Daniel Ziv:大数据变革“客户忠诚度”评估方式

多年来，企业一直在努力探寻可以量化“客户忠诚度”的简便方式，其中净推荐值(NPS)当属经典，但在过去十年中，互联网与移动互联网技术快速发展，客户与企业的互动方式不断被创新乃至颠覆，越来越多的企业需要在社交网络、电子商务平台以及移动端直面客户。随着客户数据的爆炸式增长，NPS等传统“客户忠诚度”评估模式的局限性也变得愈加明显，但是另一方面，不断发展和成熟的大数据分析技术却让企业真正得以全面洞察客户体验，以更加智慧的方式评估和提高“客户忠诚度”。

NPS评估模式的局限性

NPS曾经是最流行、也最经典的“客户忠诚度”评估方式，最早由贝恩咨询企业客户忠诚度业务的创始人佛瑞德•赖克霍徳(Fred Reichheld)在2003年《哈佛商业评论》发表的《你需要致力增长的一个数字》(One Number You Need to Grow)一文中提到。在NPS评估模式中，企业只需通过调查问卷的形式，询问客户“您向朋友推荐我公司产品和服务的可能性有多大?”这类简单的问题，就能从客户中鉴别推荐者(Promoter)、被动者(Passive)与贬低者(Detractor)。在一定程度上，通过NPS指标可以看到企业当前及未来一段时间内的发展趋势及盈利能力。

虽然NPS简单易行，但也存在很大缺陷。不仅难以收集全面的客户反馈信息，也无法深入挖掘客户给出负面评论的根本原因。NPS的操作方法是根据受访者打分的情况将客户分为三类，而在此过程中企业会遗漏掉大量宝贵的客户信息。同时，问卷调查这种形式本身就存在可靠性和真实性问题，因为受访者在被询问的过程中很可能会隐藏自己的真实想法。所以，要想真正了解一个客户的忠诚度情况，单纯询问一个问题而没有其它的补充信息或跟进措施是远远不够的，而且只知道结果而不知道背后原因是不能帮助企业采取有效措施，提高“客户忠诚度”的。

大数据时代，全面洞察客户体验

在大数据时代到来前，NPS虽然存在一定缺陷，但确实是一种比较有效的“客户忠诚度”评估方法，被企业广泛采用。但是，随着互联网、社交网络、电子商务以及移动互联网的兴起和不断发展，企业与客户之间的接触变得无处不在，客户反馈信息形成了海量、多样化、跨渠道以及碎片化的大数据。企业仅使用NPS这种只覆盖某个客户接触领域的“客户忠诚度”评估方式已不能全面洞察客户体验。

为了收集与挖掘所有客户接触领域，企业需要制定能够全方位挖掘零散评论的解决方案，包括获得语音记录评论的语音分析以及挖掘文本评论的文本分析。然而，无论是语音分析还是文本分析，企业首先面临的问题就是如何把非结构化数据转化为结构化数据。慧锐的客户数据分析解决方案可以将录音信息变成为企业所用的数据仓库，然后再通过索引等一系列技术对数据进行建模和分析。同样，针对文本信息，慧锐可以通过NLP自然语言处理技术，将无序的文字、语言变成可以使用的数据仓库，再通过交叉分析、趋势分析、排序分析以及最核心的“Tell me why”根源原因分析技术，帮助企业深入洞察客户体验以及导致客户积极或消极反馈的真实动因。

事实上，目前语音分析与文本分析等客户数据分析技术在国内各行业都有成功应用，尤其是在金融、银行、保险、电信、电子商务、互联网等数据量大、重视客户体验的行业。今年4月份，上海联通就采用了慧锐的Impact 360® 先进语音分析解决方案，通过分析客户拨打热线电话的根本原因及诉求，获知市场活动的一线信息反馈，不仅提高了整体的运营水平与业务能力，也进一步提高了用户体验和忠诚度。

在大数据时代，客户数据以语音、文本、图片、视频等各种形式分散在电话、邮件、网络、客户端以及社交媒体等众多客户接触领域中。所有这些互动方式都会留下数字跟踪信息，为企业提供导致客户忠诚、愤怒或消极应对现象的原因。企业需要借助先进的大数据分析技术深入挖掘客户体验的全过程。通过分析所有客户接触领域，了解并影响客户体验是企业提高“客户忠诚度”并实现长期增长的关键。