai. Akibatnya, mereka kecewa dan mungkin beralih ke penyedia lain. Hal ini mengurangi loyalitas pelanggan dan dapat meningkatkan biaya operasional karena pelanggan menghubungi tim berulang kali atau kasus dieskalasikan. ProcessMind menemukan hambatan dan alur yang tidak standar dalam proses layanan pelanggan di Microsoft Dynamics 365. Anda dapat melihat aktivitas atau penugasan agen yang memperpanjang waktu penyelesaian, lalu menentukan perbaikan yang tepat.

Terlalu banyak permintaan layanan yang dieskalasikan ke tim internal. Agen dan supervisor harus meluangkan waktu tambahan, biaya operasional meningkat, dan pelanggan menunggu lebih lama. Hal ini sering menunjukkan kurangnya pelatihan awal bagi agen atau sumber daya basis pengetahuan yang belum memadai. ProcessMind memetakan pola eskalasi dan menemukan pemicu umum serta jenis permintaan yang bermasalah di Microsoft Dynamics 365 Customer Service. Anda dapat melihat bagian yang menyulitkan agen, lalu memberikan pelatihan terarah atau mengembangkan artikel pengetahuan untuk mengurangi eskalasi.

Banyak permintaan layanan tidak memenuhi target SLA yang disepakati. Akibatnya, organisasi dapat dikenai penalti, pelanggan kecewa, dan reputasi merek menurun. Ketidakpatuhan ini menunjukkan adanya masalah sistemis dalam pelaksanaan proses dan alokasi sumber daya. ProcessMind melacak seluruh siklus permintaan layanan dan membandingkannya dengan target SLA di Microsoft Dynamics 365. Anda dapat menemukan titik kegagalan secara tepat dan mengetahui penyebabnya, seperti antrean, agen, atau urutan aktivitas tertentu.

Sebagian agen kewalahan menangani permintaan, sementara agen lain belum dimanfaatkan secara optimal. Ketimpangan ini dapat menyebabkan kelelahan, menurunkan efisiensi, dan memperpanjang waktu tunggu pelanggan. Semangat agen dan mutu layanan secara keseluruhan pun terdampak. ProcessMind menampilkan aktivitas agen dan distribusi beban kerja di Microsoft Dynamics 365 Customer Service. Anda dapat menemukan ketimpangan dan menentukan cara mengalokasikan sumber daya dengan lebih baik untuk meningkatkan efisiensi serta mengurangi beban agen.

Pelanggan sering harus menghubungi tim dukungan beberapa kali untuk masalah yang sama, atau agen mengerjakan tugas yang sebenarnya tidak perlu diulang. Hal ini menunjukkan penanganan awal yang kurang efektif dan masalah yang tidak selesai saat kontak pertama. Akibatnya, biaya operasional meningkat dan pelanggan kecewa. ProcessMind menemukan pengulangan alur dan aktivitas yang tidak perlu dalam proses layanan pelanggan di Microsoft Dynamics 365. Anda dapat melihat bagian yang memerlukan pekerjaan ulang, menyederhanakan alur kerja, dan meningkatkan penyelesaian pada kontak pertama.

Agen kerap menyimpang dari prosedur penanganan permintaan layanan. Akibatnya, mutu layanan tidak konsisten, kesalahan bertambah, dan risiko kepatuhan meningkat. Kurangnya standardisasi juga menyulitkan perbaikan proses. ProcessMind menemukan semua jalur proses yang benar-benar terjadi di Microsoft Dynamics 365 Customer Service dan membandingkannya dengan model ideal. Anda dapat melihat penyimpangan dan frekuensinya, lalu menerapkan praktik terbaik untuk mengurangi variasi.

Agen kesulitan menemukan atau menggunakan artikel pengetahuan yang relevan. Akibatnya, waktu investigasi lebih lama, jawaban tidak konsisten, dan kasus lebih sering dieskalasikan. Hal ini mengurangi produktivitas agen dan kepuasan pelanggan. ProcessMind menganalisis akses ke artikel pengetahuan dan kaitannya dengan keberhasilan penyelesaian di Microsoft Dynamics 365. Anda dapat menemukan kekurangan dalam penggunaan basis pengetahuan, lalu memperbaiki konten dan pelatihan agen agar masalah selesai lebih cepat.

