一次解决率（FCR）为什么各家算出来不一样：5 种采集法 + 1 个基准
汇报时最尴尬的一幕：同一个客服中心，A 部门报 FCR 90%，B 部门报 65%，老板问"到底哪个准"。答案通常是——两个都不一定错，只是口径不同。
FCR（First Contact Resolution，一次解决率）的公式只有一行，但"什么算解决""用什么数据"至少有五种做法，结论能差出二十个百分点。
一、公式只有一行，坑在分母
FCR（%）= 首次接触即解决的联络量 ÷ 总联络量 × 100
分子分母怎么界定，决定了数字的天花板。下面这张表对比五种最常见的采集方式：
| 采集方式 | 做法 | 优点 | 致命缺陷 |
|---|---|---|---|
| 通话中询问 | 座席在挂机前问"这次是否解决了您的问题" | 实时、成本低 | 客户不愿当面说没解决，虚高 |
| 事后回访 | 电话/邮件问卷再问一次 | 更真实 | 样本少，难落到个人 |
| 无重复来电法 | 某时间段（常取 10 天）内没再打来，视为已解决 | 自动化、最流行 | 把"懒得再打"也当成"解决了" |
| 重复原因归因 | 从 CRM 拉重复来电原因，按原因算分 | 能定位流程问题 | 依赖 CRM 打标质量 |
| 实时看板 | 跨渠道（电话/社交/App）追踪同一客户的重复接触 | 最准、实时 | 实施成本高 |
可以看到，"无重复来电法"最流行但有最大盲区：客户可能因为放弃、换了渠道、或者干脆不再找你而沉默，这些沉默全被算成了"已解决"。
二、为什么结论能差二十个点
除了采集方式，还有四个常被忽略的口径陷阱：
- 分母含不含放弃来电。如果 100 通里有 5 通放弃（根本没接到），算 FCR 时把不接的也算进"总联络量"，分母变大，比率被稀释。要先定义清楚：放弃电话算不算"一次接触"。
- IVR 里掉出的算不算。客户在语音菜单里转半天挂了，这通到底算谁的？多数中心把 IVR 掉出单独统计，不进 FCR 分母。
- "10 天无重复"的窗口是人为约定的。改成 5 天，FCR 会明显变低；改成 30 天，会变高。窗口一改，历史数据就不可比。
- 把"没再打"等同于"解决了"。这是最大的系统性高估来源，见上表第三行。
三、一个自构示例
假设某中心一周数据：接听 1000 通，其中按"通话中询问"有 880 通客户说解决了 → FCR = 88%。
但拉回访发现，这 880 通里实际有 120 通在一周内因同一问题又打回来（只是没在当场说）。按"无重复来电法"重算：真正 10 天内未重复的约 760 通 → FCR = 76%。
两个数字差了 12 个点，不是团队变差了，是统计口径变了。
四、国内落地时的三条建议
- 先定口径再定目标。在 KPI 文档里白纸黑字写清：分母范围、重复窗口天数、IVR 掉出是否计入。没有统一口径的 FCR 不能跨团队比。
- 用"重复原因归因"补"无重复来电"的盲。前者能告诉你哪些问题在反复发生，是流程改造的入口，而不只是一个漂亮的总数。
- 对标基准时看区间而非单点。行业里 FCR 健康区间大致在 70%–85%，低于 70% 通常说明后端能力（知识库、系统打通）拖了后腿，高于 90% 反而要怀疑是不是口径过松。
本文为原创内容。文中示例数值仅用于说明计算方法，不构成行业基准，也不代表任何厂商实际水平。