编者按:这是麦肯锡的一篇关于客户体验最新文章的译文,刚看到这个标题时,很容易误解这篇文章是对未来的客户体验是什么样的进行畅想或者幻想。但其实不是,这篇文章强调的是:“预测”这种能力,才是未来提供出色客户体验的关键。
随着预测分析的兴起,设计出色的客户体验(CX)变得越来越容易。
各行各业已在客户体验技术、工具上投入巨资,以便更深入地理解客户并获得卓越的客户体验优势。然而当客户体验领导者们在努力对客户偏好和行为形成更完整的视图时,他们继续依赖日渐老化的基于调查的(Survey-Based)客户体验测量体系,这类体系数十年来一直是CX计划的核心举措。企业通过这些体系开展品牌或关系层面的调查,跟踪CX的表现,通过交易后调查“闭环”客户的反馈,甚至还试图通过挖掘定期调查的收集的反馈来规划战略举措。整个团队都在致力于管理问卷并提高客户参加调查的响应率——最终的指标可能会影响从员工奖金、高管薪酬,到企业战略投资决策等方方面面。
问题是,高管们越来越认识到基于调查的测量体系无法满足公司在CX上的需求——尽管调查本身是开展研究的一项重要工具。实际上,本文也是基于我们最近对260多名CX领导者调查得出的结论,这次调查覆盖了美国各种规模的企业。 93%的受访者表示,他们正在使用基于调查的测量指标(例如客户满意度得分或客户费力程度得分),作为测量CX表现的主要手段。但只有15%的领导者表示,他们对所在企业的CX测量表示完全满意,只有6%的人表示他们的测量体系可以实现战略和战术决策。领导者们指出,响应率低、数据滞后、对绩效驱动因素的含糊不清,以及缺乏与财务价值的明确关联是目前存在的最关键短板。
一些领先的公司正在开创一种更好的方法,可以充分利用现有可用的大量数据。如今,公司可以定期、合法、无缝地从客户、财务和运营系统中收集智能手机和交互数据,从而获得有关客户的深刻洞察。那些着眼于未来的领导者正在增强其数据和分析能力,并利用预测性洞察(Predictive Insights)与客户保持更紧密地连接,预测客户行为并实时识别CX问题和机会。这些公司可以更好地理解他们与客户的交互,甚至可以预防客户旅程(Customer Journey)中的问题。他们的客户也正在因此获益:航班延误后能快速获得补偿,或患者在遇到困难时从保险公司获得帮助等等。这些好处远远超出了人们通常被视为“客户”时的情形,还扩展到了诸如会员、顾客、患者、来宾等各种场景和角色。
客户体验分析领域先驱者的这些尝试,预示着企业评估和塑造客户体验的方式将发生根本性转变。
在本文中,我们将探讨数据和分析如何开始改变客户体验领域的艺术和科学。我们的最新研究成果提供了更加清晰的事实依据,揭示基于调查的测量体系存在的缺陷。我们进一步研究了一些领导型企业如何实施数据驱动的CX体系,从而减少了客户流失、增加了收入,并降低服务成本。我们最后提出了如何开始着手转变的策略,包括CX领导者在过渡到数据驱动的动产和行动时所要遵循的四个关键步骤。
但好处不是自动跑过来的,在起步阶段的企业将面临各种障碍和组织抵制。但是有了决心和承诺,即使只是拥有基本CX体系、有限的数据、缺乏数据科学家的企业,也可以以此为基础,逐步改变其CX计划和客户体验。
未来的CX计划将是整体的(Holistic)、预测性的(Predictive)、精准的(Precise),并且可以清晰地与业务成果关联起来。事实表明,对于那些已经开始建立这种转型所需的能力、人才和组织结构的公司而言,优势将是巨大的,那些坚持使用传统体系的企业在未来几年将被迫紧紧追赶。
“调查表明”:传统CX测量的缺点
尽管调查本身是收集客户洞察的有效手段,但它们不足以成为准确测量CX的表现、识别CX机会,并采取行动的有效管理工具。对于要从以客户为中心的定位进行领导的组织,他们越来越需要对整个客户旅程进行的全面理解的视角,以及对客户体验驱动因素深入而细致的洞察能力。他们需要即时和个性化的信息,以便采取“基于时刻”(In The Moment)的行动,为每个客户创造高相关性的体验,并且需要证明他们想投资的体验提升将带来积极的ROI。基于调查的CX测量体系具有四个主要缺陷,这些缺陷使这些关键任务几乎无法实现(图)。
图:基于调查的CX测量体系的四个主要缺陷
- 有限的(Limited):
常规的CX调查仅对公司7%的客户进行抽样,因此对客户体验及其价值的视图极为有限。实际上,在接受调查的CX领导者中,只有13%的人完全相信他们的CX测量体系可以代表其客户的真实感知。