Permintaan layanan sering salah dikategorikan atau diberi prioritas yang keliru. Akibatnya, permintaan masuk ke tim yang salah, penanganan tertunda, dan waktu penyelesaian bertambah. Hal ini mengurangi efisiensi seluruh sistem dukungan. ProcessMind menemukan pola kesalahan kategori dan dampaknya pada proses layanan pelanggan di Microsoft Dynamics 365. Anda dapat melihat bagian yang paling sering mengalami kesalahan, lalu memperbaiki pelatihan atau aturan sistem.

Agen sering perlu meminta informasi tambahan setelah kontak awal. Akibatnya, masalah lebih lama selesai dan pelanggan kecewa karena mengharapkan penanganan yang cepat. Hal ini menunjukkan bahwa informasi awal yang dikumpulkan belum lengkap. ProcessMind memetakan urutan aktivitas saat "Information Requested from Customer" terjadi, termasuk frekuensi dan dampaknya pada durasi di Microsoft Dynamics 365 Customer Service. Anda dapat menemukan cara memperbaiki pengumpulan data awal atau pertanyaan yang diajukan agen.

Penggunaan saluran komunikasi yang kurang efisien untuk jenis permintaan tertentu, seperti email untuk masalah mendesak, memperpanjang waktu penyelesaian dan menambah beban agen. Hal ini mengurangi efisiensi layanan dan berdampak pada pengalaman pelanggan. ProcessMind menganalisis penggunaan berbagai saluran komunikasi (atribut "Communication Channel") untuk setiap jenis permintaan layanan, lalu membandingkannya dengan waktu penyelesaian di Microsoft Dynamics 365. Anda dapat melihat saluran yang kurang efektif dalam situasi tertentu.

Biaya untuk menyelesaikan setiap permintaan layanan lebih tinggi daripada tolok ukur. Hal ini berdampak pada profitabilitas dan alokasi sumber daya. Penyebabnya bisa berupa pekerjaan ulang, eskalasi, atau waktu penanganan yang terlalu lama dalam proses layanan pelanggan. ProcessMind menggabungkan data proses agar Anda dapat melihat aktivitas dan sumber daya yang digunakan untuk setiap permintaan layanan di Microsoft Dynamics 365. Anda dapat menemukan faktor pendorong biaya dan menentukan langkah untuk menekan biaya layanan.

Kepuasan pelanggan berbeda-beda menurut agen, jenis permintaan, atau departemen. Hal ini menunjukkan mutu layanan yang tidak konsisten dan peluang membangun loyalitas yang terlewatkan. Hasil survei setelah penyelesaian pun tidak selalu positif. ProcessMind menghubungkan "Customer Sentiment" dengan variasi proses dan kinerja agen di Microsoft Dynamics 365 Customer Service. Anda dapat melihat jalur proses atau perilaku agen yang berkaitan dengan skor kepuasan lebih rendah, lalu menentukan perbaikan.

Tujuan umum

Tentukan seperti apa keberhasilan itu

Waktu penyelesaian yang lebih singkat dapat meningkatkan kepuasan pelanggan dan efisiensi operasional. Keterlambatan membuat pelanggan kecewa dan menyita waktu agen lebih lama dari yang diperlukan, sehingga biaya di Microsoft Dynamics 365 Customer Service meningkat. Tujuan ini membantu tim menyelesaikan masalah dengan lebih cepat dan efisien.
ProcessMind menemukan hambatan dan jalur yang tidak standar yang memperpanjang waktu penyelesaian. Dengan menampilkan alur proses yang sebenarnya, ProcessMind menunjukkan aktivitas, antrean, atau agen yang menyebabkan keterlambatan. Tim dapat mengambil langkah terarah untuk memangkas waktu penyelesaian sebesar 15-25%. Metrik seperti rata-rata waktu penanganan dan waktu hingga penyelesaian juga terlihat jelas.

