用户体验行业白皮书：数字化的客户体验管理系统

从上世纪发展至今，客户体验管理的概念是在有了数字化技术加持之后，才真正实现其在商业革新领域的价值，这主要是由客户体验多变性以及企业量化管理等因素决定。

（一）体验管理数字化“三要素”

客户体验管理系统的核心在于以客户体验为核心，实现从收集数据、分析数据到驱动行动的管理闭环。因此，数字化客户体验管理系统在功能性上，大致要满足以下几个阶段性的需求：

首先，要基于客户旅程捕捉客户体验数据，获得客户反馈和情绪；

其次，能针对低分反馈和负面情绪，及时预警并干预，避免流失；

然后，应以客户体验数据为据，落地行动方案优化运营改善体验；

最后，可对改善后的行动效果，做进一步跟踪、分析并持续优化。

体现在系统功能上，有效的客户体验管理系统应当围绕以下三大核心要素：

1、问卷 —— 体验数据实时采集

怎样才能实现体验数据的实时采集呢？“能用”且“好用”的问卷模块是基础，但远不止于发问卷、收问卷这么简单：

（1）问卷怎么问，让体验更真？

同一个问题，通过不同的表述方式提问得出的结果可能完全不同。

例如某读书App针对“转发分享”功能面向读者发放问卷，同样的意图，可以有不同的问法：

“当有奖品时你是否愿意分享自己的阅读清单？”

“下列哪种情况下，你更愿意和更多人分享阅读的快乐？”

“你曾经转发到朋友圈的文章，主要是以下哪几类？”

……

虽然是想要解决一个问题，但不同的提问方式得到的结论则完全不同。从经验来看，问卷设置的情境越细致，所得到的客户感受通常还原度更高。

（2）数据怎么收，让体验更全？

我们应该清醒认识到，互联网技术正在为企业多元化经营提供便利，这些多元化的渠道使客户体验的产生与反馈来自多个渠道。

以某生煎品牌为例，从原来单一的门店经营到如今“线上+线下”并重，该品牌要了解客户就餐感受和体验也就要“具体问题具体分析”，比如线下就餐又分为柜面点单、桌面扫码点单，线上点单则又进一步可细分为微信公众号、小程序、外卖平台等。

除此之外，不同顾客选购的菜品各有差异，对不同人推送同一份问卷收集餐后感受，显然也并不合理。

综合上述来看，在体验数据收集阶段，想要确保体验数据收集的精准与全面，客户体验管理系统在问卷模块需满足：

问卷设计 —— 要足够简单：如果编辑一份问卷或修改问卷逻辑还需要代码，那么很难满足快速采集体验数据的需求、及时驱动行动的目标；

问卷内容 —— 要足够多样：这不仅要求在问卷题型、模板选用以及外观设计上提供选择性，还要求面向不同客户的不同消费经历时，能针对性的提供千人千面的问卷内容。

投放手段 —— 要足够多元：不同场景、不同客户旅程所呈现的客户体验必然有所差异，多渠道投放问卷，是横向覆盖多客户群体的前提。

通过问卷收集数据，是开展客户体验管理的基础手段但并非终点，如何处理和呈现数据，会直接影响数据使用效率，也就是接下来要本节概要的数据分析与管理阶段。

2、数据 —— 动态分析与层级化报告

我们在工作中可能会遇到这种情况：如果要从大篇幅文字中提取某些信息，或者是在有限的时间内阅读大量数据报表并分析，你可能很难保证质量和效率的统一。但如果将这些文字或数据做系统整理、分类、提炼、归纳后，我们就会发现，信息提取和报表分析也并没有那么难。数据呈现方式对于数据利用“质”、“效”的影响，由此可见。

那么，怎样提升客户体验管理系统的数据管理质效呢？

（1）首先，要让数据更容易看懂

同样的产品和服务提供给不同的客户会有不同的感受，为了快速甄别客户体验需求真伪、评估数据价值，我们常借助辅助模型，比如KANO模型就是调研中常用的用户需求分类和优先排序工具。

图：KANO模型

KANO模型以分析用户需求对用户满意度的影响为基础，将产品服务的质量特性分为五类：

基本（必备）型质量 —— Must-be Quality/ Basic Quality

期望（意愿）型质量 —— One-dimensional Quality/ Performance Quality

兴奋（魅力）型质量 —— Attractive Quality/ Excitement Quality

无差异型质量 —— Indifferent Quality/Neutral Quality

反向（逆向）型质量 —— Reverse Quality

比如在倍市得客户体验管理系统中，系统以专业级问卷模块为基础支撑，企业可以结合KANO模型等指定模型对获取的客户体验数据快速计算并呈现。

借助系统化的数据管理，省略“提取和分析”的后台处理步骤，从而实现所见即所得，将主要人员和精力从报表中解放出来；又或者是当“分析”环节无法省却时，通过更加简单的方式使分析人员能自定义报表呈现方式，比如通过拖拉拽的方式就能增加数据明细、编辑报表项目等。

