客户体验管理 | 客户体验管理(CEM)如何在中国有效落地

客户体验管理 | 客户体验管理(CEM)如何在中国有效落地

97 次浏览

在海外,客户体验管理(Customer Experience Management)已经是比较成熟的领域,诞生了Medallia、Qualtrics、Clarabridge等多家独角兽公司。在中国,它则还处于刚刚起步的探索阶段。由于海内外社会环境的不同,客户体验管理(CEM)在中国的落地形式也不尽相同。

我们的云听CEM,面向中国区品牌提升客户体验的迫切需求,不断打磨产品和解决方案,从18年至今已成功服务多个行业领导品牌,积累了很多宝贵的实操经验:

 

  • 与客户一起梳理客户旅程,帮助他们将客户旅程中关键的客户体验数据聚合起来;
  • 与客户深度交流业务,共同搭建细粒度指标体系;
  • 通过大量的训练将NLP文本识别的准确率提升至行业领先水平;
  • 与很多客户朋友探讨NPS如何指导企业做更好的服务;
  • 为客户提供多维度的分析方向、灵活的筛选条件、丰富的可视化报表库和配套的功能模块,帮助品牌各部门发现问题与智能决策,进而在产品、市场和服务方面为客户带来愉悦的客户体验。

 

由于篇幅原因,将分为上下2篇与大家分享我们的客户体验管理(CEM)实操经验。

上篇:客户体验管理(CEM)如何在中国有效落地

下篇:客户体验管理(CEM)在中国落地的三个案例

 

一、客户体验管理是什么

客户体验管理是当今时代的趋势。消费市场正在历经传统商品经济到体验经济的转变。传统商品经济时代,客户「买得到」即可,品牌将关注点放在生产优质产品、进行合理定价、寻找好卖渠道、策划促销活动上,就能获得不错的增长。

随着社会整体生产力提升和互联网高度发达,产品同质化竞争愈演愈烈,体验经济时代来临:商品、定价、渠道、活动已成为基本入场券。以客户为中心,做好客户体验管理,让客户「买得舒适」「买得惊喜」,提升客户满意度和忠诚度,成为新的增长点。

 

客户体验管理贯穿整个客户旅程。客户体验管理贯穿整个客户旅程。在整个客户旅程中,客户通过多个触点、多个渠道与品牌进行互动,每一次互动都会产生大量的客户体验数据。客户体验管理是指:聚合并分析全触点、全渠道的客户体验数据,洞察客户喜好与诉求,帮助企业发现并解决问题,辅助企业各部门决策。

在中国,以某智能手机品牌的电商业务为例,客户在网上买智能手机的整个旅程可以分为6个关键触点:浏览手机信息并研究对比→售前咨询→下单→发货物流→使用体验→售后服务。关于这6个关键触点的客户体验,通过在线客服会话、问卷调查、客户访谈、电商评论、社交媒体等多个渠道反馈出来。

 

 

二、搜集全渠道、全触点的客户体验数据

搜集客户旅程中全渠道、全触点的客户体验数据,是进行客户体验管理的第一步。客户体验数据分为内部数据、外部数据两种,有不同的搜集方式,且最好能将其打通聚合到一个统一的平台或系统中。

 

1. 在关键触点上设置好体验反馈机制,主动获取内部客户体验数据。

要求企业梳理整个客户旅程,并在客户旅程的每个关键触点设置好体验反馈机制,主动搜集客户在当前互动场景下的体验数据。例如:在客户结束客服在线咨询时主动邀请客户评价;在APP内完成某个特定动作后向其推送个性化NPS问卷;在使用完产品某个功能后自动向微信推送消息获取反馈。

 

2. 拥有强大的互联网数据采集能力,获取外部客户体验数据。

在中国互联网和电商购物高速发展的大环境下,电商在线咨询、电商评价、社交媒体动态等也是中国区品牌获取客户体验反馈的重要渠道。这些外部客户体验数据分布在互联网上,大多数情况下平台不会提供数据接口,企业无法直接拿到数据,需要使用爬虫技术搜集,要求企业具有强大的互联网数据爬取能力。

 

3. 打通内外部客户体验数据。

将以上内外部客户体验数据聚合在同一个平台上,避免在不同的后台/网页中来回切换,便于统一管理、调度和分析数据,进而指引行动,全面提升客户旅程中的客户体验。

基于以上提到的几点,品牌可以组建专门的团队从0到1开发,也可以选择市场上比较成熟的客户体验管理平台。云听CEM做数据采集起家,在第2、3点拥有行业领先的实力,同时也在第1点上不断发力,帮助品牌聚合全渠道、全触点的客户天数据。

 

 

