客戶(hù)體驗(yàn)的度量和分析一直以來(lái)就是企業(yè)管理的重要標(biāo)志，那么客戶(hù)體驗(yàn)工具的應(yīng)用是如何的？是否是智商稅？本文將從一個(gè)商業(yè)銀行客戶(hù)體驗(yàn)管理分析的實(shí)際場(chǎng)景出發(fā)，來(lái)看客戶(hù)體驗(yàn)分析工具的應(yīng)用是如何賦能體驗(yàn)管理。

客戶(hù)體驗(yàn)的度量與分析一直以來(lái)都是企業(yè)體驗(yàn)管理能力的一個(gè)重要標(biāo)志，衡量體驗(yàn)為業(yè)務(wù)帶來(lái)的改善與提升更是企業(yè)在深入推進(jìn)客戶(hù)體驗(yàn)管理工作的“燃料”。

在《2023客戶(hù)體驗(yàn)管理白皮書(shū)》就中提到：客戶(hù)體驗(yàn)分析可以幫助企業(yè)了解客戶(hù)的實(shí)際需求和期望，發(fā)現(xiàn)客戶(hù)在使用產(chǎn)品或服務(wù)過(guò)程中的問(wèn)題和痛點(diǎn)，從分析中獲得的結(jié)果可以用以改進(jìn)產(chǎn)品/服務(wù)，甚至重塑客戶(hù)旅程等。

正所謂“沒(méi)有度量，就沒(méi)有管理”，“度量”是實(shí)現(xiàn)客戶(hù)體驗(yàn)針對(duì)性?xún)?yōu)化與整改的前提。并且數(shù)字技術(shù)的發(fā)展不僅深刻改變著客戶(hù)體驗(yàn)，也在深刻影響著客戶(hù)體驗(yàn)數(shù)據(jù)分析的方式，諸如：旅程編排設(shè)計(jì)工具、可視化分析工具、專(zhuān)題性統(tǒng)計(jì)決策分析工具等。這些技術(shù)可以用以支撐企業(yè)客戶(hù)體驗(yàn)分析能力的構(gòu)建。

本文將從一個(gè)商業(yè)銀行客戶(hù)體驗(yàn)管理分析的實(shí)際場(chǎng)景出發(fā)，來(lái)看客戶(hù)體驗(yàn)分析工具的應(yīng)用是如何賦能體驗(yàn)管理。

一、業(yè)務(wù)挑戰(zhàn)

某商業(yè)銀行的APP客戶(hù)體驗(yàn)管理部門(mén)，負(fù)責(zé)客戶(hù)體驗(yàn)旅程管理和實(shí)施體驗(yàn)優(yōu)化計(jì)劃，部門(mén)的日常管理流程如下：

圖「客戶(hù)體驗(yàn)旅程管理流程」

然而，隨著體驗(yàn)管理工作的不斷精深，客戶(hù)體驗(yàn)管理部門(mén)也遇到了一些新的挑戰(zhàn)：

• 通過(guò)人工觀察和判斷滿(mǎn)意度評(píng)分的變化是否顯著，缺乏量化的方法來(lái)衡量每個(gè)環(huán)節(jié)的滿(mǎn)意度，因此難以準(zhǔn)確評(píng)估客戶(hù)體驗(yàn)是否有改善；
• 無(wú)法確定哪些APP使用環(huán)節(jié)對(duì)客戶(hù)的NPS評(píng)分有較大的影響；
• 客戶(hù)在APP上的行為數(shù)據(jù)都被記錄在大數(shù)據(jù)系統(tǒng)上，是否能夠結(jié)合大數(shù)據(jù)去研究客戶(hù)行為和滿(mǎn)意度之間的關(guān)系，從而精準(zhǔn)識(shí)別關(guān)鍵體驗(yàn)環(huán)節(jié)。

二、客戶(hù)全旅程指標(biāo)建模

為解決以上體驗(yàn)管理的進(jìn)階挑戰(zhàn)，該部門(mén)需要用更客觀、高效的方法找出最核心的體驗(yàn)影響因素?？蛻?hù)體驗(yàn)的數(shù)據(jù)分析一直以來(lái)被認(rèn)為是一門(mén)門(mén)檻很高的“工藝”，而更多的企業(yè)希望通過(guò)數(shù)據(jù)分析工具去打破這樣的門(mén)檻。

• 通過(guò)客戶(hù)旅程模型來(lái)衡量每個(gè)環(huán)節(jié)對(duì)總體NPS值的影響；
• 通過(guò)模型量化分析體驗(yàn)優(yōu)化后的效果，從而評(píng)估工作的有效性；
• 利用大數(shù)據(jù)系統(tǒng)結(jié)合客戶(hù)行為數(shù)據(jù)和滿(mǎn)意度數(shù)據(jù)，進(jìn)行數(shù)據(jù)分析和建模，挖掘影響客戶(hù)體驗(yàn)的關(guān)鍵觸點(diǎn)；
• 模型可以保持動(dòng)態(tài)更新，減少人工干預(yù)，實(shí)時(shí)跟蹤客戶(hù)體驗(yàn)的變化情況，以及時(shí)發(fā)現(xiàn)問(wèn)題，不斷優(yōu)化客戶(hù)體驗(yàn)旅程甚至實(shí)現(xiàn)旅程重塑。

