多年來，企業一直在努力探尋可以量化“客戶忠誠度”的簡便方式，其中凈推薦值（NPS）當屬經典，但在過去十年中，互聯網與移動互聯網技術快速發展，客戶與企業的互動方式不斷被創新乃至顛覆，越來越多的企業需要在社交網絡、電子商務平臺以及移動端直面客戶。隨著客戶數據的爆炸式增長，NPS等傳統“客戶忠誠度”評估模式的局限性也變得愈加明顯，但是另一方面，不斷發展和成熟的大數據分析技術卻讓企業真正得以全面洞察客戶體驗，以更加智慧的方式評估和提高“客戶忠誠度”。
NPS評估模式的局限性
NPS曾經是最流行、也最經典的“客戶忠誠度”評估方式，最早由貝恩咨詢企業客戶忠誠度業務的創始人佛瑞德 賴克霍徳（Fred Reichheld）在2003年《哈佛商業評論》發表的《你需要致力增長的一個數字》（One Number You Need to Grow）一文中提到。在NPS評估模式中，企業只需通過調查問卷的形式，詢問客戶“您向朋友推薦我公司產品和服務的可能性有多大？”這類簡單的問題，就能從客戶中鑒別推薦者（Promoter）、被動者（Passive）與貶低者（Detractor）。在一定程度上，通過NPS指標可以看到企業當前及未來一段時間內的發展趨勢及盈利能力。
雖然NPS簡單易行，但也存在很大缺陷。不僅難以收集全面的客戶反饋信息，也無法深入挖掘客戶給出負面評論的根本原因。NPS的操作方法是根據受訪者打分的情況將客戶分為三類，而在此過程中企業會遺漏掉大量寶貴的客戶信息。同時，問卷調查這種形式本身就存在可靠性和真實性問題，因為受訪者在被詢問的過程中很可能會隱藏自己的真實想法。所以，要想真正了解一個客戶的忠誠度情況，單純詢問一個問題而沒有其它的補充信息或跟進措施是遠遠不夠的，而且只知道結果而不知道背后原因是不能幫助企業采取有效措施，提高“客戶忠誠度”的。
大數據時代，全面洞察客戶體驗
在大數據時代到來前，NPS雖然存在一定缺陷，但確實是一種比較有效的“客戶忠誠度”評估方法，被企業廣泛采用。但是，隨著互聯網、社交網絡、電子商務以及移動互聯網的興起和不斷發展，企業與客戶之間的接觸變得無處不在，客戶反饋信息形成了海量、多樣化、跨渠道以及碎片化的大數據。企業僅使用NPS這種只覆蓋某個客戶接觸領域的“客戶忠誠度”評估方式已不能全面洞察客戶體驗。
為了收集與挖掘所有客戶接觸領域，企業需要制定能夠全方位挖掘零散評論的解決方案，包括獲得語音記錄評論的語音分析以及挖掘文本評論的文本分析。然而，無論是語音分析還是文本分析，企業首先面臨的問題就是如何把非結構化數據轉化為結構化數據。慧銳的客戶數據分析解決方案可以將錄音信息變成為企業所用的數據倉庫，然后再通過索引等一系列技術對數據進行建模和分析。同樣，針對文本信息，慧銳可以通過NLP自然語言處理技術，將無序的文字、語言變成可以使用的數據倉庫，再通過交叉分析、趨勢分析、排序分析以及最核心的“Tell me why”根源原因分析技術，幫助企業深入洞察客戶體驗以及導致客戶積極或消極反饋的真實動因。
事實上，目前語音分析與文本分析等客戶數據分析技術在國內各行業都有成功應用，尤其是在金融、銀行、保險、電信、電子商務、互聯網等數據量大、重視客戶體驗的行業。今年4月份，上海聯通就采用了慧銳的Impact 360 先進語音分析解決方案，通過分析客戶撥打熱線電話的根本原因及訴求，獲知市場活動的一線信息反饋，不僅提高了整體的運營水平與業務能力，也進一步提高了用戶體驗和忠誠度。
在大數據時代，客戶數據以語音、文本、圖片、視頻等各種形式分散在電話、郵件、網絡、客戶端以及社交媒體等眾多客戶接觸領域中。所有這些互動方式都會留下數字跟蹤信息，為企業提供導致客戶忠誠、憤怒或消極應對現象的原因。企業需要借助先進的大數據分析技術深入挖掘客戶體驗的全過程。通過分析所有客戶接觸領域，了解并影響客戶體驗是企業提高“客戶忠誠度”并實現長期增長的關鍵。
京公網安備 11010502049343號