- 反应式的(Reactive):
客户期望他们关心的问题能够越来越快地得到解决,而调查则是一种向后看的回顾性工具。将近三分之二的受访者将准实时地处理CX问题的能力列为三大优先事项之一,但只有13%的领导者表示他们的组织可以通过现有体系实现这种快速的洞察。
- 模棱两可(Ambiguous):
调查通常无法揭示客户情绪的根本原因。实际上,分数可能会受到许多外部因素的影响,包括地理位置、行业波动等,这使得仅凭调查难以进行可靠的根本原因分析。只有16%的CX领导者表示,调查为他们提供了足够深入的数据,以揭示CX表现的根本原因。
- 缺乏聚焦(Unfocused):
正如一家大型金融服务公司的一位高管所说: “基于调查的打分与业务成果之间的关联尚未得到很好的分析,因此组织中的许多部门都只是声称他们的CX举措会对业务产生影响,但没有真实的证据。” 最近,有几家公司因仅基于调查得分而做出投资决策而备受抨击。值得注意的是,在接受调查的CX领导人中,只有4%的人表示他们测量体系可以让他们计算出CX决策的ROI。
预测性客户洞察才是未来
自从基于调查的测量体系变得无处不在以来,通过生成、汇总和分析数据的能力取得了令人瞩目的进步,洞察力生产领域也因此发生了转变。公司现在可以访问各种各样的数据集:有关客户交互的内部数据(包括数字的和模拟的)、交易数据和客户画像数据;广泛可用的第三方数据,例如客户态度、购买行为和偏好、数字化行为数据,包括各种社交媒体活动;以及由物联网(IoT)生成的有关客户健康状况、情感和地理位置的新型数据集(例如,在实体店中)。通过汇总和分析这些庞大的数据集,其他商业学科(包括市场营销和营收管理)已经发生了变化,前后的对比非常鲜明:当可以使用客户交互数据来预测满意度时以及忠诚度意愿时,为什么还要使用调查问卷去询问客户询问他们的体验?
为什么:可以用客户交互数据预测满意度时,还要用问卷去询问他们的体验?
一些CX领导者已经采取了大手笔行动,开始利用已有的数据得出有价值的洞察,这些洞察可以提示、预警并指导迅速采取行动,以改善客户体验。虽然具体情况可能会因公司和行业而异,但是这些方法以可预测的客户体验平台为中心,这类平台由三个关键要素组成:
1/客户级数据湖
首先,这类企业收集客户、财务和运营数据,包括统计层面的数据和单个客户级别的数据。处理好这些数据并将其存储在基于云的平台中。全面、连接且动态的客户级别数据集使组织可以跨交互、交易和运营来映射和跟踪客户行为。尽管调查也能反映了过去某个时间点上一部分客户的观点,但这些丰富的数据集涵盖了全部客户群以及整个客户旅程,从而揭示了CX表现的根本原因。
数据湖是建立对客户体验严格洞察的基础,平台在整个组织中应该都是可靠的,并且在所有数据源之间具有清晰一致的映射关系,并为客户、产品线和其他关键业务输入提供唯一的身份标识。
2/预测性客户评分
这类企业通常使用多种类型的机器学习算法进行分析,以了解和跟踪影响客户满意度和业务绩效的因素,并监测和识别客户旅程中的一些特定事件。
这些算法根据客户旅程的特征为每个客户生成预测分数,这些分数使企业可以预测单个客户的满意度和价值输出,例如收入、忠诚度和服务成本。更广泛地说,它们使CX领导者可以评估特定CX投资的ROI,并将CX计划直接与业务成果关联起来。
3/行动和洞察引擎
通过API接口与各类员工(包括一线代理商)、工具(例如CRM平台)共享信息、洞察和建议。例如,座席可以收到有关应采取哪些措施来个性化客户体验和改善CX结果的警报和通知。API充当了单一事实来源,基于数据湖和客户评分为推荐引擎提供动力。重要的是,与基于调查的体系不同,这类预测性平台可通过员工和数字化界面提供及时的洞察,并促进迅速的行动。
预测性CX平台使公司可以更好地测量和管理其CX绩效,还可以提供信息并改善战略决策。这些系统使CX领导者可以准确、定量地理解驱动客户体验和业务绩效的因素,这些是将CX与价值关联起来,并为CX提升建立清晰的业务用例的基础,他们还提供了可以对每个客户采取实时行动的满意度和价值潜力的整体视图。建立了这样的系统的领导者正在通过绩效管理、战略规划和实时客户互动的各种应用组合来创造可观的价值。
预测性CX平台成为将CX与价值关联起来、并为CX提升建立清晰业务用例的基础。
