2021-11-18 鵜鶘全面客戶體驗管理 | 譯者：馬振江
[ 編者注：基于客戶調查的測量系統不能滿足新時代的客戶體驗管理需求。公司可以建立預測性客戶體驗平臺，利用預測洞察力進入新的客戶體驗層次。麥肯錫的報告分析了這種趨勢，并介紹了啟動客戶體驗轉型的四個關鍵步驟。我們經過編譯，分享給大家。 ]
各行業的公司都在工具和技術上進行了大量投資，幫助他們更深入地了解客戶，并獲得卓越的客戶體驗（CX）優勢。然而，當領導者努力建立更完整的客戶偏好和行為圖景時，他們仍然依賴陳舊的調查測量系統。幾十年來，這些系統構成了客戶體驗工作的支柱。公司通過品牌或公共關系調查來跟蹤客戶體驗績效，通過交易后調查“閉環”客戶反饋，甚至嘗試挖掘定期調查的反饋來策劃戰略行動。整個團隊致力于管理調查問卷和提高回復率，由此產生的指標可以影響客戶體驗管理的方方面面，從員工獎金和高管薪酬到戰略投資決策，等等。
問題是，高管們越來越認識到，基于調查的測量系統不能滿足公司的客戶體驗管理需求——盡管調查本身是進行研究的重要工具。事實上，本文引用了我們最近對美國各規模公司的 260 多名客戶體驗領導人的調查。93% 的受訪者表示使用基于調查的指標（如客戶滿意度 CSAT 評分或客戶費力度 CES 評分）作為衡量客戶體驗績效的主要手段，但只有 15% 表示他們對公司衡量客戶體驗的方式完全滿意，而且只有 6% 的人表示，他們的衡量體系能夠實現戰略和戰術決策。領導們指出，回應率低、數據滯后、績效驅動因素不明確，以及缺乏與財務價值的明確聯系是關鍵缺陷。
一些領先的公司正在開拓一種更好的方法，充分利用現有的豐富數據。如今，公司可以定期、合法、無縫地收集來自客戶、財務和運營系統的智能手機和交互數據，從中產生對客戶的深刻見解。那些著眼于未來的公司正在提高數據和分析能力，與客戶建立更緊密的聯系，預測行為，實時識別客戶體驗問題和機會。這些公司可以更好地理解他們與客戶的互動，甚至可以在客戶旅程中預先解決問題。他們的客戶正從中受益：想想對航班延誤的快速賠償，或者當醫療患者遇到困難時，保險公司的外聯服務。這些好處遠遠超出了通常被認為是“客戶”的人群——會員、委托人、患者、客人和中介。客戶體驗分析領域的先行者預示著公司在評估和塑造客戶體驗方面將發生根本性的轉變。
在本文中，我們將探討數據和分析如何改變客戶體驗的藝術和科學。我們提出了新的研究，對基于調查的測量系統的缺點提供了清晰的事實依據。然后，我們研究了一些領導者是如何實施數據驅動的客戶體驗系統，從而減少了客戶流失，提高收入，降低了服務成本。最后，我們將深入了解如何開始行動，包括客戶體驗領導者向數據驅動的洞察力過渡時的四個關鍵步驟。
這些好處并不是自動產生的。那些剛剛起步的公司將面臨絆腳石和組織阻力。但是，只要有決心，即使是擁有初級的客戶體驗系統、有限的數據和缺乏數據科學家的公司，也可以開始為改變他們客戶體驗工作奠定基礎。
未來的客戶體驗計劃將是全面的、可預測的、精確的，并與業務成果明確掛鉤。有證據表明，對于那些開始構建這一轉型所需的能力、人才和組織結構的公司來說，這些優勢將是巨大的。那些堅持傳統體系的公司將被迫在未來幾年迎頭趕上。
雖然調查本身是收集客戶洞察的有效手段，但作為衡量客戶體驗績效、識別客戶體驗機會并采取行動的管理工具，僅有調查還不夠。對于以客戶為中心的組織來說，他們越來越需要對整個客戶旅程的全面了解，以及對推動客戶體驗的因素進行深入細致洞察的能力。他們需要即時和獨立的信號，以便在“當下”采取行動，為每個客戶創造相關的體驗。他們需要證明，準備投資的體驗提升將帶來積極的投資回報。但是，傳統的基于調查的系統有四個主要缺陷，使得這些關鍵任務幾乎不可能完成。
自從在生成、匯總和分析數據的能力方面取得了令人印象深刻的進展，洞察力的生成方式已經發生了變化。公司現在可以獲得廣泛的數據集：關于客戶互動（包括數字和模擬）、交易和概況的內部數據；廣泛可用的第三方數據集，包括客戶的態度、購買行為和偏好，以及數字行為，包括社交媒體活動；以及由物聯網（IoT）產生的關于客戶健康、情緒和位置（例如在商店）的新數據集。通過對這些龐大數據集的匯總和分析，包括營銷和收入管理在內的其他商業學科已經發生了變化。這種對比是很明顯的：既然客戶互動的數據可以用來預測滿意度和客戶保持忠誠度的可能性，甚至還能促進業務增長，為什么還要用調查問卷來詢問客戶的體驗呢？
