在海外,客戶體驗管理(Customer Experience Management)已經是比較成熟的領域,誕生了Medallia、Qualtrics、Clarabridge等多家獨角獸公司。在中國,它則還處于剛剛起步的探索階段。由于海內外社會環境的不同,客戶體驗管理(CEM)在中國的落地形式也不盡相同。
我們的云聽CEM,面向中國區品牌提升客戶體驗的迫切需求,不斷打磨產品和解決方案,從18年至今已成功服務多個行業領導品牌,積累了很多寶貴的實操經驗:
與客戶一起梳理客戶旅程,幫助他們將客戶旅程中關鍵的客戶體驗數據聚合起來;
與客戶深度交流業務,共同搭建細粒度指標體系;
通過大量的訓練將NLP文本識別的準確率提升至行業領先水平;
與很多客戶朋友探討NPS如何指導企業做更好的服務;
為客戶提供多維度的分析方向、靈活的篩選條件、豐富的可視化報表庫和配套的功能模塊,幫助品牌各部門發現問題與智能決策,進而在產品、市場和服務方面為客戶帶來愉悅的客戶體驗。
今天就與大家一起分享這些寶貴經驗,主要內容包括:
1、客戶體驗管理是什么
2、搜集客戶體驗管理數據
3、客戶體驗數據分析
客戶體驗管理是當今時代的趨勢。消費市場正在歷經傳統商品經濟到體驗經濟的轉變。傳統商品經濟時代,客戶「買得到」即可,品牌將關注點放在生產優質產品、進行合理定價、尋找好賣渠道、策劃促銷活動上,就能獲得不錯的增長。
隨著社會整體生產力提升和互聯網高度發達,產品同質化競爭愈演愈烈,體驗經濟時代來臨:商品、定價、渠道、活動已成為基本入場券。以客戶為中心,做好客戶體驗管理,讓客戶「買得舒適」「買得驚喜」,提升客戶滿意度和忠誠度,成為新的增長點。
客戶體驗管理貫穿整個客戶旅程。客戶體驗管理貫穿整個客戶旅程。在整個客戶旅程中,客戶通過多個觸點、多個渠道與品牌進行互動,每一次互動都會產生大量的客戶體驗數據。客戶體驗管理是指:聚合并分析全觸點、全渠道的客戶體驗數據,洞察客戶喜好與訴求,幫助企業發現并解決問題,輔助企業各部門決策。
在中國,以某智能手機品牌的電商業務為例,客戶在網上買智能手機的整個旅程可以分為6個關鍵觸點:瀏覽手機信息并研究對比→售前咨詢→下單→發貨物流→使用體驗→售后服務。關于這6個關鍵觸點的客戶體驗,通過在線客服會話、問卷調查、客戶訪談、電商評論、社交媒體等多個渠道反饋出來。
搜集客戶旅程中全渠道、全觸點的客戶體驗數據,是進行客戶體驗管理的第一步。客戶體驗數據分為內部數據、外部數據兩種,有不同的搜集方式,且最好能將其打通聚合到一個統一的平臺或系統中。
1. 在關鍵觸點上設置好體驗反饋機制,主動獲取內部客戶體驗數據。
要求企業梳理整個客戶旅程,并在客戶旅程的每個關鍵觸點設置好體驗反饋機制,主動搜集客戶在當前互動場景下的體驗數據。例如:在客戶結束客服在線咨詢時主動邀請客戶評價;在APP內完成某個特定動作后向其推送個性化NPS問卷;在使用完產品某個功能后自動向微信推送消息獲取反饋。
2. 擁有強大的互聯網數據采集能力,獲取外部客戶體驗數據。
在中國互聯網和電商購物高速發展的大環境下,電商在線咨詢、電商評價、社交媒體動態等也是中國區品牌獲取客戶體驗反饋的重要渠道。這些外部客戶體驗數據分布在互聯網上,大多數情況下平臺不會提供數據接口,企業無法直接拿到數據,需要使用爬蟲技術搜集,要求企業具有強大的互聯網數據爬取能力。
3. 打通內外部客戶體驗數據。
將以上內外部客戶體驗數據聚合在同一個平臺上,避免在不同的后臺/網頁中來回切換,便于統一管理、調度和分析數據,進而指引行動,全面提升客戶旅程中的客戶體驗。
基于以上提到的幾點,品牌可以組建專門的團隊從0到1開發,也可以選擇市場上比較成熟的客戶體驗管理平臺。云聽CEM做數據采集起家,在第2、3點擁有行業領先的實力,同時也在第1點上不斷發力,幫助品牌聚合全渠道、全觸點的客戶天數據。
基于第二部分,我們獲得了大量的客戶體驗數據。與價格、銷量等數值型的、結構化的數據不同,客戶體驗反饋大多是文本型的(很少一部分是音頻、圖片、視頻等)、非結構化的數據。
