呼叫中心知识库常用的评价指标及口径
编译/刘枫宁
呼叫中心知识库（Knowledge Base, KB）的评价指标通常聚焦于实用性和可量化方面，这些指标能直接反映知识库对客户自助服务、代理效率和整体支持绩效的影响。
该文中的内容所指知识库不仅仅是给坐席代表使用，亦包括了直接给终端用户开放的自助服务知识库指标。
基于行业标准（如Help Scout、DevRev和Zoom的分析），以下列出了一些实在的评价指标。这些指标具备可操作性，因为它们可通过数据工具（如Google Analytics、CRM系统或内置分析）直接追踪，并与业务成果（如降低工单量、提升解决率）挂钩。
- 定义：指标的含义。
- 口径（计算方式）：如何测量或计算的具体方法。
| 指标名称 | 定义 | 口径（计算方式） | 价值 |
|---|---|---|---|
| 页面浏览量 / 文章查看量 (Page Views / Article Views) | 知识库页面或具体文章被访问的次数，反映内容的使用活跃度。 | 统计特定时间段（如日/周/月）内的总访问次数或唯一访问量；可按文章、类别或渠道拆分，使用知识库统计数量。 | 直接显示热门内容，帮助识别高需求主题，便于优化知识库以减少呼叫中心负载。 |
| 搜索流行度 / 搜索查询量 (Search Popularity / Search Queries) | 用户在知识库中输入的最常见搜索词或查询次数，揭示客户常见需求。 | 按搜索字符串计数并降序排序；可使用聚类工具自动归纳相关词，追踪频率和趋势。 | 识别内容覆盖不足，帮助创建新文章，降低客户转入代理的概率，提升自助率。 |
| 搜索空白率 / 无结果搜索率 (Search Gaps / Failed Searches Rate) | 搜索未返回结果的比例，指示知识库内容缺失。 | 计算零结果搜索的独特词条数量，按搜索量优先级排序；公式：(零结果搜索次数 / 总搜索次数) × 100%。 | 快速定位内容漏洞，填充后可显著减少失败搜索，转而提升客户满意度和自助解决率。 |
| 文章有用率 / 文章评分 (Article Helpfulness Ratings / Article Ratings) | 用户对文章的反馈评分（如有用/无用、点赞/点踩）。 | 收集每篇文章的点赞/点踩总数或平均分；公式：(有用反馈数 / 总反馈数) × 100%，重点关注绝对值而非百分比。 | 直接从用户反馈优化内容，低评分文章可优先修订，间接降低呼叫中心重复咨询。 |
| 反弹率 (Bounce Rate) | 用户进入页面后未进一步互动（如点击、查看视频）即离开的比例。 | 公式：(反弹次数 / 总页面进入次数) × 100%；通过分析工具追踪单页会话。 | 高反弹率表明内容不相关或不易懂，优化后可提高用户停留时间，减少转代理需求。 |
| 阅读时间 (Reading Time) | 用户在文章或FAQ上停留的平均时间，衡量内容吸引力。 | 公式：总会话时间 / 独特文章查看次数；按文章级别计算。 | 长阅读时间表示内容价值高，可作为模板；短时间提示需简化，提升代理和客户效率。 |
| 工单偏转率 / 自助解决率 (Ticket Deflection / Self-Service Resolution Rate) | 知识库成功阻止用户创建支持工单的比例，用户自行解决问题。 | 公式：(无工单创建的独特知识库会话数 / 总独特会话数) × 100%；追踪特定时期。 | 直接量化知识库对呼叫中心的减负效果，高偏转率意味着更少的呼叫量。 |
| 首次呼叫解决率 (First Contact Resolution, FCR) | 问题在首次互动中解决的比例，常通过知识库支持实现。 | 公式：(单次互动解决案例数 / 总案例数) × 100%；使用呼叫追踪软件统计。 | 反映知识库对代理的赋能，高的FCR降低重复呼叫，提升整体效率。 |
| 平均处理时间 (Average Handle Time, AHT) | 代理处理一个呼叫的平均时间，包括通话、保持和后续任务。 | 公式：(总通话时间 + 总保持时间 + 总后续时间) / 总呼叫数；知识库使用可缩短此时间。 | 知识库提供快速资源可降低AHT，帮助呼叫中心处理更多呼叫而不牺牲质量。 |
| 联系率 (Contact Rate) | 活跃客户中联系支持的比例，知识库可降低此率。 | 公式：(联系支持客户数 / 总活跃客户数) × 100%；每月追踪。 | 衡量知识库的自助效果，低联系率表示客户独立解决更多问题，减轻中心压力。 |
| 最后更新平均时间 (Average Age of the Last Update) | 知识库文章自上次更新以来的平均时间，评估内容新鲜度。 | 公式：(所有文章更新年龄总和 / 文章总数)；或计算每月更新比例。 | 确保内容准确，避免过时信息导致更多呼叫；定期维护是知识库可靠性的关键。 |
这些指标可通过知识库集成工具实时监控。建议从高影响力的指标（如工单偏转率和FCR）入手，根据呼叫中心规模调整阈值（如目标FCR > 80%）。
相关链接
企业AI知识库搭建与运营培训课程
呼叫中心AI知识库培训课程
个人知识体系构建能力课程
