呼叫中心始終是連接企業和市場、消費者的重要環節。其服務質量的優劣直接決定消費者的直接消費感知。尤其在移動時代，實時、在線、動態、即時反饋的消費特性對精準統計客戶滿意度，進而快速、無誤地對客戶需求做出反應提出更高要求。因此，呼叫中心的考核標準亟需重新定義。 傳統上，企業一般通過質檢成績同客戶滿意度進行相關性檢驗。但是，這種質檢往往和呼叫中心的客戶滿意度不相一致。這直接影響到呼叫中心的服務質量把控，對企業的消費者感知造成潛在風險。 那么，什么原因造成了傳統方式的失靈？如何更新質檢方式，保證客戶滿意度的準確以及提升，以適應移動時代的新要求？這一切都將從現有的呼叫中心客戶滿意度優化方式說起。 為了對呼叫中心的客戶滿意度進行準確把控，企業紛紛建立起一套統一的質量控制（QC）打分標準。然而，這套QC標準往往和呼叫中心的客戶滿意度不相關。這源于其評估方式的統計方法問題。 衡量相關性常規做法是使用質檢成績同客戶滿意度來做相關性檢驗，檢驗使用的是皮爾森相關系數（即Excel里面常用的CORREL函數），，從統計學的角度來看這個問題：皮爾森相關系數是對于符合正態分布的連續型變量進行的檢驗，即需要對于N名員工的質檢成績與N名員工的滿意度結果數據進行操作。其中滿意度的數據獲取非常容易，且符合樣本量的需求，但是N名員工的質檢成績是通過抽查計算的質檢分數，并不能代表員工的實際質檢成績，因此，由這些數據得出的皮爾森相關系數并不準確。 假設呼叫中心的客戶滿意度為90%，那么歷史缺陷比為10%；22個工作日，每日接線80通，一個月的樣本量為：22x80=1760，計算下需要抽查的樣本量為315通 據業內水平，一個坐席一個月能被抽到的錄音數量約為20通。 統計學結論：本身通過抽查計算的質檢分數，并不能代表員工的實際質檢成績，因此無法得出正確的結論。 問題隨之而來，究竟如何來判定質檢成績和客戶滿意度的相關性？質檢標準究竟是不是和客戶的實際需求相關的？ 其實操作很簡單：引入單通錄音評分和單通錄音客戶滿意度的相關性，即使用Logistic回歸分析方式，對于N列離散數據計算相關性。