三、客户体验数据分析

基于第二部分,我们获得了大量的客户体验数据。与价格、销量等数值型的、结构化的数据不同,客户体验反馈大多是文本型的(很少一部分是音频、图片、视频等)、非结构化的数据。

文本型数据具有多维、语义复杂的特点,很难直接进行分类和分析。如何进行文本分析,如何将文本分析与品牌业务紧密结合起来?有几个关键步骤和技术,我们以电商评论文本为例详细讲解。

在这里说明一下,以电商评论分析为例,是因为电商评论由已购买、已使用的客户发出、数据量大、分布密度高、观点明确,是非常重要的客户体验文本。电商评论分析也是云听CEM探索非常深入的一块。其他客户体验文本的分析方向是一致的,在细节上可能略有不同。

 

1. 搭建文本分析的细粒度指标体系。

什么是指标体系?文本为高维数据,很难直观地统计与可视化展示。因此,我们需要先搭建一套指标体系,再根据指标体系有针对性地进行分析。否则就像船只失去航行方向,最终只能迷失在浩瀚的文本海洋里。

什么是细粒度指标体系?分析指标可分为不同颗粒度,便于从粗粒度到细粒度进行分析。以某智能手机品牌的电商业务为例,它的指标涵盖产品、服务、市场、物流等多个方面。产品方面,一级指标为外观、性能、拍照、电池、屏幕、操作系统等,外观这个一级指标又可具体分为整体外观、手感、机身颜色、机身大小、做工/工艺、机身厚度、机身重度等。

如何搭建指标体系?一般有两种方法,一种是基于业务经验,由品牌提供指标;另一种是对全量文本进行无监督聚类,提取高频词作为指标。2种方法可以结合起来,最终确定的指标体系合理即可。可以从是否覆盖全客户旅程的重要触点、是否与行业/部门的业务高度契合等角度评估是否合理。

搭建指标体系十分关键,它直接决定了我们的分析角度是否正确。我们已经成功服务过3C、家电、日化等多个行业的领导品牌,沉淀了多套成熟的指标体系,希望能与更多优秀品牌交流合作。

3C:

 

日化:

 

2. 基于指标体系进行情感倾向分析。

什么是情感倾向分析?基于深度学习的自然语言处理技术(NLP),对评论文本中所提及的指标进行情感倾向分析(正面、负面、中性)。例如,下面这条评论提到了外观、操作系统、电池、拍照等指标,对外观、操作系统、拍照的反馈是正面的,对电池的反馈是负面的。

 

 

对提及指标的正面反馈,以绿色表示:

 

 

对提及指标负面反馈,以红色表示:

 

 

3. 对评论文本进行典型意见挖掘。

什么是典型意见挖掘?基于深度学习的自然语言处理技术(NLP),对评论文本进行典型意见挖掘。以某智能手机品牌的二级指标「手感」为例,挖掘二级指标「手感」这个指标下负面反馈的典型意见,发现负面反馈基本围绕「手感比较重」展开,定位到了具体问题。

 

 

4. 为什么使用NLP进行情感倾向分析与典型意见挖掘?

如果使用人工分析,优势在于人脑具备专业知识与丰富经验,劣势在于无法处理大规模数据、难以保证每个人对每个指标的理解达到统一的标准。为了解决这个问题,我们使用基于深度学习的自然语言处理技术(NLP),训练出聪明的机器代替人工分析。

这部分的难点在于NLP处理文本的准确率,市面上的相关解决方案良莠不齐,需仔细甄别。云听CEM拥有优秀的NLP团队,识别准确率行业领先,高达85%,甚至90%。由于篇幅原因,具体技术细节本文不展开讲,如果大家有兴趣可以找我们交流。

 

 

5、可视化报表展示分析结果

基于深度学习的自然语言处理技术(NLP)进行情感倾向分析与典型意见挖掘是关键,完成这个关键点后,下一步就是为品牌提供多维度的分析方向、灵活的筛选条件、丰富的可视化报表库和配套的功能模块。进而帮助产品、运营、客服、市场、品牌等部门发现问题与智能决策,进而提升整个客户旅程的客户体验。

多维度的分析方向:指标正负面声量统计、某指标负面反馈的典型意见、指标走势等。灵活的筛选条件:按平台、品牌、产品、型号等条件筛选。丰富的可视化报表库:提供丰富的可视化报表库,一键输出报告。配套的功能模块:消息回复、自动预警等。

这一部分我们将结合客户案例,在下一篇中详细讲解。

 

 

添加「云听CEM」顾问微信,预约演示

▼▼▼

 

或填写表单,预约演示

▼▼▼

 

 

 

高级管理员

发表评论