一些客戶體驗領導者已經開始大膽嘗試，開始利用數據獲取有價值的見解，從而發出警報，指導快速行動，改善客戶體驗。雖然不同公司和行業的具體情況可能有所不同，但這種方法的核心是一個預測性客戶體驗平臺，由以下三個關鍵要素組成：
預測性平臺可以使公司更好地衡量和管理他們的客戶體驗績效，它們也為戰略決策提供信息和改進。這些系統使客戶體驗領導者有可能創建一個準確和量化的視圖，成為將客戶體驗與業務績效聯系起來的基礎，并為客戶體驗改進建立清晰的業務案例。它們還創建了對每個客戶的滿意度和價值潛力的整體圖景，可以在接近實時的情況下采取行動。建立了這種系統的領導者正在通過多種應用創造巨大的價值，包括績效管理、戰略規劃和實時的客戶互動。
一家領先的信用卡公司希望采取更加全渠道的戰略，并提高在數字渠道的表現。它專注于建立一個客戶體驗數據和分析堆棧，來系統地識別、改善和跟蹤客戶滿意度和業務績效的影響因素，跨越 13 個關鍵客戶旅程。他們首先通過一個旅程分析平臺收集互動、交易和客戶資料數據，確定每個旅程的滿意度驅動因素，以及可以改進的領域。該平臺包括重復互動、交付周期以及客戶從一個渠道跳到另一個渠道的頻率等數據。它還包含了更微妙的因素，例如公司是否有效地處理了負面結果，以及在不同的時間點進行了哪些溝通。
這種分析驅動的方法使該公司對數百萬客戶的問題、機會領域和渠道互動有了一個量化和系統化的看法，使公司能夠進入系統化的旅程改進周期。該團隊利用分析平臺，將投資和運營工作重點集中在對客戶產生影響的旅程和特定時刻，最終通過客戶體驗和數字轉型，將互動和運營成本降低了 10% 至 25%。
通過有針對性戰略規劃來確定客戶體驗工作的優先級，是數據驅動系統的另一個有前景的用例，它讓客戶體驗領導者了解哪些運營、客戶和財務因素會隨著時間的推移產生系統性問題或機會。例如，一家美國醫療保健支付商建立了一個“旅程湖（journey lake）”，以確定如何改善其客戶服務。這個旅程湖同步了 9 個系統的 40 億條記錄，橫跨營銷、運營、銷售、數字和物聯網。由此產生的整體客戶視圖，使該組織能夠確定運營斷點：患者經常要求與主管交談或轉到另一個渠道來尋求幫助。確定這個斷點之后，該服務商通過網站、電子郵件和外呼主動聯系患者，來解決這個問題。它還利用這些數據制定了一個更明智的數字遷移戰略，針對那些在數字渠道上參與度最低的客戶，指導他們使用更多的自助服務功能。該組織通過關注最重要的痛點，如處方更新，大幅增加了數字化的采用；通過減少（超過四分之一）客戶在開始使用數字化后轉向其他渠道的頻率，降低了成本。
最后，由于分析洞察的近實時性，這些新系統為日常主動的客戶接觸創建了一個平臺。一家領先的航空公司建立了一個基于客戶、運營和財務的 1500 個變量的機器學習系統，衡量其 1 億多客戶每天的滿意度，并預測收入。該系統使航空公司能夠識別并優先考慮那些因航班延誤或取消而面臨最大風險的客戶，為他們提供個性化的補償，以挽救關系，減少高優先級航線的客戶流失。一個由大約 12 到 15 名數據科學家、客戶體驗專家和外部合作伙伴組成的聯合團隊共同工作了大約三個月，建立了這個系統，并領導了首次應用，使重點客戶的滿意度提升了 800%，流失率降低了 60%。
向預測性洞察的轉變不會在一夜之間發生。正如我們的研究表明，大多數組織仍然依賴傳統調查來衡量客戶的情緒。領導者現在有機會將他們的客戶體驗工作提升到一個新的層次，從他們組織現在的位置開始。根據對已經成功轉型的組織的研究，我們確定了啟動這種客戶體驗轉型的四個關鍵步驟。
轉型不可避免地會帶來挑戰，尤其是團隊和客戶體驗管理者的心態轉變。領導人可能覺得預測系統不在他們的職權范圍內，是 IT 部門或數據科學團隊的領域。但時代在變化，今天的客戶體驗管理者需要關注數據，就像他們曾經專注于單一的客戶體驗得分一樣。有些人可能會指出，他們的組織已經對幾個關鍵績效指標進行了回歸分析。現在是時候想得更大、更大膽一些了，要建立一個系統，而不僅是涉及數據。
客戶體驗管理者的角色正在演變，這意味著高管需要在組織內重新定位自己。當被問及當前系統面臨的最大挑戰時，一位首席體驗官回答說：“人們把客戶體驗與營銷聯系在一起，而不是與技術聯系在一起。”隨著越來越多的公司開始采用預測分析技術，這種情況正在發生改變。客戶體驗的領導者們需要幫助鼓勵這種觀念的改變。