文本型數據具有多維、語義復雜的特點,很難直接進行分類和分析。如何進行文本分析,如何將文本分析與品牌業務緊密結合起來?有幾個關鍵步驟和技術,我們以電商評論文本為例詳細講解。
在這里說明一下,以電商評論分析為例,是因為電商評論由已購買、已使用的客戶發出、數據量大、分布密度高、觀點明確,是非常重要的客戶體驗文本。電商評論分析也是云聽CEM探索非常深入的一塊。其他客戶體驗文本的分析方向是一致的,在細節上可能略有不同。
1. 搭建文本分析的細粒度指標體系。
什么是指標體系?文本為高維數據,很難直觀地統計與可視化展示。因此,我們需要先搭建一套指標體系,再根據指標體系有針對性地進行分析。否則就像船只失去航行方向,最終只能迷失在浩瀚的文本海洋里。
什么是細粒度指標體系?分析指標可分為不同顆粒度,便于從粗粒度到細粒度進行分析。以某智能手機品牌的電商業務為例,它的指標涵蓋產品、服務、市場、物流等多個方面。產品方面,一級指標為外觀、性能、拍照、電池、屏幕、操作系統等,外觀這個一級指標又可具體分為整體外觀、手感、機身顏色、機身大小、做工/工藝、機身厚度、機身重度等。
如何搭建指標體系?一般有兩種方法,一種是基于業務經驗,由品牌提供指標;另一種是對全量文本進行無監督聚類,提取高頻詞作為指標。2種方法可以結合起來,最終確定的指標體系合理即可。可以從是否覆蓋全客戶旅程的重要觸點、是否與行業/部門的業務高度契合等角度評估是否合理。
搭建指標體系十分關鍵,它直接決定了我們的分析角度是否正確。我們已經成功服務過3C、家電、日化等多個行業的領導品牌,沉淀了多套成熟的指標體系,希望能與更多優秀品牌交流合作。
以日化為例:
2. 基于指標體系進行情感傾向分析。
什么是情感傾向分析?基于深度學習的自然語言處理技術(NLP),對評論文本中所提及的指標進行情感傾向分析(正面、負面、中性)。例如,下面這條評論提到了外觀、操作系統、電池、拍照等指標,對外觀、操作系統、拍照的反饋是正面的,對電池的反饋是負面的。
▼對提及指標的正面反饋,以綠色表示:
▼對提及指標負面反饋,以紅色表示:
3. 對評論文本進行典型意見挖掘。
什么是典型意見挖掘?基于深度學習的自然語言處理技術(NLP),對評論文本進行典型意見挖掘。以某智能手機品牌的二級指標「手感」為例,挖掘二級指標「手感」這個指標下負面反饋的典型意見,發現負面反饋基本圍繞「手感比較重」展開,定位到了具體問題。
4. 為什么使用NLP進行情感傾向分析與典型意見挖掘?
如果使用人工分析,優勢在于人腦具備專業知識與豐富經驗,劣勢在于無法處理大規模數據、難以保證每個人對每個指標的理解達到統一的標準。為了解決這個問題,我們使用基于深度學習的自然語言處理技術(NLP),訓練出聰明的機器代替人工分析。
這部分的難點在于NLP處理文本的準確率,市面上的相關解決方案良莠不齊,需仔細甄別。云聽CEM擁有優秀的NLP團隊,識別準確率行業領先,高達85%,甚至90%。由于篇幅原因,具體技術細節本文不展開講,如果大家有興趣可以找我們交流。
5、可視化報表展示分析結果
基于深度學習的自然語言處理技術(NLP)進行情感傾向分析與典型意見挖掘是關鍵,完成這個關鍵點后,下一步就是為品牌提供多維度的分析方向、靈活的篩選條件、豐富的可視化報表庫和配套的功能模塊。進而幫助產品、運營、客服、市場、品牌等部門發現問題與智能決策,進而提升整個客戶旅程的客戶體驗。
多維度的分析方向:指標正負面聲量統計、某指標負面反饋的典型意見、指標走勢等。靈活的篩選條件:按平臺、品牌、產品、型號等條件篩選。豐富的可視化報表庫:提供豐富的可視化報表庫,一鍵輸出報告。配套的功能模塊:消息回復、自動預警等。
由于篇幅原因,這一部分我們不展開講了。如果大家有興趣,可以看下一篇文章:客戶體驗管理(CEM)在中國落地的三個小案例。
和數闊云聽體驗專家一起開啟客戶體驗管理之旅!
申請試用