Eskalasi internal yang berlebihan menunjukkan proses yang tidak efisien atau kesenjangan keterampilan. Hal ini membebani beberapa tim sekaligus dan menunda penyelesaian bagi pelanggan di Microsoft Dynamics 365 Customer Service. Mengurangi eskalasi dapat meningkatkan efisiensi lintas departemen dan membantu tim menyelesaikan masalah saat kontak pertama jika memungkinkan.
ProcessMind memetakan jalur dan frekuensi eskalasi untuk menemukan penyebabnya, seperti kesalahan kategori, informasi yang kurang, atau pelatihan agen yang belum memadai. Anda dapat melihat bagian yang paling sering mengalami eskalasi, lalu memberikan pelatihan terarah atau menyesuaikan proses untuk mengurangi jumlahnya, bahkan hingga 20% atau lebih.

Memenuhi SLA penting untuk menjaga kepercayaan pelanggan dan menghindari penalti. Kegagalan berulang dalam mencapai target di Microsoft Dynamics 365 Customer Service merusak reputasi dan dapat menimbulkan konsekuensi finansial. Tujuan ini membantu tim memenuhi komitmen layanan secara konsisten.
ProcessMind menampilkan semua pelanggaran SLA beserta penyebabnya, baik aktivitas tertentu, antrean, maupun serah terima antaragen. Dengan melihat titik kegagalan secara tepat dalam proses permintaan layanan, organisasi dapat melakukan perubahan untuk meningkatkan kepatuhan terhadap SLA sebesar 10-15% dan memenuhi tenggat penting.

Beban kerja yang tidak merata dapat menyebabkan agen kelelahan, produktivitas menurun, dan mutu layanan tidak konsisten di tim layanan pelanggan Microsoft Dynamics 365. Pembagian permintaan layanan yang adil dan efisien penting untuk menjaga kinerja dan kepuasan agen.
ProcessMind menunjukkan cara permintaan layanan ditugaskan dan ditangani oleh agen serta departemen yang berbeda. Anda dapat melihat antrean dan hambatan yang berkaitan dengan ketersediaan atau keahlian agen. Dengan begitu, manajer dapat menyeimbangkan beban kerja dan menemukan kebutuhan pelatihan, sehingga pemanfaatan kapasitas secara keseluruhan berpotensi meningkat 10%.

Pekerjaan ulang dan kontak pelanggan berulang menunjukkan bahwa penyelesaian awal belum tuntas atau belum efektif. Akibatnya, pelanggan kecewa dan biaya operasional di Microsoft Dynamics 365 Customer Service meningkat. Tujuannya adalah menyelesaikan masalah dengan benar sejak awal.
ProcessMind menelusuri seluruh perjalanan permintaan layanan untuk menemukan pola kasus yang dibuka kembali atau kontak tindak lanjut. Anda dapat melihat aktivitas atau agen yang berkaitan dengan pekerjaan ulang, lalu merancang ulang proses atau memberikan pelatihan terarah. Langkah ini dapat mengurangi pekerjaan ulang sebesar 10-20% dan meningkatkan penyelesaian pada kontak pertama.

Penyimpangan dari prosedur operasi standar menyebabkan layanan tidak konsisten, kesalahan bertambah, dan biaya meningkat dalam proses Microsoft Dynamics 365 Customer Service. Pelaksanaan yang konsisten penting untuk menghasilkan layanan bermutu dengan hasil yang dapat diperkirakan.
ProcessMind menemukan semua variasi proses yang benar-benar terjadi dan membandingkannya dengan jalur ideal. Tim dapat melihat frekuensi dan dampak penyimpangan, lalu menerapkan praktik terbaik untuk mengurangi jalur yang tidak patuh sebesar 20-30%. Hasilnya, layanan menjadi lebih konsisten dan efisien.

Jika artikel pengetahuan yang tersedia di Microsoft Dynamics 365 jarang digunakan, agen harus menangani kembali masalah umum dari awal. Akibatnya, waktu penyelesaian bertambah dan jawaban menjadi tidak konsisten. Penggunaan artikel secara optimal membantu tim menyelesaikan masalah dengan lebih cepat dan seragam.
ProcessMind menganalisis cara dan waktu agen mengakses artikel pengetahuan selama penanganan permintaan layanan. Anda dapat melihat bagian yang menyulitkan agen dalam menemukan informasi atau yang memerlukan artikel baru. Langkah ini berpotensi meningkatkan penggunaan artikel sebesar 15% dan mempercepat penyelesaian.

