這波疫情的反撲，對(duì)不少企業(yè)業(yè)務(wù)的影響還在持續(xù)。借此機(jī)會(huì)，也讓我們重新思考客戶服務(wù)的含義，審視企業(yè)的核心競(jìng)爭(zhēng)力，對(duì)客戶旅程和滿意度指標(biāo)的檢驗(yàn)，也從滿足客戶想要的，變成解決客戶的迫切需求。

 

在危機(jī)時(shí)期進(jìn)行客企互動(dòng)，可能會(huì)立刻增加客戶信任感和忠誠度。企業(yè)如何關(guān)懷、關(guān)心客戶，并及時(shí)提供滿足其新需求的體驗(yàn)和服務(wù)，會(huì)成為新的客戶體驗(yàn)衡量指標(biāo)。

 

為了幫助大家更好地用好數(shù)據(jù)這把武器，【體驗(yàn)官俱樂部】第三課我們?cè)俅窝?qǐng)到了倍市得客戶成功總監(jiān)徐敏恒老師來跟大家講講“那些更懂你的數(shù)據(jù)模型”。

 

數(shù)據(jù)模型，這是一個(gè)當(dāng)下熱門的詞，企業(yè)非常需要那些可以通過數(shù)學(xué)模型抽絲破繭在海量數(shù)據(jù)中找到“證據(jù)”的人才，因此這也創(chuàng)造了很多高薪崗位。

 

今天我們就一起聊一聊，數(shù)據(jù)模型和我們的體驗(yàn)管理究竟有著哪些密不可分的關(guān)聯(lián)。

 

正式開講前，徐老師依舊為大家推薦了一本書——《動(dòng)機(jī)與人格》，這本書出自馬斯洛，美國著名社會(huì)心理學(xué)家，“需求層次理論”也正是出自這本書。

人是一種不斷需求的動(dòng)物，除短暫的時(shí)間外，極少達(dá)到完全滿足的狀況，一個(gè)欲望滿足后往往又會(huì)迅速地被另一個(gè)欲望所占領(lǐng)。人幾乎總是在希望什么，這是貫穿人整個(gè)一生的特點(diǎn)。

在這樣的特點(diǎn)下，對(duì)于我們企業(yè)與品牌方而言，如果我們通過各類方法收集到我們的客群聲音后，是否有些什么其他方法來輔助我們明確下一個(gè)決策機(jī)會(huì)呢？

 

數(shù)據(jù)模型了解一下！

 

在第一期的直播中我們提到了如何采集一份高質(zhì)量的體驗(yàn)數(shù)據(jù)，在我們不知道消費(fèi)者下一秒會(huì)在哪出現(xiàn)的時(shí)候，問卷就是來采集這種廣域未知客群心聲最好的方法之一。

 

如何將這些采集回來的數(shù)據(jù)更好地展現(xiàn)在管理者的面前呢？相信很多伙伴第一印象就是可視化，通過采集后的數(shù)據(jù)，把消費(fèi)者的心聲匯集歸攏以報(bào)表的形式展現(xiàn)出來。

 

但是我們常說數(shù)字化客戶體驗(yàn)的內(nèi)核不僅是收到這些數(shù)據(jù)，而且還要用好這些數(shù)據(jù)。數(shù)據(jù)本身沒有價(jià)值，能被有效加工運(yùn)用的數(shù)據(jù)才有價(jià)值。

 

我們期望通過這些數(shù)據(jù)去了解我們的消費(fèi)者想表達(dá)什么，而不僅僅是他/她是否滿意，為什么和怎么做才是核心。

 

CEM與問卷數(shù)據(jù)的關(guān)聯(lián)性

 

我們通過問卷采集回來的數(shù)據(jù)分析類型一般分為三種：

? 考核類指標(biāo)：NPS、CSAT滿意度、費(fèi)力度等等；

它們往往通過環(huán)比同比等來找到某個(gè)問題的發(fā)生區(qū)域或者時(shí)間范圍等等，輔助我們縮小范圍。

? 算法驗(yàn)證類：KANO，聯(lián)合分析，效度分析等；

這是幫助我們挖掘數(shù)據(jù)背后含義和價(jià)值的方法，里面蘊(yùn)含著百余個(gè)數(shù)據(jù)模型，我們通過數(shù)模去挖掘客戶的聲音，這就是最好的幫手。

? AI語義分析：將文本通過AI輸出情感分析與詞云等

 

所以通過一系列的整理我們發(fā)現(xiàn)想要進(jìn)一步的分析我們的體驗(yàn)數(shù)據(jù)，可視化的下一步，數(shù)據(jù)模型是最好的幫手。

 三個(gè)常用的數(shù)據(jù)模型

今天也為大家挑選了3個(gè)簡單易懂常用的模型，幫助我們更好地理解如何通過數(shù)據(jù)模型來挖掘價(jià)值：

? 聯(lián)合分析

? MaxDiff

? KANO模型

常用模型之聯(lián)合分析

在執(zhí)行聯(lián)合分析時(shí)，我們一般會(huì)有以下兩個(gè)基本假設(shè)：

? 消費(fèi)者會(huì)購買總效用最高的產(chǎn)品（效用值是一個(gè)衡量受訪者對(duì)產(chǎn)品、服務(wù)某個(gè)屬性水平的偏好程度。）

