Service request categorization framework for customer support in a global manufacturing company
Tenhunen, Tiia (2019)
Diplomityö
Tenhunen, Tiia
2019
School of Engineering Science, Tuotantotalous
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2019053017823
https://urn.fi/URN:NBN:fi-fe2019053017823
Tiivistelmä
Customer experience has become a top strategic priority for manufacturing companies worldwide. More focus should be directed towards customer support case handling practices due to their visibility and impact on overall customer experience. This thesis is conducted for a global multi-level customer support unit aiming to improve and streamline their customer support case handling processes. The goal is to find alternative ways to categorize customer service requests and to set clear case resolution level guidelines.
An operational concept for customer support case categorization for manufacturing companies is combined from existing literature. Based on the utilization of the conceptual framework in the customer support unit, up-to 46% of the customer support service requests could potentially be solved on a lower organization level. With the implementation of the conceptual framework, customer support case flow and response time can be improved.
The concept developed in this thesis can be utilized in similar customer support units. Further research is recommended to assess the effects of regional and cultural differences that could not be included in the scope of this study. Structured customer support data provides a base for future implementation of machine learning or artificial intelligence applications. Asiakaskokemuksesta on muodostunut yksi tärkeimmistä tuotantoyritysten strategisista painopisteistä maailmanlaajuisesti. Asiakastuen prosesseihin ja asiakaskyselyiden käsittelyyn tulee kiinnittää enemmän huomiota, sillä niillä on suuri näkyvyys ja vaikutus kokonaisasiakaskokemukseen. Tämä työ käsittelee globaalin monitasoisen asiakastuen yksikköä, jonka asiakastuen käsittelyprosessia pyritään parantamaan ja selkeyttämään. Tavoitteena on löytää vaihtoehtoisia tapoja luokitella asiakaspalvelupyyntöjä ja asettaa selkeät viitekehykset palvelutasolle.
Työssä muodostetaan käsitteellinen viitekehys asiakastukipalvelupyyntöjen luokitteluun aikaisempaan kirjallisuuteen ja tutkimukseen perustuen. Konseptin implementoinnin perusteella jopa 46% kohdeyksikön palvelupyynnöistä olisi mahdollista ratkaista organisaation alemmilla tasoilla. Viitekehyksen hyödyntäminen mahdollistaa resurssien tasaisemman jakautumisen ja tehostuneen vasteajan.
Tässä työssä kehitettyä konseptia voidaan hyödyntää vastaavanlaisissa asiakastuen yksiköissä. Lisätutkimuksia suositellaan alueellisten ja kulttuuristen erojen vaikutusten arvioimiseksi, jotka ovat tämän työn rajauksen ulkopuolella. Asiakastuen datan selkeä jäsentely tarjoaa vahvan pohjan koneoppimisen ja tekoälyn hyödyntämiseen tulevaisuudessa.
An operational concept for customer support case categorization for manufacturing companies is combined from existing literature. Based on the utilization of the conceptual framework in the customer support unit, up-to 46% of the customer support service requests could potentially be solved on a lower organization level. With the implementation of the conceptual framework, customer support case flow and response time can be improved.
The concept developed in this thesis can be utilized in similar customer support units. Further research is recommended to assess the effects of regional and cultural differences that could not be included in the scope of this study. Structured customer support data provides a base for future implementation of machine learning or artificial intelligence applications.
Työssä muodostetaan käsitteellinen viitekehys asiakastukipalvelupyyntöjen luokitteluun aikaisempaan kirjallisuuteen ja tutkimukseen perustuen. Konseptin implementoinnin perusteella jopa 46% kohdeyksikön palvelupyynnöistä olisi mahdollista ratkaista organisaation alemmilla tasoilla. Viitekehyksen hyödyntäminen mahdollistaa resurssien tasaisemman jakautumisen ja tehostuneen vasteajan.
Tässä työssä kehitettyä konseptia voidaan hyödyntää vastaavanlaisissa asiakastuen yksiköissä. Lisätutkimuksia suositellaan alueellisten ja kulttuuristen erojen vaikutusten arvioimiseksi, jotka ovat tämän työn rajauksen ulkopuolella. Asiakastuen datan selkeä jäsentely tarjoaa vahvan pohjan koneoppimisen ja tekoälyn hyödyntämiseen tulevaisuudessa.