Kesalahan kategorisasi awal permintaan layanan di Microsoft Dynamics 365 menyebabkan permintaan salah diarahkan, tertunda, dan berpindah tangan berkali-kali. Akibatnya, pelanggan kecewa dan biaya operasional meningkat. Kategorisasi yang akurat menjadi dasar penanganan yang efisien.
ProcessMind menelusuri permintaan yang salah kategori untuk menemukan bagian dan penyebab penyimpangannya dari alur ideal. Dengan menganalisis titik kesalahan yang sering terjadi, Anda dapat memperbaiki proses penerimaan awal atau model AI. Akurasi kategorisasi pun berpotensi meningkat 10-15%.

Keterlambatan mengumpulkan informasi yang diperlukan dari pelanggan memperpanjang waktu penyelesaian dan dapat memicu interaksi berulang. Hal ini berdampak buruk pada pengalaman pelanggan di Microsoft Dynamics 365 Customer Service. Karena itu, proses pengumpulan informasi perlu disederhanakan.
ProcessMind menemukan tahap atau aktivitas yang sering memerlukan permintaan informasi atau menyebabkan keterlambatan. Anda dapat melihat peluang untuk mengumpulkan data lebih awal atau memperbaiki panduan agen dan formulir. Langkah ini berpotensi mengurangi siklus pengumpulan informasi sebesar 20%.

Penggunaan saluran komunikasi yang kurang efisien dapat memecah interaksi pelanggan, memaksa agen berpindah konteks, dan memperpanjang waktu penyelesaian di Microsoft Dynamics 365. Penggunaan saluran yang lebih tepat meningkatkan efisiensi dan pengalaman pelanggan.
ProcessMind menganalisis perjalanan permintaan layanan melalui berbagai saluran komunikasi. Anda dapat melihat kapan perpindahan saluran terjadi dan saluran mana yang menyebabkan keterlambatan. Temuan ini membantu menentukan urutan dan penggunaan saluran yang tepat, serta berpotensi mengurangi beban komunikasi sebesar 10%.

Biaya operasional yang tinggi untuk setiap permintaan layanan berdampak pada profitabilitas dan alokasi sumber daya di Microsoft Dynamics 365 Customer Service. Tujuan ini berfokus pada upaya menemukan dan menghilangkan ketidakefisienan yang menambah biaya.
ProcessMind menampilkan seluruh siklus permintaan layanan agar Anda dapat melihat aktivitas yang mahal, hambatan, dan pola pekerjaan ulang. Dengan mengoptimalkan proses dan mengurangi ketidakefisienan seperti eskalasi berulang atau kontak berulang, organisasi dapat menekan biaya per permintaan sebesar 5-15%.

Kepuasan pelanggan yang berbeda-beda setelah permintaan layanan selesai menunjukkan mutu layanan atau tindak lanjut yang tidak konsisten. Hal ini berdampak pada loyalitas dan persepsi terhadap merek di Microsoft Dynamics 365. Pengalaman positif yang konsisten setelah penyelesaian sangat penting.
ProcessMind menghubungkan sentimen pelanggan (jika tercatat sebagai atribut) dan kode penyelesaian dengan jalur proses tertentu. Anda dapat menemukan penyimpangan atau tahap yang sering mendahului skor kepuasan rendah, lalu memperbaiki aktivitas penyelesaian dan tindak lanjut. Kepuasan pelanggan berpotensi meningkat 5-10%.

6 langkah untuk memperbaiki proses layanan pelanggan

1

Unduh templat

Yang perlu dilakukan

Gunakan templat Excel yang dirancang untuk Microsoft Dynamics 365 Customer Service. Dengan templat ini, struktur data Anda akan sesuai untuk analisis.

Mengapa ini penting

Templat yang tepat mencegah ketidakcocokan data dan membantu Anda menganalisis proses layanan pelanggan secara akurat dan efisien.

Hasil yang diharapkan

Templat Excel siap pakai dengan judul kolom dan format yang sesuai untuk data layanan pelanggan Anda.