（2）其次，要让数据呈现更精准

从企业管理的层面来看，企业在开展客户体验管理时，管理层与执行层对于数据的需求不同，营销部门与产品部门对数据的需求也各有差异。根据地域范围、人员层级、部门属性、岗位职责等输出层级化的数据报表，将提升数据呈现精准度，提升数据使用的效率与质量。

同时，客户体验本身具有的主观性、波动性特征，也要求系统在数据管理上要实时更新、动态分析、及时响应。比如需要对年、月、日等不同颗粒度的数据做统计分析，对波动性的体验数据能否及时发现以便干预和规避风险等。

从业务场景的层面来看，不同行业在客户体验管理过程中需要关注的侧重点各有差异，比如餐饮行业更关注“菜品质量”、“就餐环境”、“菜品口味”等等；而对于医院的就诊体验管理来说，“挂号”、“排队”等是高频词汇，甚至更进一步到不同的医院、不同的科室所需要关注的体验重点也各有差异。

因此，在客户体验管理过程中，系统支持“场景化”不能徒留于形式。比如目前倍市得已经实现的「AI+BI」数据管理模式。系统可借助NLP智能文本分析，从开放文本数据中智能提炼与业务高关联的话题、识别客户体验情感分类等。基于管理层面和业务维度为企业呈现更具针对性的数据和报表。

图：AI+BI，让数据呈现更精准

3、行动 —— 及时预警与快速响应

（1）你的顾客是怎么变少的？

身为消费者，你可能也曾经有“售前像皇帝、售后像乞丐”的尴尬经历，面对这种断崖式的体验落差，消费者对于品牌的好感度一落千丈自然不必多说；而站在企业的角度来看，除了在观念上没有意识到客户体验带来的长期投资回报之外，还可能有体验管理能力不足的无奈。

在餐厅用餐，餐厅里的菜品如何、服务如何，顾客只要有过一次消费经历就很容易做出“下次还来”或者“再也不来”的判断，并且还可能在该餐厅的网络门户上做出消极负面的评价。

而如果该餐厅的服务人员在顾客就餐过程中没有及时察觉到顾客的“不悦”，也或者是没有专门的舆情监测机制，那么这次“体验不佳”的一片雪花，就可能逐渐演化成影响更多人不选择这家餐厅的“大雪球”。

但事实上，这个例子也可能有截然不同的版本：

由于该餐厅启用了数字化的客户体验管理系统，该顾客在线提交的就餐感受被系统评为低分评价因而触发了工单到指定人员处；于是，餐厅人员及时联系到该客户，了解就餐不愉快的原因，并且给予致歉以及合理解释，甚至还有可能对此类问题有对应的“补偿办法”。

由于响应快速、处理得当，让客户感觉，该品牌对顾客非常重视和尊重，他将这段印象深刻的经历分享给了其他人，也从“贬损者”转为了“推荐者”。

虽然“再次光顾”还是“一去不返”只是这个顾客的一个小小决定，但却衡量出了企业截然不同的客户体验管理能力，而这种能力却对于“品牌能走多远”有着决定性意义。

（2）顾客的玻璃心靠什么修复？

上述例子的两种不同版本对比，正是数字化客户体验管理的重要体现。作为客户体验数据分析的延伸应用，舆情管理模块所实现的及时预警和工单响应，对于修复客户体验起到重要作用。

预警

对于多渠道采集而来的客户感受与反馈，智能文本分析将识别客户情感分类，帮助企业快速筛选体验、层级化分析体验。此外结合业务场景，系统自动提炼特定话题为提升舆情管理效率提供便利。

例如：针对上述餐厅就餐场景，系统预设规则，比如NPS出现6分以下，或者“难吃”、“服务差”等关键词时就会自动触发预警提醒或工单，以便管理人员及时关注、予以响应。

工单

为什么要有工单呢？事实上，对于规模化运营的企业来说，规划以客户体验为中心的职能或角色十分必要，而对于执行人员而言，从体验反馈到工单生成、分类流转及不良体验修复更是实现了从数据驱动行动管理的闭环。

一方面，工单流转到人提升了企业舆情响应的及时性；另一方面，工单制度在时效性上的设定能起到监督作用，例如设置2小时内未响应就流转上级，则能及时修复不良体验并预防扩散，更容易形成标准化的响应机制。