一家领先的信用卡公司希望采用更加全渠道的策略,提高其在数字渠道中的绩效。它专注于构建CX数据和分析技术栈,以系统地识别、改善和跟踪影响13个优先客户旅程的满意度和业务绩效的因素。它首先使用旅程分析平台收集交互、交易和客户画像数据,以确定每个客户旅程满意度的驱动因素,以及可以提升的领域。该平台包含了重复交互、交货时间以及客户从一个渠道跳到另一个渠道的频率等数据,还包含了一些更细微的因素,例如公司是否有效地处理了负面结果,以及在各个时间点进行了哪些沟通。
这种以分析为基础的方法使公司能够对问题、机会领域以及数百万客户与渠道的交互进行量化而系统的理解,从而使组织能够支持系统的旅程改进循环。该团队使用分析平台将其投资和运营精力集中在对客户产生影响的旅程和特定时刻,作为CX和数字化转型的成果,最终将交互和运营成本降低了10%到25%。
通过有目的性战略规划对CX的工作进行优先级排序,是利用数据驱动系统的另一个有效的用例,它使CX领导者能够了解哪些运营单元、客户和财务因素会随着时间的推移在创造系统性问题或机会。例如,一位美国医疗保健保险机构建立了一个“旅程湖”,以确定如何改善其客户服务。旅程湖在九个系统上同步了40亿条记录,涵盖了营销、运营、销售、数字渠道和物联网。由此产生的整体客户视图使组织能够确定运营断点(患者经常要求与主管对话或转换至其他渠道以解决问题的临界点),并通过网站、电子邮件主动接触客户,利用电话外呼解决客户问题。它还使用数据来制定更智能的数字迁移策略,以准确识别那些与数字渠道上互动程度最低的客户,并指导他们使用更多的自助服务。该组织通过关注处方更新等最重要的患者痛点,大大提高了数字化使用率。它通过引导客户从数字渠道开始,减少转向其他渠道的频率(降低超了15%的比例)来降低成本。
最后,由于分析洞察具有准实时的特征,因此这些新系统创建了一个可以用于主动进行日常客户互动的平台。一家领先的航空公司建立了基于1,500个客户、运营和财务变量的机器学习系统,以测量其每天超过1亿客户的满意度,并进行收入预测。该系统使航空公司能够确定因航班延误或取消而导致客户关系最可能受到威胁的客户,并为其分配优先级,为他们提供个性化补偿,以挽回客户关系并减少高优先级航线上的客户的流失率。由大约12至15名数据科学家、CX专家和外部合作伙伴组成的团队一起工作了大约三个月,以构建系统并领导实施了第一个应用计划,最后取得了客户满意度提升800%、高端客户流失率降低60%的佳绩。
如何将数据转化为洞察和行动
向预测性洞察的转型不会在一夜之间发生,正如我们的研究表明的那样,大多数组织仍然依靠调查来评估客户的情绪,领导者现在有机会将其CX计划提升到一个新的层次——基于从组织现有的基础开始。根据我们对成功转型的组织的研究,我们确定了四个关键步骤来启动此类CX转换。
1/努力改变观念
转型将不可避免地带来挑战,其中不仅包括团队和CX高管的观念转变。领导们可能会觉得预测系统不在他们的工作职责范围之内,而是IT部门或数据科学团队的工作。但是时代在变化,当今的CX领导者需要集中精力处理数据,因为他们过去只是关注某些单一CX指标。有些人可能会指说,他们的组织已经对一些关键绩效指标进行了回归分析,但现在是时候更大视角、更大胆地考虑建立一个系统,而不仅仅是搞搞数据了。
CX领导者的角色正在演变,这意味着高管将需要在组织内部重新定位。当被问及当前系统面临的最大挑战时,一位首席体验官(CXO)回答到:“大家将CX与市场营销联系在一起,而不是仅仅是技术。” 随着越来越多的公司采用预测性分析,这种情况正在发生变化,而CX领导者有责任帮助鼓励人们改变观念。
CX团队应定义好方向和策略,当应确保得到受影响的利益相关者的认同和大力支持,这是获得规模化效益的关键。
2/打破孤岛建立跨职能团队
CX职能部门或团队通常会落入在公司内部制造孤岛的陷阱。要开始转型,CX领导者需要更好地与组织的其余部分集成。
数据所有者将不可避免地涉及运营、营销、财务和技术等职能部门,因此在高层领导之间的联席会议对于确保有效的数据接入和管理至关重要。(当然,数据科学家而不是CX专业人士将是编写算法的人。)CX团队应确定方向和策略,但是确保受影响的利益相关者的认同和大力支持,这将是获得规模化效果的关键。