YANG AKAN ANDA DAPATKAN

Lihat kinerja layanan pelanggan yang sebenarnya

ProcessMind menampilkan alur nyata setiap permintaan layanan pelanggan, lengkap dengan visualisasi interaksi dan serah terima. Dapatkan gambaran yang lebih jelas tentang kinerja agen dan titik-titik yang menghambat perjalanan pelanggan.
  • Petakan alur nyata permintaan layanan pelanggan
  • Temukan hambatan dalam proses layanan dengan cepat
  • Perbaiki serah terima antaragen dan waktu respons
  • Tingkatkan kepuasan pelanggan dan penyelesaian permintaan
Discover your actual process flow
Discover your actual process flow
Identify bottlenecks and delays
Identify bottlenecks and delays
Analyze process variants
Analyze process variants
Design your optimized process
Design your optimized process

HASIL YANG UMUM DICAPAI

Perbaikan nyata dalam layanan pelanggan

Hasil ini menunjukkan manfaat nyata yang umumnya diperoleh organisasi saat menerapkan process mining pada operasional layanan pelanggan. Analisis ini membantu menemukan hambatan dan inefisiensi dalam pemrosesan permintaan layanan di Microsoft Dynamics 365 Customer Service.

0 %
Penyelesaian layanan lebih cepat

Rata-rata pengurangan waktu siklus

Dengan menemukan dan mengatasi hambatan dalam proses permintaan layanan, organisasi dapat memangkas waktu penyelesaian masalah pelanggan. Layanan pun dapat diberikan lebih cepat dan pelanggan lebih puas.

0 %
Eskalasi internal berkurang

Penurunan jumlah kasus yang perlu dialihkan ke tim lain

Process mining membantu menemukan akar penyebab eskalasi internal. Tim dapat membekali agen lini pertama dengan sumber daya dan pengetahuan yang lebih baik, sehingga kasus lebih jarang perlu diteruskan ke tim dukungan tingkat lanjut.

0 pp
Kepatuhan SLA meningkat

Komitmen layanan lebih sering terpenuhi

Dengan menemukan penyimpangan proses dan keterlambatan yang mengancam perjanjian tingkat layanan, organisasi dapat memperbaiki alur kerja secara proaktif. Dengan begitu, waktu penyelesaian yang dijanjikan dapat dipenuhi atau dilampaui secara konsisten, sekaligus menghindari penalti dan meningkatkan kepercayaan.

0 pp
Penyelesaian pada kontak pertama meningkat

Interaksi awal lebih efisien

Analisis peta perjalanan pelanggan membantu menemukan peluang untuk menyelesaikan masalah saat pelanggan pertama kali menghubungi layanan. Cara ini mengurangi panggilan berulang dan menghemat waktu pelanggan maupun agen, sehingga proses menjadi lebih efisien.

0 points
Kepuasan pelanggan meningkat

Skor CSAT setelah penyelesaian lebih tinggi

Dengan memahami sentimen pelanggan dan titik kendala selama proses layanan, organisasi dapat melakukan perbaikan yang tepat sasaran. Hasilnya, pelanggan lebih puas dan loyalitas terhadap merek meningkat setelah masalah mereka selesai.

Hasil dapat berbeda, bergantung pada kerumitan proses layanan pelanggan dan kualitas data di Microsoft Dynamics 365 Customer Service. Angka ini menggambarkan perbaikan yang umum terlihat dalam berbagai penerapan.

Data yang disarankan

Mulai dari atribut dan aktivitas yang paling penting, lalu tambahkan data lain sesuai kebutuhan.
Baru mengenal log peristiwa? Pelajari cara membuat log peristiwa process mining.

Atribut

Data penting untuk dikumpulkan saat analisis

Pengenal unik untuk permintaan layanan pelanggan, yang juga disebut kasus atau tiket.

Mengapa ini penting

Inilah Case ID utama yang menghubungkan semua peristiwa terkait ke dalam satu instans proses, sehingga analisis proses dari awal hingga akhir dapat dilakukan.

Nama agen layanan pelanggan atau pengguna yang bertanggung jawab atas aktivitas tersebut.

Mengapa ini penting

Memungkinkan analisis kinerja individu dan tim, membantu menyeimbangkan beban kerja, serta menemukan peluang pembinaan untuk meningkatkan mutu layanan secara keseluruhan.

Kategori atau klasifikasi utama permintaan layanan.

Mengapa ini penting

Memungkinkan pembagian proses untuk menemukan hambatan, kebutuhan sumber daya, dan peluang perbaikan khusus untuk tiap jenis permintaan. Informasi ini mendukung strategi perutean dan penanganan yang lebih baik.

