Снижение стоимости поддержки
Поддержка редко становится дорогой из-за одной причины. Обычно стоимость растет из-за смеси факторов: нагрузка, повторы, слабая база знаний, handoffs между L1/L2, неочевидные тематики, сезонность, недостаточная автоматизация, неработающий QA и непрозрачный P&L.
Я помогаю разложить поддержку на экономику: сколько стоит тикет, какие драйверы влияют на стоимость и где можно снижать затраты без деградации качества.
Что входит в работу
- 01общий ФОТ и FTE
- 02объем тикетов
- 03стоимость одного обращения
- 04каналы
- 05повторы
- 06L1/L2/back office
- 07AHT/TtFR/TTR/FTR
- 08QA/CSAT
- 09база знаний
- 10автоматизация
- 11сезонность
- 12инструменты и аутсорс
Что получите
Финансовая модель, карта драйверов стоимости, список зон потерь, гипотезы автоматизации и roadmap снижения расходов.
Список артефактов по итогам проекта может отличаться: состав документов и глубина детализации обсуждаются с заказчиком до старта работ.
Почему это работает
В публичных кейсах: Ticket Cost -25%, сокращение расходов на персонал до 50%, снижение времени ответа более чем в 2 раза при росте нагрузки.
Связанный кейс
Joom
320 человек в подчинении, 18 языков, 18 000+ тикетов в сутки. Прозрачная экономика поддержки, Ticket Cost -25%, TtFR <1h, FTR 80%, binary CSAT >90%.