预测性分析： 客户体验的未来

　　近年来，中国领先银行已经基于客户旅程和触点，打造了数字化客户体验监测系统，可实时监测客户反馈，进行结构化分析展示，并以此建立起数据分析和应用管理闭环。目前，客户体验管理系统正面临着从1.0到2.0的新机遇：前沿技术和海量数据可帮助银行建立预测性分析平台，更全面、更准确、更前瞻地洞察客户需求，从而打造卓越体验。

　　随着海量数据的沉淀和新兴技术的不断涌现，全球的领先金融机构已经开始探索如何升级客户体验衡量体系，将“预测性分析”这一前沿性技术作为传统客户调研的重要补充，以获取更前瞻、更全面并与财务价值紧密挂钩的客户洞见。如今，公司可以定期、合法、无缝地从自身客户系统、财务系统和运营系统中收集智能手机和交互数据。领先企业正不断强化其数据和分析能力、利用预测性洞见与客户建立更紧密的联系、预判客户行为并实时锁定客户体验中的问题与机会。这些企业能更好地理解客户，甚至提前解决客户旅程中的问题，防患于未然。他们的客户也因此受益：比如银行可对客户渠道偏好进行预测；在保险业，患者在碰到问题时能得到保险公司的主动帮助。这预示着公司评估和塑造客户体验的方式将发生根本性转变。

　　本文将探讨数据和分析技术如何改变客户体验的理论与实践。我们将介绍最新研究，阐明预测性分析方法将如何与客户调研相辅相成，产生新的洞见。随后，我们将分析领先银行如何部署数据驱动的客户体验体系，从而减少客户流失、提高营收并降低服务成本。最后，我们将介绍启动方法，包括开展“由数据驱动的洞见与行动”转型的四个关键步骤。

　　未来的客户体验系统将具备全面性、可预测性和精确性，并且与业务成果明确挂钩。建立新体系非一日之功，刚刚起步的金融机构将面临诸多障碍以及组织层面的阻力。然而，现在就着手建设转型所需的能力、储备人才和搭建组织架构的公司将获得巨大优势，通过打好基础，持续改进，最终制胜未来客户体验。

　　与此同时，随着数据生成、聚合与分析能力显著进步，洞见挖掘领域正发生巨大变革。如今，公司可以获取各种各样的数据集：客户交互的内部数据、交易和个人资料；广泛可用的第三方数据集，涵盖客户态度、客户购买行为与偏好以及数字行为，包括社交媒体活动；以及各个行业的特定数据，如通过物联网（IoT）产生的有关客户健康状况、态度和位置的新数据集（例如网点数据）。上述海量数据的聚合与分析已经为各个业务领域（包括市场营销和收入管理）带来了重要机会：在客户体验方面，该类互动数据能够有效预测客户满意度以及客户留存、流失或增加业务使用的概率，成为传统调研方式的有力补充。具体而言，预测性分析可以直接在三方面升级监测体系：

　　典型的客户体验调查抽取约7%~10％的客户样本，在客户代表性方面可能出现偏差。预测性分析方法所采集的数据则可覆盖全量客户，在保证全面性的同时，甚至可提供1对1的个性化分析。

　　客户希望快速解决问题，而调研作为事后工具，其局限性在所难免。预测性分析可通过整合大量行为数据，预判客户可能出现的情绪和行为，从而更及时地推送线索，避免价值损失。

　　某家大型金融服务公司的高管表示：“基于调查获得的客户体验得分与业务成果之间的相关性非常重要，我们通过将其与运营数据进行比较分析，判断业务成效，但缺乏更直接的证据”。对此，基于数据的分析方法可通过大数据引擎，更直接地将客户态度与购买行为进行连接，从而生成业务结果导向的客户洞见。

　　针对上述机遇，全球领先银行及其它异业企业正快速创新，利用可得数据获取有价值的洞见，借助这些洞见触发客户体验预警并指导改善客户体验。虽然成功的原因是多方面的，且具体情况因各个公司和行业而异，但预测性客户体验平台是此类方法的核心。该平台由三大要素组成：

　　首先，公司收集客户数据、财务和运营数据，包括聚合数据和单个客户数据。随后，公司对数据进行处理并将其存储在云平台。综合、互联以及动态的客户级数据集让公司可以在交互、交易和运营等各个维度梳理并跟踪客户行为。传统调查仅能反映过去某个时点部分客户的观点，而这些丰富的数据集则包含全部客群并覆盖完整的客户旅程，从而能有效揭示出引起客户体验绩效变化的根因。