Tingkat prioritas yang diberikan pada permintaan layanan untuk menunjukkan urgensinya.

Mengapa ini penting

Membantu mengetahui apakah permintaan berprioritas tinggi diproses lebih cepat dan memenuhi target, serta bagaimana tingkat prioritas memengaruhi kinerja proses secara keseluruhan.

Saluran komunikasi yang digunakan untuk mengajukan permintaan layanan.

Mengapa ini penting

Memberikan gambaran tentang dampak berbagai saluran kontak pelanggan terhadap efisiensi proses, waktu penyelesaian, dan kepuasan pelanggan.

Target waktu penyelesaian permintaan layanan yang disepakati dalam kontrak.

Mengapa ini penting

Ini adalah tolok ukur utama untuk membandingkan kinerja layanan dengan komitmen yang telah dibuat, sekaligus mendukung analisis kepatuhan dan pelanggaran SLA.

Menjelaskan alasan yang lebih spesifik untuk status permintaan layanan saat ini.

Mengapa ini penting

Memberikan gambaran terperinci tentang hasil kasus dan alasan perubahan statusnya, sehingga jalur penyelesaian dan akar penyebab dapat dianalisis dengan lebih tepat.

Nama pelanggan atau akun yang terkait dengan permintaan layanan.

Mengapa ini penting

Memungkinkan analisis pada tingkat pelanggan untuk menemukan pola, meningkatkan layanan bagi akun utama, dan memahami perjalanan pelanggan.

Aktivitas

Langkah proses yang perlu dilacak dan dioptimalkan

Aktivitas ini menandai awal proses layanan pelanggan, saat catatan kasus baru dibuat di sistem. Peristiwa ini tercatat secara eksplisit dengan stempel waktu saat catatan entitas 'Incident' pertama kali disimpan.

Mengapa ini penting

Sebagai peristiwa awal utama, aktivitas ini diperlukan untuk menghitung durasi keseluruhan siklus kasus dan memahami tren volume kasus. Aktivitas ini menjadi acuan untuk semua analisis proses berikutnya.

Aktivitas ini menunjukkan penugasan kasus kepada antrean atau pengguna tertentu untuk ditangani. Sistem mencatat perubahan pemilik kasus secara eksplisit, dan perubahan ini dapat dilacak melalui log audit sistem.

Mengapa ini penting

Melacak penugasan penting untuk menganalisis pembagian beban kerja, menemukan keterlambatan terkait penugasan, dan memahami efisiensi perutean. Data ini membantu menjawab seberapa cepat kasus diarahkan ke tim atau orang yang tepat.

Menandai aktivasi timer Service Level Agreement (SLA) untuk kasus. Timer mulai menghitung waktu berdasarkan metrik layanan tertentu, seperti 'First Response By' atau 'Resolve By'. Peristiwa ini dicatat secara eksplisit oleh mesin SLA Dynamics 365.

Mengapa ini penting

Aktivitas ini penting untuk memantau kepatuhan SLA dan mengetahui kapan penghitungan waktu komitmen layanan dimulai. Data ini mendukung analisis apakah target layanan tercapai.

Menunjukkan eskalasi resmi kasus ke tingkat dukungan yang lebih tinggi atau ke tim lain. Tindakan ini dapat dilakukan secara langsung oleh pengguna dengan mengalihkan kasus ke antrean atau pengguna khusus untuk eskalasi.

Mengapa ini penting

Memantau eskalasi penting untuk KPI 'Internal Escalation Rate' dan untuk menemukan akar penyebab masalah yang tidak dapat diselesaikan dukungan lini pertama. Data ini menyoroti kelemahan proses dan kebutuhan pelatihan.

Tonggak penting ini menandai saat agen menganggap masalah pelanggan telah ditangani. Tindakan ini dicatat secara eksplisit di Dynamics 365 dengan membuat catatan aktivitas 'Case Resolution' yang ditautkan ke kasus.

Mengapa ini penting

Sebagai peristiwa akhir utama yang menandai keberhasilan, aktivitas ini diperlukan untuk menghitung waktu penyelesaian dan tingkat keberhasilan. Aktivitas ini menjadi bagian penting dari hampir semua KPI layanan pelanggan.

