フィールド・サービスは、以下のような様々な「手っ取り早い」方法によって、フィールド・サービス・コストを最適化したくなることがあります。
・技術者数の削減
・サービス時間の最小化
・外部業者へのアウトソーシング
しかし、こうした対策は、長期的には顧客体験に悪影響を及ぼし、効果がないことがよくあります。技術者の数が減れば、修理にかかる時間が長くなったり、初回修理率が下がったりします。 その代わりに、フィールドサービス組織は、CXを改善しながら、長期的にフィールドサービス組織のコストを最適化することが証明されている3つの主要分野に焦点を当てる必要があります。
フィールドサービスのコストを最適化することが証明されている3つの領域
・台数を減らす - 顧客の問題にリモートで、または積極的に対処することで、トラックの出動回数を減らすことができます。
・時間の短縮 - 技術者が顧客の問題をより早く解決できるようにします。
・人員配置の最適化 - 技術者を可能な限り効率的に活用します。
技術者の訪問量を減らすためのテクニック
ここでは、多くのフィールドサービス企業が技術者の派遣率を下げ、運用コストを大幅に削減するのに役立っているいくつかのテクニックを紹介します。
リモートでより多くの問題を解決する
適切な指導があれば、訓練を受けていない人でも簡単にできる修理はたくさんあります。リモートまたはバーチャル技術者が、顧客の自宅を訪問することなく解決に導くことができるモデルは、現在のパンデミックにおいて非常に貴重であることが証明されています。実際、遠隔ビデオサポートは、バックオフィス、自宅（WFHモード）、車（ドロップ＆ゴーモード）など、どのような場所からでも、技術者（サードパーティ技術者でも）が提供することが可能です。 派遣コストの削減によるフィールド・サービス・コストの最適化だけでなく、バーチャル技術者は安全レベルを高め、初回修理率を向上させ、顧客満足度を向上させることができます。
パフォーマンスベースのSLAへの移行
多くのフィールドサービス組織が、顧客の機器を何としても稼働させることを最優先とするパフォーマンスベースのSLAを重視した運用モデルに移行しています。2019年のガートナーの調査によると、サービス企業の19%がすでにこうした契約を提供しており、さらに26%が12カ月以内にそうすると予想しています。このため、自動化されたリモート監視ツールやリモートアシスタンスツールへの依存度が高くなることが多く、最終的には、安全を重視する今日の世界において非常に重要となるハンズオフアプローチにつながります。サービスプランの詳細を気にする代わりに、フィールドサービス・プロバイダーは問題を回避し、できるだけ早く解決するために必要なあらゆる手段を講じることができるのです。
コンタクトセンターとの連携強化
コンタクトセンターとフィールドサービスの技術者は、従来は別々の部署に属していました。両者の連携を強化することで、コンタクトセンターのエージェントが持つポリシー、顧客情報、製品詳細などの知識をフィールドサービスが活用できるようになり、技術者を派遣せずに顧客の問題を解決するために必要な情報が得られるようになります。ナレッジベースの共有、顧客履歴の共有、さらには共同トリアージの導入により、部門を超えたコラボレーションを実現することができます。
予知保全の活用
予知保全とは、製品やサービスの稼働状況を監視・収集し、停止や故障の可能性を事前に察知することです。これにより、故障が発生し、技術者の派遣が必要になる前に、問題に対処することができます。
IoTの台頭により、企業はデータに基づくリアルタイムの洞察を得る機会が無限に増え、機器やデバイスの故障時期を予測し、積極的な顧客支援を提供することが容易になりました。 プロアクティブに行動することで得られるコスト削減効果は明らかです。調査によると、機器の故障が原因の42%を占める計画外のダウンタイムは、工業メーカーにとって年間推定500億ドルにのぼるとされています。
時間を最適化する技術
技術者の派遣の各側面を短縮すれば、技術者一人一人が毎日多くのことを達成できるようになります。ここでは、フィールドサービス技術者の時間を最適化するための試行錯誤の方法をいくつか紹介します。
AIでスケジューリングを改善
