数据为基的预测性洞见：对客户体验的观往知来

        看到以下清爽的、有科技感的银行环境你开不开心、放不放松？

        这是我住所附近的上海兴业银行。大厅里布满了"客户智能触点"，满满的科技感，而这背后是兴业银行的银行用户体验监测平台，曾获“十佳金融科技产品创新奖” 。

        这个平台具体涵盖移动端应用性能监测、服务器应用性能监测、用户行为分析三大功能，收集的系统运行数据和用户使用行为数据是进行网络金融用户画像、行为预判的重要基础。

        目前中国的金融企业已经具备了通过打造客户体验监测系统，银行可以收集客户之声，识别体验问题，也可监测体验改造成果，形成诊断-优化-监测-迭代的闭环。可以定期、合法、无缝地从自身客户系统、财务系统和运营系统中收集智能手机和交互数据。

        形成对客户体验的预测性洞见能力难以一蹴而就。绝大多数企业已经意识到这个竞争力打造的关键点。

        一、如何完成客户体验数字化转型

        1.  转变观念，低调谦虚：

        将拒谏则英雄散，策不从则谋士反

        转型不可避免会带来对负责客户体验的管理人员的观念挑战。

        有两类管理人员的极端认识：

        一类认为预测性系统不在其职权范围内，而是IT的事儿；

        一类认为客户体验不就是市场营销么，跟IT有啥关？

        而且层级越高这种认识越危险，思维保守、不谦虚不愿意接受新认识，就算有人提建议，也可能直接被回怼。尤其是高管，没谁敢跟他说不对了，这简直就是一家企业的定时炸弹。

时代在变化，负责客户体验的高管需要关注数据，你可能说，我已经对一些客户相关的KPI做过统计分析了。然而，停留在这个结果性数据层面显然已经Out了。

        2. 打破孤岛，横向贯通：

        人能够守拙自保，足矣？

        客户体验管理常犯的一个错误就在于甩锅给个别部门独立完成。

        实践上，客户体验负责人需要与其他部门加强合作。

        数据所有方包括运营、营销、财务和技术等部门，各部门领导间的沟通对于建立有效的数据访问和管理至关重要。

        在核心团队之外，由CIO、CFO和CMO组成的管理委员会要随时了解项目进展，就前瞻性场景给出横向指导建议。将场景的实现形成明确的动态的pipeline。

        3. 强化数据，精炼算法

        数字不能说明一切，但没有数字什么都难以说明

        大多数企业机构都面临数据质量低、可用数据不足的挑战，如果没有数据，转型就无从开始。

        但可以有折中之法， 即使数据不够完美，银行依然可以从基本的客户数据入手。先收集单个客户的运营和财务数据，再结合实时客户资料以及数字和模拟交互数据进行完善，快速点亮工作开展的曙光。

        同时，团队需同步开始创建详细的旅程分类法，导出并嵌入客群满意度的全部因素。

        可以利用分类法生成假设，从而将新的可衡量属性纳入到预测模型中。

        随着机器学习算法不断处理更多数据并生成自己的洞见，数据集将变得更加强大稳固。

        企业可以将客户旅程中不同来源的数据进行整合，包括聊天、通话、电邮、社交媒体、应用程序和IoT设备。无论来源如何，全部数据收集、存储和使用活动都应遵循隐私保护和网络安全的最佳实践。

        企业应定期进行风险审查有助于检测客户体验系统中的算法偏向性。客户体验负责人需要了解其组织正通过什么方法保护预测性系统中的客户数据、减少偏向性并促进公平性。、合规性。

        4. 聚焦价值，实现快赢

        谁先开火，并以最猛烈的集火射击，谁就能取得胜利！

        由数据驱动的预测性系统能让客户体验战略与实际业务价值挂钩。

        在数字化转型前期，企业应聚焦短期能创造回报的场景，这点非常重要。

        通过简单的框架，企业可以审视当前客户旅程中的主要机会点或痛点，并思考预测性系统如何创建对应数据方案，以直接影响客户的忠诚度、服务成本、交叉销售和追加销售行为。

        中国有些企业如部分银行已实现基于客户旅程和触点、打造数字化客户体验监测系统，实时监测客户反馈，进行结构化分析展示，并以此建立起数据分析和应用管理闭环。

        基于此，银行可对客户投资渠道偏好进行预测；在保险业，患者在碰到问题之前可得到保险公司的主动帮助。这预示着公司评估和塑造客户体验的方式在发生着根本的转变。

        海量数据的聚合与分析已经为各个业务领域（包括市场营销和收入管理）带来了重要机会，在客户体验方面，该类互动数据能够有效预测客户满意度以及客户留存、流失或增加业务使用的概率，成为传统调研方式的有力补充。

        二、客户体验分析检测能力升级

        具体而言，预测性分析可以直接在三方面升级监测体系：

        1.  全面洞见：

        典型的客户体验调查抽取约7%~10%的客户样本，在客户代表性方面可能出现偏差。

        预测性分析方法所采集的数据可覆盖全量客户，在保证全面性的同时，甚至可提供1对1的个性化分析。

        2.  前瞻干预：

        客户希望快速解决问题，而调研作为事后工具，其局限性在所难免。预测性分析可通过整合大量行为数据，预判客户可能出现的情绪和行为，从而更及时地推送线索，避免价值损失。

        3. 业绩挂钩：

        基于调查获得的客户体验得分与业务成果之间的相关性分析变得日益重要，基于数据的分析方法可通过大数据引擎，更直接地将客户态度与购买行为进行连接，从而生成业务结果导向的客户洞见。