Ini adalah penutupan administratif akhir pada catatan kasus. Penutupan dapat terjadi bersamaan dengan penyelesaian atau beberapa waktu sesudahnya. Aktivitas ini dicatat saat status kasus berubah menjadi 'Closed'.

Mengapa ini penting

Peristiwa ini menandai akhir seluruh siklus proses di sistem. Jeda antara 'Resolved' dan 'Closed' dapat menunjukkan beban administrasi atau keterlambatan dalam menyelesaikan pencatatan.

FAQ

Pertanyaan yang sering diajukan

Process mining menganalisis log peristiwa dari sistem Microsoft Dynamics 365 Customer Service untuk menampilkan dan memahami alur permintaan layanan yang sebenarnya. Analisis ini membantu menemukan penyimpangan, hambatan, dan pekerjaan ulang, serta menunjukkan perbedaan antara proses yang berjalan dan proses yang dirancang. Temuan ini penting untuk meningkatkan efisiensi dan kepuasan pelanggan.

Biasanya, Anda memerlukan log peristiwa yang mencakup ID kasus, nama aktivitas, dan stempel waktu untuk setiap langkah dalam siklus permintaan layanan. Untuk Dynamics 365 Customer Service, data ini mencakup ID Permintaan Layanan, jenis aktivitas, serta tanggal pembuatan dan penyelesaian untuk berbagai tahap atau tugas. Atribut tambahan seperti agen, antrean, atau status penyelesaian dapat memperkaya analisis.

Data biasanya diekstrak menggunakan alat pelaporan standar Dynamics 365, konektor Power BI, atau kueri langsung ke basis data untuk mengakses log peristiwa. Tujuannya adalah mengumpulkan informasi kasus, aktivitas, dan stempel waktu yang diperlukan dalam format terstruktur, biasanya CSV atau berkas sejenis. Banyak alat process mining juga menyediakan konektor siap pakai untuk Dynamics 365.

Process mining dapat menemukan masalah seperti waktu penyelesaian permintaan layanan yang terlalu lama, eskalasi internal yang sering, dan kepatuhan terhadap perjanjian tingkat layanan yang tidak konsisten. Analisis ini juga mengungkap penyebab pekerjaan ulang yang berlebihan, beban kerja agen yang tidak merata, dan artikel pengetahuan yang jarang digunakan. Dengan melihat masalah ini, organisasi dapat menentukan area perbaikan secara spesifik.

Setelah data yang diperlukan diekstrak dan disiapkan, temuan awal biasanya dapat diperoleh dalam beberapa hari hingga satu minggu. Waktu paling banyak digunakan untuk mengekstrak, membersihkan, dan memetakan data. Durasi proses ini bergantung pada kompleksitas data dan kemudahan akses ke sistem sumber. Analisis berikutnya biasanya jauh lebih cepat.

Tidak. Process mining adalah teknik analisis yang tidak mengganggu operasional. Analisis dilakukan secara offline menggunakan data historis yang diekstrak dari sistem Dynamics 365, bukan langsung pada operasional yang sedang berjalan. Karena itu, aktivitas layanan pelanggan dan kinerja sistem Anda tidak terdampak.

Manfaat yang bisa dirasakan antara lain waktu penyelesaian permintaan layanan yang lebih singkat, lebih sedikit eskalasi internal, dan kepatuhan yang lebih baik terhadap perjanjian tingkat layanan. Organisasi juga dapat membagi beban kerja agen dengan lebih merata, menekan biaya operasional, dan meningkatkan kepuasan pelanggan setelah masalah selesai. Perbaikan ini berawal dari perancangan ulang proses berdasarkan data.

Kemampuan dasar mengekstrak data akan membantu, tetapi alat process mining modern dirancang agar mudah digunakan oleh pengguna bisnis. Banyak platform menyediakan antarmuka yang mudah digunakan dan konektor data otomatis, sehingga kebutuhan akan keahlian teknis mendalam berkurang. Dukungan khusus mungkin diperlukan untuk integrasi data yang rumit atau analitik tingkat lanjut.

Tingkatkan layanan pelanggan: naikkan FCR dan tekan biaya

Temukan hambatan dan capai penyelesaian 80% pada kontak pertama agar pelanggan lebih puas.

Mulai uji coba gratis

Tidak perlu kartu kredit. Siap digunakan dalam hitungan menit.