例如,一个旅游行业的客户开始使用其数据驱动系统,该系统的重点是为客户服务运营提供实时增强功能,因为CX团队与服务部门建立了牢固的合作伙伴关系,并可以迅速证明其价值。最初的工作涉及紧密的协作:CX充当业务所有者,数据科学团队开发产品,而客户服务部门充当最初最小可行产品的第一接收者。在核心团队之外,包括首席运营官(COO)、首席财务官(CFO)和首席营销官(CMO)在内的咨询委员会随时了解进展情况,并就未来的使用用例提供建议,以便在最初的试点工作成功后,首席运营官可以开始负责其他用例。即使在开展较小规模的计划(例如,组织聘请代理机构而不是组建内部数据科学团队)的情况下,为了创建和不断扩展面向未来的CX洞察引擎,开发和指导委员会级别的牢固、跨职能的关系也至关重要。
3.从核心旅程数据集开始构建并提高准确性
大多数组织都面临着数据质量和可用性方面的挑战,但是如果没有数据,这种转型就不会成为现实。好消息是,即使数据不完美,组织也可以使用基本的客户级数据开始探索。第一步是收集单个客户级别的运营和财务数据。客户画像数据,以及数字和模拟的交互数据的结合通常是一个可靠的起点。
团队应创建详细的旅程分类法,包括各客户群满意度的所有潜在驱动因素。该分类法可用于生成假设,引导出预测模型中的可测量属性,这些属性(在机器学习中称为数据特征)的范围可以从数值属性(例如客户的年度支出)到二进制属性(例如客户是在线还是在商店购买产品)。随着时间的推移,了解哪些特征对机器学习模型很重要,并将其与团队的假设进行比较,可以帮助组织识别出数据可能不准确或不完整的地方,并相应地调整其数据获取策略。如果某些特征数据不存在,则团队可以探索获取新数据集来源(例如,信用机构数据),或应用新的工具来生成所需的葛铮(例如,利用物联网传感器映射物理环境中的客户交互触点)。随着机器学习算法吸收更多的数据并生成自己的洞察,数据集将变得更加健壮——在多个企业应用程序中被证明很有用。
最终,企业可以在整个客户旅程中整合来自各种来源的数据,包括聊天、通话、电子邮件、社交媒体、APP和IoT设备。无论采用何种来源,所有数据的采集、存储和使用都应遵循隐私和网络安全的最佳实践。(值得注意的是,我们发现客户数据保护可以成为竞争优势的来源,因为消费者对共享数据变得更加谨慎,避免或停止与客户不信任其数据安全实践的公司开展业务。)遵守区域数据法规,并删除被保护类别有关的任何变量,例如种族和宗教信仰。在分析所有识别信息之前,应对其进行加密和匿名处理。最后,定期的风险评估可以帮助发现 CX系统中的算法偏见,CX负责人有责任了解他们的组织在保护客户数据、降低偏见并促进其预测系统的公平性方面所做的工作。
在早期,重要的是要有一个清晰的视图,以了解洞察是如何应用的,并专注于一些可以立即获得回报的具体用例。
4/首先将重点放在可以带来快速价值的用例上
数据驱动的预测性系统为CX组织提供了将CX战略与可见的业务价值关联起来的独特机会。在早期,重要的是要有一个清晰的视图,以了解如何应用这些洞察,并专注于一些可以立即获得回报的具体用例。作为一个简单的框架,组织可以查看现有客户旅程中的主要机会、痛点,并思考预测系统可以如何创建新的解决方案或增强现有解决方案,这些解决方案可能对忠诚度、服务成本、交叉销售和增购行为产生影响。
例如,一家公司意识到可以将其应急资金(以前在各个客户之间统一无差别分配)可以更策略地应用后,将其预测系统应用于解决这一问题的过程中。该公司开发了一种算法,可以根据生命周期价值和最近的体验(例如,客户在过去一个月中遇到的延误服务的程度)来确定优先级较高的客户,并使用该算法为不满意的高价值客户分配应急资金。事实证明,这样的第一个用例就获得了成功,为组织节省了超过25%的计划预算,并为将来的应用铺平了道路。领导们应该问自己,哪些用例能通过概念证明推动价值提供了明显的机会,以便他们可以建立势头并获得支持。
多年以来,作为定义和完善公司客户体验绩效的基准,基于调查的系统正一步步走向衰落。未来卓越的客户体验表现正在转向数据驱动的预测性体系,可以更好地了解客户需求的公司将获得竞争优势。
完
本文原文地址为:https://www.mckinsey.com/business-functions/marketing-and-sales/our-insights/prediction-the-future-of-cx,作者如下
雷切尔·迪布纳(Rachel Diebner)是达拉斯办事处的顾问
麦克·汤普森(Mike Thompson)是达拉斯办事处的合伙人
大卫·马尔法拉(David Malfara)是迈阿密办事处的高级专家
凯文·尼赫(Kevin Neher)是丹佛办事处的高级合伙人
马克桑斯(Vancauwenberghe)是纽约办事处的合伙人