回到上述案例：以APP理財(cái)購(gòu)買(mǎi)體驗(yàn)旅程為例，該項(xiàng)客戶(hù)旅程中有6個(gè)主要階段（不同銀行的定義可能不一樣）：

圖「手機(jī)銀行理財(cái)購(gòu)買(mǎi)體驗(yàn)旅程」

在通過(guò)以下問(wèn)題收集回客戶(hù)反饋，并進(jìn)行數(shù)據(jù)匯集處理后，可以通過(guò)數(shù)據(jù)分析和統(tǒng)計(jì)學(xué)習(xí)方法（如統(tǒng)計(jì)回歸模型、結(jié)構(gòu)方程模型、機(jī)器學(xué)習(xí)等）來(lái)構(gòu)建模型。

一般來(lái)講，統(tǒng)計(jì)分析模型適合樣本量較少的情況，機(jī)器學(xué)習(xí)模型適合樣本量較大的情況。

圖「體驗(yàn)環(huán)節(jié)問(wèn)題」

該部門(mén)采用回歸分析方法來(lái)構(gòu)建手機(jī)銀行理財(cái)產(chǎn)品購(gòu)買(mǎi)體驗(yàn)旅程。

• 因變量Y：客戶(hù)的NPS評(píng)分值。
• 自變量X：營(yíng)銷(xiāo)信息、注冊(cè)和瀏覽、咨詢(xún)和購(gòu)買(mǎi)、資產(chǎn)管理，售后服務(wù)全部環(huán)節(jié)的滿(mǎn)意度。
• 線(xiàn)性回歸模型：Y=aX1+bX2+cX3……

通過(guò)客戶(hù)體驗(yàn)管理系統(tǒng)后臺(tái)將數(shù)據(jù)拖拽到數(shù)據(jù)分析工具的對(duì)應(yīng)位置，會(huì)自動(dòng)輸出回歸模型的分析結(jié)果，簡(jiǎn)單完成對(duì)整個(gè)客戶(hù)旅程的量化分析：

1. 顯著影響因素

從上圖結(jié)果可以看出，「信息是否清晰」的顯著性P值小于0.001***，在統(tǒng)計(jì)學(xué)上我們認(rèn)為這是非常顯著因素。

另外「購(gòu)買(mǎi)指引」的P值為0.06*，在統(tǒng)計(jì)學(xué)上我們認(rèn)為這是一般顯著的影響因素。其他因素的P值均大于0.1，從數(shù)學(xué)的角度而言影響不顯著，但針對(duì)重點(diǎn)體驗(yàn)環(huán)節(jié)，我們也可以進(jìn)行分析。

2. 權(quán)重系數(shù)

權(quán)重系數(shù)解釋了該環(huán)節(jié)的滿(mǎn)意度對(duì)NPS評(píng)分值的影響程度，排名最高的兩項(xiàng)分別是「咨詢(xún)購(gòu)買(mǎi) – 購(gòu)買(mǎi)指引是否清晰」（權(quán)重系數(shù)1.3），和「營(yíng)銷(xiāo)信息 — 信息是否清晰」（權(quán)重系數(shù)0.9）。

這意味著「咨詢(xún)購(gòu)買(mǎi) – 購(gòu)買(mǎi)指引是否清晰」的滿(mǎn)意度，對(duì)整體NPS值影響最大。滿(mǎn)意度每提高1分，整體NPS可提高1.3分。

3. 分析方法

綜上，應(yīng)優(yōu)先關(guān)注顯著性高的環(huán)節(jié)；在具有顯著性的不同環(huán)節(jié)中，可以橫向?qū)Ρ葯?quán)重系數(shù)，來(lái)決定應(yīng)該優(yōu)先處理哪些環(huán)節(jié)的客戶(hù)體驗(yàn)問(wèn)題。

三、從宏觀分析到微觀管理

假設(shè)，管理團(tuán)隊(duì)發(fā)現(xiàn)客戶(hù)對(duì)“客服反饋效率”的滿(mǎn)意度偏低且每周有超過(guò)30個(gè)投訴。如果僅看咨詢(xún)環(huán)節(jié)的滿(mǎn)意度，則意味著銀行需要聘請(qǐng)更多客服人員以提高反饋效率，會(huì)進(jìn)一步推高人力資源成本。

而客戶(hù)全旅程指標(biāo)建模方法為該部門(mén)提供了宏觀分析視角：

通過(guò)以上分析建模方法后，團(tuán)隊(duì)發(fā)現(xiàn)，「營(yíng)銷(xiāo)信息 — 信息是否清晰」才是提升客戶(hù)滿(mǎn)意度的重要環(huán)節(jié)。