客戶體驗的職能部門經常陷入在公司內部建立孤島的陷阱。為了開始轉型，客戶體驗領導人需要更好地與組織的其他部門整合。
數據所有者將不可避免地跨越運營、營銷、財務和技術職能部門，因此，為了高效的數據訪問和管理，召集高級領導層協調一致至關重要。客戶體驗團隊應該確定方向和戰略，但確保受影響的利益相關者的認同和熱情將是擴大影響的關鍵。
例如，一個旅游行業的客戶在開始其數據驅動系統時，將重點放在為客戶服務業務提供實時改進上，因為客戶體驗團隊與服務機構有很強的合作關系，可以迅速證明價值。最初的努力涉及到密切的合作：客戶體驗部門作為業務所有者，數據科學團隊開發產品，客戶服務機構作為初始最低可行產品的第一個接受者。在核心團隊之外，一個包括首席運營官、首席財務官和首席營銷官在內的咨詢委員會隨時了解進展情況，并就未來的應用提供建議，這樣，當最初的試點成功時，首席運營官就已經在其組織中加入了一個額外的用例。
大多數企業都面臨著數據質量和可用性的挑戰——沒有數據，這種轉型就無法進行。好消息是，企業可以從基本的客戶級的數據開始，即使這些數據并不完美。第一步是收集單個客戶層面的運營和財務數據。結合客戶資料，以及數字和模擬互動，通常是一個可靠的起點。
團隊應該創建一個詳細的旅程分類，包括所有潛在的客戶滿意度驅動因素。分類方法可以用于假設生成，產生新的可測量屬性，包含在預測模型中。這些屬性（在機器學習中稱為數據特征）可以從數字屬性（如客戶的年支出）到二進制屬性（如客戶是在網上還是在商店購買產品）不等。隨著時間的推移，了解機器學習模型中哪些特征更重要，并將這些特征與團隊的假設進行比較，可以幫助組織識別數據中可能不準確或不完整的地方，并相應地調整數據采集策略。如果某些特征的數據不存在，團隊可以探索獲取新的數據集（例如，信用機構的數據）或應用新的儀器來生成所需的特征（例如，使用物聯網傳感器來繪制物理環境中的客戶交互點）。隨著機器學習算法吸收更多的數據并產生自己的洞察，數據集將變得更加健壯——這在多個企業應用中證明是有用的。
最終，公司可以在整個客戶旅程中整合來自不同來源的數據，包括聊天、電話、電子郵件、社交媒體、應用程序和物聯網設備。無論來源如何，所有數據收集、存儲和使用都應遵循隱私和網絡安全最佳實踐。（值得注意的是，我們的同事發現，客戶數據保護的方式可以作為一種競爭優勢，因為消費者在共享數據時變得更加謹慎，避免或停止與不信任的數據安全做法的公司做生意。）定期的風險評估有助于發現系統中的算法偏差。客戶體驗領導人有責任了解其組織在保護客戶數據、減少偏見和促進預測系統的公平性方面所做的工作。
數據驅動的預測系統為組織提供了一個獨特的機會，將客戶體驗戰略與有形的業務價值聯系起來。在早期，重要的是要對如何應用這些洞察有一個清晰的認識，并將重點放在幾個能夠立即產生回報的特定用例上。作為一個簡單的框架，組織可以回顧現有客戶旅程中的主要機會來源或痛點，并思考預測系統如何創建新的解決方案或增強現有解決方案，這些解決方案可能對忠誠度、服務成本、交叉銷售和追加銷售行為產生直接影響。
例如，一家公司的應急資金以前是統一分配給客戶的，他們意識到可以更有戰略性地應用預測系統來解決這個問題。該公司開發了一種算法，可以根據客戶的終身價值和最近的體驗（如客戶在過去一個月中經歷的服務延遲程度）來識別高優先級的客戶，并利用該算法將應急資金優先分配給不滿意的高價值客戶。這樣的第一個用例被證明是成功的，它為組織節省了超過 25% 的計劃預算，并為將來的應用鋪平了道路。領導者應該問問自己，什么樣的用例能夠提供明確的機會，通過概念驗證來驅動價值，這樣他們就可以增強動力并獲得支持。
多年來，基于調查的系統一直是定義和完善公司客戶體驗表現的基準，如今，它正走向沒落。卓越客戶體驗的未來正轉向數據驅動的預測系統，能夠更好地了解客戶需求的公司將獲得競爭優勢。
本文原作者：Rachel Diebner, Mike Thompson, David Malfara, Kevin Neher，Maxence Vancauwenberghe
原文地址：
本文為作者原創翻譯，歡迎轉發分享。
轉載時需在文章開頭注明作者和“來源：鵜鶘全面客戶體驗管理（微信號：CEM-tihu）”，文字顏色為黑色，且不得修改原文內容。
歡迎小伙伴投稿合作，具體請聯系：易女士 Yiml@tihu.com.cn