　　数据湖是充分了解客户体验的基础。该平台面向全组织开放，且所有数据源的映射关系应清晰一致，客户、产品线和其他关键业务输入信息有各自的特定标识。

　　公司通常会使用一些机器学习算法进行数据分析，以便了解和跟踪影响客户满意度和业务绩效的因素，并检测客户旅程中的特定事件。

　　这些算法根据旅程特征为每个客户进行预测性评分。公司能基于评分预测每个客户的满意度和相应的价值，例如收入、忠诚度和服务成本。更大范围来看，客户体验负责人可以评估某项客户体验投资的ROI，并将客户体验计划直接与业务结果挂钩。

　　通过应用程序接口（API）层，企业能在更大范围内与员工（包括一线客户经理等）共享信息、洞见和建议，并能够把信息输送到其他管理工具（例如CRM平台），一线人员将收到提示和通知，从而采取措施提供个性化客户体验或者改善客户体验。API层将作为统一事实来源，为基于数据湖和客户评分的推荐引擎提供动力。与基于调查的体系不同，借助员工和数字化界面，预测性平台可及时提供洞见并促进企业快速行动。

　　通过预测性客户体验平台，公司能更好地衡量和管理客户体验绩效，做出新的战略举措或改善现有决策。借助该系统，客户体验负责人能准确、量化地了解影响客户体验和业务绩效的因素，通过将客户体验与业务价值相挂钩，建立改进客户体验的明确业务逻辑。通过该系统，公司能获得每名客户满意度和价值潜力的全面视图，近乎实时地采取行动。已经建立起这套系统的领先公司，通过绩效管理、策略规划和实时客户互动等一系列应用程序不断创造可观的价值。

　　预测性洞见系统转型不是一蹴而就。大多数银行甚至于零售企业仍依靠调查衡量客户态度。如今，领先银行可以行动起来，将客户体验系统提升到全新水平。根据对成功转型公司的研究，我们找到了启动这一转型的四个关键步骤。

　　转型不可避免会带来挑战，包括对团队和客户体验高管观念上的挑战。客户体验负责人可能会认为预测性系统不在其职权范围内，而是IT部门或数据科学团队的职责。但时代不断变化，客户体验负责人需要关注数据，正如他们之前关注客户体验评分一样。一些人可能认为公司已经对一些关键绩效指标进行了回归分析。然而，现在他们应该把步子迈得更大，建立一套系统，而不是停留在数据层面。

　　客户体验负责人的角色正在变化，他们应重塑自己在组织中的定位。当被问及当前系统面临的最大挑战时，一位首席体验官回答：“提到客户体验，人们往往联想到市场营销，而非技术。”但这种情况正在改变，越来越多的公司已经启用预测性分析，客户体验负责人应该带头改变人们的固有看法。

　　客户体验职能常犯的一个错误就是在公司内部自建孤岛。为成功启动转型，客户体验负责人需要与其他部门加强合作。数据所有方包括运营、营销、财务和技术等部门，因此高管间的沟通对于建立有效的数据访问和管理至关重要。数据科学家负责编写算法。客户体验团队应负责制定战略方向和策略，确保获得利益相关方认同是扩大成效的关键。

　　大多数金融机构都面临数据质量低、可用数据不足的挑战，如果没有数据，上述转型就无从开始。好消息是，即使数据不够完美，银行依然可以从基本的客户数据入手。第一步是收集单个客户的运营和财务数据，再结合客户资料以及数字和模拟交互数据进行完善，这样一来通常能实现项目启动。

　　由数据驱动的预测性系统能让客户体验战略与实际业务价值挂钩。在早期，企业应清楚如何应用预测性系统生成的洞见，并聚焦短期能创造回报的用例，这点非常重要。通过简单的框架，公司可以审视当前客户旅程中的主要机会点或痛点，并思考预测性系统如何创建新的解决方案或增强现有解决方案，以直接影响客户的忠诚度、服务成本、交叉销售和追加销售行为。

　　未来，卓越的客户体验体系是由数据驱动的预测性系统，银行需尽快行动，深入洞察客户需求，优化客户体验，从而赢得竞争优势。