增長黑客3.0：AI數字化客戶體驗營銷驅動下一代企業增長
增長黑客這個詞相信大家都不陌生，用一句話概括：通過科技、數據手段與策略讓企業的用戶、營收實現增長。
增長黑客最核心的2點：
1、用技術手段進行大量假設實驗，從中獲取客觀反饋數據；
2、秉承「一切都用數據說話」的原則，在反饋數據中找到增長邏輯并驗證。
使用「非結構化的文本數據」，通過AI自然語言處理NLP、深度學習等技術將其「數字化」管理，從中挖掘企業增長線索。
增長黑客3.0是在原有數據基礎上，拓展了新的數據源——「文本數據」。
一、「客戶體驗評價」對企業增長的重要性
客戶體驗管理CEM（Customer Experience Management），一句話概括：通過全渠道、全觸點對客戶反饋數據進行收集、分析， 優化產品、服務等環節客戶體驗，提升客戶滿意度和忠誠度，實現品牌持續增長。
世界500強企業中大多以打造「極致客戶體驗管理」著稱。
蘋果和星巴克的客戶體驗管理向來是全球企業的爭先學習的對象，華為小米則以極致的客戶口碑得以開辟市場，日前火爆入駐中國的COSTO好市多也以絕佳的客戶購物體驗在全球擁有一幫鐵桿忠實顧客。
而「客戶體驗評價」是評估企業客戶體驗管理水平最直觀的「文本數據」。
二、基于「文本數據」處理的AI技術日趨成熟
得益于基于人工智能「自然語言處理NLP」、「深度學習DL」等技術的發展，我們終于實現了對「非結構化類的文本數據」進行量化統計和建模分析的可能，從而人們能從海量「客戶體驗評價」中提取有價值的、直觀可視化的數字信息，成為輔助企業商業決策重要依據。
制圖：云聽CEM
三、如何「量化」企業的「客戶體驗管理」水平？
過去，客戶體驗作為一種主觀抽象的評價，很難用數字等直觀的方法衡量。
大家都知道蘋果手機客戶體驗做得好，但具體好到什么程度？達到多少分？比其他競爭對高出多少分？無人給出答案。
現代管理學大師彼得·德魯克說過：“If you can't measure it, you can't manage it”。——「如果你不能衡量它,就不能管理它。 」
「數字化」是企業打造極致客戶體驗管理的第一步。
目前大部分企業在客戶體驗管理方面，仍停留在「問卷調研、客戶訪談、聘請第三方機構」的傳統階段。
傳統客戶體驗調研存在以下弊端：
1、由于時間與人力成本限制，只能選取少量樣本數據，無法全量覆蓋
2、人工慢、時效性差，無法滿足市場快速變化節奏
3、容易受調研人主觀影響，參考價值有待商榷
4、統計口徑粗、只能得出概括性結論、問題容易失焦
5、調研結果無法回溯來源
6、調研成本高企
7、仍然難以量化
「客戶體驗評價」一般存在于以下2類平臺：
1、大電商平臺（淘寶、天貓、京東、蘇寧等）
2、大社交媒體平臺（微博、知乎、貼吧、豆瓣等）
我們將「客戶體驗評價」進行匯總量化處理，以此評估該企業的客戶體驗管理水平并從中挖掘企業新的增長點。
這對評估企業的「數據采集、數據挖掘、數據建?！鼓芰μ岢鰳O高的要求，鑒于我們在爬蟲領域6年的技術鉆研與商業實踐，我們搭建了一支實力雄厚的數據爬蟲團隊，覆蓋了「淘寶、天貓、京東、蘇寧、國美、1號店等」等主流電商，以及「百度貼吧、微博、知乎、豆瓣等」主流社交平臺，并實現了對新產生的「客戶體驗評價」數據實時同步。
二、如何完成「文本數據」到「信息提煉」的轉化？
在匯聚了海量「客戶體驗評價」后，人是無法用肉眼對其進行逐條分析以及提煉信息的，這將極其損耗人力和時間成本。
我們依據客戶需求及商品特性，為企業量身打造一套涵蓋「產品、服務、市場、物流」的「NLP細粒度客戶體驗指標體系」（如下圖）。
云聽CEM搭建智能手機客戶體驗評估指標體系
以智能手機舉例，可以梳理出共計170+項評估指標，細粒程度可覆蓋至手機各項細微體驗，如「防抖體驗」等等。
依據這套指標體系，機器能根據客戶語義和情緒，將每一句「客戶體驗評價」分別歸類至不同的「客戶體驗指標」分類之下，并判斷客戶對這項指標表達情緒的正負面，如下圖。
客戶體驗評價的「指標分類」與「情感判斷」
依托于「NLP指標體系」，我們打造了基于智能手機「客戶體驗量化統計與深度學習模型」，通過海量文本數據訓練后，不斷提高模型的精準度，最終完成對客戶體驗評價數據的智能精準分析。
三、場景對比「傳統客戶體驗管理CEM vs AI數字化客戶體驗管理CEM」
以某品牌智能手機體驗評價數據（真實評價）舉例。
場景1：3條客戶購機體驗評價
A客戶：手機太厚了。
B客戶：剛買一個月不到降價200多服了！手機很厚，很重，系統也很奇怪反正很坑不喜歡！