ある業界調査によると、52％の企業がいまだにスケジュールや作業計画などのフィールドサービス業務のほとんどを手作業で行っています。このような手作業は、ほとんどの場合、時間の最適化、ひいては運用コストにマイナスの影響を及ぼします。AIテクノロジーは、過去の履歴、スキル、場所、優先度、ツール、可用性に基づいて、適切な技術者に自動的に仕事を割り当てることで、これらのハードルを克服しています。ガートナーでは、2019年には25％未満だった自動スケジュール最適化依存のフィールドサービスプロバイダーにおいて、2025年までにアルゴリズムとボットがフィールドサービス業務の70％以上をスケジュールするようになると予測しており、この傾向はフィールドサービスコストの最適化にさらに貢献することになるでしょう。
リモートエキスパートサポートで技術者訪問を短縮
フィールドサービス技術者は、まだ出会ったことのない新しいデバイスや、不慣れな問題のトラブルシューティングなど、現場での知識サポートが必要な場合が少なくありません。技術者が遠隔地の専門家にアクセスできるようにすることで、迅速かつ効率的なサポートを受けることができ、最初から正しく作業を行うことができるようになります。 迅速な初回解決は、顧客先での滞在時間の短縮と、適切なソリューションの調査に費やす時間の短縮を意味します。
知識へのアクセスを容易にする
テクノロジーを使って、オフサイトのフィールドサービス技術者とオフィス内の専門知識やデータを簡単に接続することで、より迅速で効果的なサービスを実現することができます。機械学習を使用してフィールドサービスの知識ベースにインテリジェントな検索機能を組み込むと、知識ベースが技術者の特定の検索クエリに関連する最も貴重な情報を提供するために時間をかけて学習することができます。また、個々の顧客データや履歴に基づいて技術者の知識に優先順位を付けることができるため、手動検索や長い待ち時間を必要とせずに、より迅速に顧客を支援することができます。
人員配置を最適化するテクニック
従業員の1日の労働時間は決まっています。その時間をどのように使うかを最適化することで、フィールドサービス組織は、それ以上の経費をかけずに、より多くの仕事を成し遂げることができるのです。
技術者の稼働率を高める
テクノロジーサービス産業協会（TSIA）の推計によると、技術者の平均稼働率はわずか73％です。これは、技術者が収益を生まない作業に多くの時間を費やしていることを意味し、ビジネス全体の収益性を低下させています。技術者の稼働率を上げることで、企業はより少ないスタッフでより多くの仕事をこなし、生産性に影響を与え、運用経費が抑制されれば収益性を高めることができます。
適切な技術者を適切なタスクに割り当てる
AI技術は、履歴、スキル、場所、優先度、ツール、可用性に基づいて、最も適切な技術者にタスクを自動的に割り当てることで、技術者の派遣を最適化することができます。例えば、履歴データを使って、特定の技術者が与えられたタスクを完了するのにかかる平均時間を割り出し、最も早く作業ができる技術者と、追加トレーニングが必要な技術者を特定することができます。高い成功率につながるだけでなく、会社の人的資源をより戦略的な活動に解放することができます。
他の技術者との連携強化
特にフィールドサービス企業では、従業員の高齢化とそれに伴う知識の喪失という問題に直面しています。技術者が知識不足に陥ると、初回修理率が低下し、再来店の回数が増えることになります。技術者が自分のスキルや専門知識を補うことができる同僚とリアルタイムでコラボレーションできるようになれば、現場作業についてすぐに支援を受けることができ、再訪問の必要性もなくなります。
測定が鍵
フィールドサービスのコストを最適化することは、特に現在では必須です。しかし、トラックロールの必要性を減らすこと、技術者が顧客の問題をより早く解決すること、技術者が最も効率的に利用されるようにすることのいずれが財務上の目標を達成するにしても、継続的に良い結果が得られるように変更を評価する必要があります。
技術者は、成功への障害や障壁を明らかにすることができる立場にあるため、スタッフから定期的にフィードバックを収集することができます。さらに、技術者とチームのパフォーマンスレベルを、彼らがサービスを提供する顧客と継続的に確認することで、変更がサービスのKPIに悪影響を与えていないことを確認することができます。むしろ、この変更によってフィールドサービス・コストが最適化され、全体的なCXが向上したことに驚かないでください。
原文：https://techsee.me/blog/reduce-field-service-costs/
By Liad Churchill Dec 16, 2020