        预测性客户体验平台是此类方法的核心。该平台由三大要素组成：

        a. 客户级数据湖

        首先，公司收集客户数据、财务和运营数据，包括聚合数据和单个客户数据。随后，公司对数据进行处理并将其存储在云平台。综合、互联以及动态的客户级数据集让公司可以在交互、交易和运营等各个维度梳理并跟踪客户行为。

        这些丰富的数据集包含全部客群并覆盖完整的客户旅程，从而能有效揭示出引起客户体验绩效变化的根因。数据湖是充分了解客户体验的基础。

        b. 预测性客户评分

        公司通常会使用一些机器学习算法进行数据分析，以便了解和跟踪影响客户满意度和业务绩效的因素，并检测客户旅程中的特定事件。

        这些算法根据旅程特征为每个客户进行预测性评分。公司能基于评分预测每个客户的满意度和相应的价值，例如收入、忠诚度和服务成本。更大范围来看，客户体验负责人可以评估某项客户体验投资的ROI，并将客户体验计划直接与业务结果挂钩。

        c. 数据打通助推洞见引擎

        通过应用程序接口（API）层，企业能在更大范围内与员工（包括一线客户经理等）共享信息、洞见和建议，并能够把信息输送到其他管理工具（例如CRM平台），一线人员将收到提示和通知，从而采取措施提供个性化客户体验或者改善客户体验。

        API层将作为统一事实来源，为基于数据湖和客户评分的推荐引擎提供动力。

        基于分析法量化、系统地了解问题、机会领域以及数百万客户的渠道交互情 况，从而进行系统化的旅程改造。其团队也通过分析平台把投资和运营精力集中在对客户最有意义的旅程和特定时刻上。通过客户体验改造和数字化转型， 该公司最终将交互和运营成本降低了10%到25%。

        数据驱动式系统另一个极具前景的用例，是通过前瞻性战略规划对客户体验工作进行重点排序。

        这样，客户体验负责人能够了解未来哪些运营、客户和财务因素会带来系统性问题或机会。

        客户体验负责人应思考，通过哪些实践场景能显著创造价值，聚焦这类用例从而实现良好的开局并获得必要的支持。

        未来，卓越的客户体验体系是由数据驱动的预测性系统，企业需尽快行动，深入洞察客户需求，优化客户体验，从而赢得竞争优势。

        三、以下客户体验提升案例供参考

        客户体验提升案例1：

        某银行凭借用户体验的量化管理实现数字化模式体验转型。

        累计采集150多亿条应用性能监测与用户行为数据，将用户异常情况与痛点处理从之前的“按周”排查升级为“秒级”报警响应，实现了运营成本的节省、运营效率的提高、用户体验的增强。

        PS:对应用监控来说，其原理是使用Web应用监控环境的代码级信息来跟踪用户响应时间，以及通过事务跟踪来检测事务执行速度。

        客户体验提升案例2：

        某航空公司建立了基于1,500个客户、运营和财务变量的机器学习系统，每天测评超过1亿名客户的满意度并进行收入预测。

        通过该系统，航空公司确定最可能因航班延误或取消而受损的客户关系，对其进行优先排序，以便提供个性化补偿，从而挽救客户关系并减少重点航线的客户流失。

        客户体验提升案例3：

        一家公司在意识到可以更有策略地使用应急资金后（以往对所有客户平均分配），便将预测性系统应用于客户问题解决旅程。

        该公司开发了一种算法，可以通过衡量客户生命周期价值和近期体验（例如，客户在过去一个月遭受的服务延误程度）来确定优先级较高的客户，并使用该算法为不满意的高价值客户分配应急资金。

        客户体验提升案例4：

        一家旅游行业客户在部署预测性客户体验系统时，重点在打造实时响应的客户服务运营体系，原因是客户体验团队与服务部门有合作关系，可以快速证明业务价值。

        最初工作涉及多方的紧密协作：客户体验团队担任业务负责人，数据科学团队开发产品，而客户服务部门则作为初代最小可行产品（MVP）的首个用户。

        客户体验提升案例5：

        一家领先的信用卡公司希望优化全渠道战略，并提高数字化渠道绩效。该公司将项目重点放在构建客户体验数据和分析栈方面，旨在系统性识别、改善和跟踪13个重点旅程中影响客户满意度和业务绩效的因素。

        该公司从旅程分析平台收集交互、 交易和客户资料数据，以确定影响每个旅程的因素以及改善领域。

        平台涵盖了重复交互、交付周期以及客户渠道切换频率等数据，同时还包含一些更加细微的因素， 例如公司是否有效地处理客户的负面反馈，以及在各个时点进行了哪些沟通。

        客户体验提升案例6

        一家美国医疗保险公司建立了“旅程湖”，以确定如何改善客户服务。

        旅程湖同步了营销、运营、销售、数字和物联网等9个系统中的40亿条记录，由此产生的整体客户视图让组织能够确定运营断点（患者要求与主管对话或转移至其他渠道以解决问题的频率阈值），并通        过网站、电子邮件和电话主动与患者联系并解决问题。

        四、客户体验的未来

        上述讨论主要是对于企业服务而言，但就算其将预测推演到极致，仍然没有超越客户需求导出的被动模式，其实，创造和引领需求才是对于新消费者们更有价值的、属于未来的惊喜业务。

使人惊讶的是，无论你做什么预测，

事实总是被低估了。

最极端的预测都落后于现实。

预测未来的最好办法是创造未来。

——尼古拉斯·尼葛洛庞帝 《数字化生存》

        最后，让我们看看FIFA足球世界的总决赛录像，这种游戏体验让全球无数球迷为其痴迷。重要的是FIFA一直在引领足球世界的潮流，永远都在超越着球迷们的想象。这才是我们需要的。但你研究我们在游戏里的行为轨迹与消费习惯永远无法得出这一系列创新。对于我们来说，元宇宙的出现毫不为奇。