C客戶：比我三年前的手機還厚，顏色和想像的有些差距。
■ 傳統客戶體驗管理CEM
結論：人工下定論——用戶整理感覺手機很厚。顏色有點差距。抱怨買完就降價。系統有點坑。
■ AI數字化客戶體驗管理CEM
在經過「自然語言處理NLP」與「深度學習」系統處理后：
注：1、模塊為客戶體驗指標分類；2、紅色模塊表示負面評價
數據可視化后：
結論：機身厚度有3條負面評價，價格浮動、系統操作性、機身重量、機身顏色都有1條負面評價?？蛻舴答佔顕乐氐膯栴}是「機身厚度」，現在客戶都偏好輕薄設計的手機，方便攜帶，建議下一版本可優先考慮優化「機身厚度」。
場景2：3條客戶購機體驗評價
D客戶：手機不錯，厚度適中，速度挺快，禮品是充電寶和自拍桿，都挺精致的，這款手機沒有紅外功能，總之挺好的，好評！
E客戶：手機挺薄的手感也不錯運行也流暢但是相機很爛雖然充電很快但是用了一個月之后感覺電池壽命縮短了之前能用一整天的現在不行了。
F客戶：外形外觀：外觀不用多說了，很輕薄，鏡面后蓋屏幕音效：限時屏看著很舒服，手感舒適，但是音效一般拍照效果：很高清，很漂亮，夜間模式很棒運行速度：有點慢，但是還不錯待機時間：電量有點小，3070毫安其他特色：日常使用沒問題，還是很棒的。
■ 傳統客戶體驗管理CEM
結論：人工下結論——有人提到電池壽命不夠，音效一般，系統運行有點慢，但外觀評價不錯?？傮w來說不錯。（很籠統）
■ AI數字化客戶體驗管理CEM
在「自然語言處理NLP」與「深度學習」系統處理后：
注：1、模塊為客戶體驗指標分類；2、綠色模塊表示正面評價
數據可視化后：
結論：好評有2條，差評有1條。機身厚度有3條正面評價，手機流暢性和手感有2條正面評價，價格浮動、系統操作性、機身重量、機身顏色都有1條正面評價。電池有1條負面評價。
場景3：手機「A系列 vs B系列」客戶體驗評價對比
在「自然語言處理NLP」+「深度學習DL」與數據可視化處理后：
手機「A系列 vs B系列」客戶體驗評價對比
指標數據量化后，A、B系列手機各項指標對比一目了然，而這些場景是傳統調研難以實現的。
四、「AI數字化客戶體驗管理」適用企業崗位與應用場景
當「客戶體驗評價」數字化之后，它對于企業各崗位的日常工作有什么價值和幫助？
以產品研發部一個真實存在的工作場景舉例。
背景：#A#系列手機已經賣了3個月了，出貨量已接近百萬。其中，#A#系列手機在天貓有86111條（近一個月），京東有32萬+條（累計），如下圖。產品總監需要一份詳盡的客戶體驗報告。
產品總監：小李，我們的手機#A#系列在天貓京東等各個平臺開賣3月了，你調研下客戶對手機產品功能的使用反饋,周五寫個總結報告給我。
小李：啊，周五？今天周三……
產品總監：對，越快越好。
小李：好……（T^T）
小李OS：幾十萬條評價這怎么調研？從中隨機抽取一定比例做樣本？會不會以偏概全？但我也不可能一條條看完分類統計？這得花多長時間才能做完??？
碰巧，商業數據分析部門上個月剛采購了一套數字化客戶體驗管理系統，小李發現正好滿足本次調研的需求。
#A#系列智能手機客戶體驗評價分類指標數據圖
從圖表中能看到，客戶對#A#系列的整體評價正面評價偏多。吐槽和認可最多的分別是「操作系統、電池、外觀、拍照」功能。
進一步數據下鉆。
小李對「操作系統」指標進行「數據下鉆」后，發現負面評價的用戶吐槽操作系統最多的是「手機卡屏卡頓、沒有呼吸燈、自帶軟件太多」等等。
數據下鉆：操作系統-負面詞頻圖
對操作系統負面評價進一步數據溯源時發現情況還挺嚴重，客戶吐槽的很厲害。
原始數據源追溯：操作系統-單條負面評價
如果客戶把這些“抱怨”到朋友圈、微博這將對#A#品牌是極大的破壞。小李將該問題第一時間反饋給上級，協助開發測試部門定位問題，并與客服部商量主動聯系負面評價客戶提供補償措施。
「客戶體驗評價」是一個待挖掘的數據寶庫，AI數字化客戶體驗管理則能最大限度的開采它的價值，驅動企業進入黑客增長3.0時代。
- END -
云聽CEM（Customer Experience Management）是深圳視界信息技術有限公司基于人工智能技術研發的客戶體驗管理平臺，云聽CEM利用人工智能技術（DL、NLP）跟蹤分析全渠道、全生命周期的客戶反饋數據（電商評價、社交媒體、問答平臺、論壇貼吧、新聞媒體、客服電話錄音、調查問卷等），洞察消費者行為和喜好，幫助產品、市場、客服、電商、品牌等各部門以客戶體驗數據分析結果為決策依據。