再進(jìn)一步挖掘，如果客戶(hù)在理財(cái)產(chǎn)品的營(yíng)銷(xiāo)頁(yè)面就能清晰的看到收益率、期限、風(fēng)險(xiǎn)評(píng)級(jí)等信息，滿(mǎn)意度就會(huì)提高。意味著當(dāng)理財(cái)產(chǎn)品的信息展現(xiàn)充分時(shí)，客戶(hù)無(wú)需進(jìn)入人工客服咨詢(xún)理財(cái)產(chǎn)品的信息，從而降低了客服接待量，也解決了客服排隊(duì)問(wèn)題。

所以通過(guò)客戶(hù)全旅程指標(biāo)建模的方法識(shí)別出關(guān)鍵環(huán)節(jié)，能幫助企業(yè)集中資源提升關(guān)鍵體驗(yàn)。

而按周期更新客戶(hù)體驗(yàn)旅程指標(biāo)模型，通過(guò)顯著性和權(quán)重系數(shù)變化，評(píng)估改善手段是否有效。

四、主客觀指標(biāo)融合建模

為精準(zhǔn)找出影響客戶(hù)滿(mǎn)意度的關(guān)鍵觸點(diǎn)，將主觀的滿(mǎn)意度評(píng)分?jǐn)?shù)據(jù)，和對(duì)應(yīng)客戶(hù)旅程階段的客觀行為數(shù)據(jù)，運(yùn)用機(jī)器學(xué)習(xí)等方法進(jìn)行分析和建模，構(gòu)建客戶(hù)旅程的主客觀指標(biāo)融合模型，是最快速見(jiàn)效的方法之一。

體驗(yàn)管理進(jìn)入進(jìn)階階段，就不能僅通過(guò)客戶(hù)的主觀評(píng)分來(lái)判定影響滿(mǎn)意度的關(guān)鍵因素。通過(guò)該模型，該團(tuán)隊(duì)將“主觀體驗(yàn)數(shù)據(jù)”和客戶(hù)線(xiàn)上購(gòu)買(mǎi)理財(cái)產(chǎn)品的“客觀行為數(shù)據(jù)”融合分析，精準(zhǔn)找出影響客戶(hù)滿(mǎn)意度的關(guān)鍵觸點(diǎn)（如客戶(hù)在頁(yè)面上的操作耗時(shí)等等），提出針對(duì)性?xún)?yōu)化措施，提高準(zhǔn)確性和可靠性。

• 因變量Y：NPS評(píng)分值、購(gòu)買(mǎi)環(huán)節(jié)滿(mǎn)意度、咨詢(xún)環(huán)節(jié)滿(mǎn)意度、APP使用滿(mǎn)意度等。
• 自變量X：產(chǎn)品意向率、購(gòu)買(mǎi)成功率、購(gòu)買(mǎi)時(shí)長(zhǎng)、購(gòu)買(mǎi)步長(zhǎng)等等。

由于客觀指標(biāo)的維度和量綱較為復(fù)雜，統(tǒng)計(jì)分析模型無(wú)法滿(mǎn)足使用要求，因而采取機(jī)器學(xué)習(xí)方法進(jìn)行建模。

XGBoost（eXtreme Gradient Boosting）是一種基于梯度提升（Gradient Boosting）算法的決策樹(shù)集成模型。其結(jié)果的解讀相對(duì)較復(fù)雜，主要通過(guò)特征重要性來(lái)解讀。通?；谠撎卣鞅挥脕?lái)分割的次數(shù)或該特征在分割中帶來(lái)的平均增益，幫助我們理解哪些特征對(duì)預(yù)測(cè)結(jié)果的影響最大。

從結(jié)果可以看到，「理財(cái)周留存率」、「產(chǎn)品購(gòu)買(mǎi)成功率」以及「產(chǎn)品購(gòu)買(mǎi)分頁(yè)面成功率」是特征重要性最高的三個(gè)變量。針對(duì)這些指標(biāo)再進(jìn)行深入研究，該團(tuán)隊(duì)發(fā)現(xiàn)，定期推送高收益理財(cái)產(chǎn)品信息給客戶(hù)可以有效的提高留存率，因而制定了針對(duì)性營(yíng)銷(xiāo)方案來(lái)喚回客戶(hù)。

寫(xiě)在最后

通過(guò)數(shù)據(jù)分析和建模，企業(yè)可以基于事實(shí)和證據(jù)，而非僅僅依賴(lài)于經(jīng)驗(yàn)和直覺(jué)，找到關(guān)鍵觸點(diǎn)及提出針對(duì)性?xún)?yōu)化措施，提高準(zhǔn)確性和可靠性。并且，客戶(hù)旅程指標(biāo)量化模型部署后可以持續(xù)更新，從而加快分析過(guò)程，提高決策效率。

并且，簡(jiǎn)單易用、好上手的客戶(hù)體驗(yàn)分析工具也可以讓更多的管理者參與到數(shù)據(jù)分析中來(lái)，真正去提煉適合自己業(yè)務(wù)經(jīng)營(yíng)改善的數(shù)據(jù)結(jié)果！