例如：以我們常見的餐廳滿意度來說，是什么因素決定或者影響到了你的服務(wù)。

? 消費(fèi)者會(huì)遵循補(bǔ)償性決策過程。

簡單來說，產(chǎn)品的正面屬性可以彌補(bǔ)負(fù)面屬性，也就是客戶愿意做出取舍。

# 模型的應(yīng)用價(jià)值 #

聯(lián)合分析，就是在有多種屬性的復(fù)雜組合中，梳理出消費(fèi)者選擇過程中不同屬性的相對(duì)重要性，以及最終偏好的屬性組合。

舉個(gè)例子

當(dāng)我們想要對(duì)幾款飲料的屬性進(jìn)行評(píng)估，我們可以先講幾種飲料的屬性做一個(gè)排列組合（枚舉下圍繞飲料產(chǎn)品在口味、價(jià)格、容器和品牌）。接著去圍繞這9種組合來設(shè)計(jì)一套問卷回收數(shù)據(jù)。

通過聯(lián)合分析對(duì)回收回來數(shù)據(jù)進(jìn)行分析，我們會(huì)得到兩個(gè)數(shù)值（效用值和重要性）。

                                                            （僅為案例示意所用）

這組結(jié)果數(shù)據(jù)，我們看到容器這個(gè)屬性對(duì)整款產(chǎn)品的影響最大，而且對(duì)比了下效用值，發(fā)現(xiàn)罐裝>瓶裝，人們更偏向于罐裝飲料。

此外反過來看，發(fā)現(xiàn)飲料的價(jià)格重要性最小，而且我們通過效用值可以得到大家更偏向于便宜和中等價(jià)位的飲料。

常用模型之MaxDiff

 

MaxDiff可以用來挖掘受訪者對(duì)于產(chǎn)品屬性的偏好程度。

 

# 模型的應(yīng)用價(jià)值 #

MaxDiff （最大化差異度量）是一種市場(chǎng)調(diào)研的研究方法，用于了解受訪者對(duì)產(chǎn)品屬性的偏好程度。

效用值可以直觀看出受訪者對(duì)屬性的偏好程度：值為“正”意味著該屬性被選為最具吸引力的次數(shù)多于最不吸引人的次數(shù)，值為“負(fù)”意味著該屬性被選為最不吸引人的次數(shù)比最吸引人的次數(shù)要多。

舉個(gè)例子

某飲食行業(yè)品牌公司欲了解消費(fèi)者對(duì)零食的偏好。一共有八個(gè)偏好對(duì)象指標(biāo)，通過受試者指出“最好的”和“最差的”偏好對(duì)象，來對(duì)各產(chǎn)品屬性的偏好程度進(jìn)行評(píng)估。

通過MaxDiff分析后發(fā)現(xiàn)，“口味”的偏好份額值越大，更受用戶重視；而“配料”的偏好份額最小，容易被用戶忽略。我們需要最優(yōu)先加大對(duì)產(chǎn)品口味的投入，來超出他們的期望。

                                                               （僅為案例示意所用）

常用模型之KANO模型

上面兩個(gè)模型幫助我們了解消費(fèi)者對(duì)產(chǎn)品/服務(wù)的屬性偏好或重要程度，那么Kano模型則是對(duì)用戶需求分類和優(yōu)先排序的一個(gè)工具，為我們解決產(chǎn)品/服務(wù)需求和滿意度之間的關(guān)系。

 

# 模型的應(yīng)用價(jià)值 #

KANO模型的內(nèi)涵，就是認(rèn)為能夠消除消費(fèi)者不滿（消除低分）和提升消費(fèi)者滿意（高分提升）的因素不一定是一樣的。

KANO模型我們將產(chǎn)品服務(wù)的特性分為五類：

● 基本（必備）型 —— 客戶認(rèn)為產(chǎn)品“必須有”的屬性或功能

● 期望（意愿）型 —— 是指顧客的滿意狀況與需求的滿足程度成比例關(guān)系的需求，此類需求得到滿足或表現(xiàn)良好的話，客戶滿意度會(huì)顯著增加

● 興奮（魅力）型 —— 不被顧客過分期望的需求

● 無差異型質(zhì)量 —— 不論提供與否，對(duì)用戶體驗(yàn)無影響

● 反向（逆向）型質(zhì)量 —— 引起強(qiáng)烈不滿的質(zhì)量特性和導(dǎo)致低水平滿意的質(zhì)量特性

隨著滿足顧客期望程度的增加，顧客滿意度也會(huì)急劇上升，并且一旦得到滿足，即使表現(xiàn)并不完善，顧客的滿意狀況也非常高。

通過KANO的算法處理，會(huì)得到兩個(gè)系數(shù)，better系數(shù)和worse系數(shù)。

Better的數(shù)值通常為正，正值越大/越接近1，則表示用戶滿意度提升的效果會(huì)越強(qiáng)，滿意度上升得越快。Worse則相反，其負(fù)值越大/越接近-1，則表示對(duì)用戶不滿意度的影響最大，滿意度降低的影響效果越強(qiáng)，下降得越快。在Kano模型中我們一般會(huì)最后得到一個(gè)散點(diǎn)圖，有四個(gè)象限：

第一象限：better系數(shù)高，worse系數(shù)也很高。落入這一象限的屬性，我們稱之為是期望屬性，即表示產(chǎn)品提供此功能，用戶滿意度會(huì)提升，當(dāng)不提供此功能，用戶滿意度就會(huì)降低，這是質(zhì)量的競(jìng)爭(zhēng)性屬性，應(yīng)盡力去滿足用戶的期望型需求。提供用戶喜愛的額外服務(wù)或產(chǎn)品功能，使其產(chǎn)品和服務(wù)優(yōu)于競(jìng)爭(zhēng)對(duì)手并有所不同，引導(dǎo)用戶加強(qiáng)對(duì)本產(chǎn)品的良好印象。

第二象限：better系數(shù)值高，worse系數(shù)絕對(duì)值低的情況。落入這一象限的屬性，稱之為是魅力屬性，即表示不提供此功能，用戶滿意度不會(huì)降低，但當(dāng)提供此功能，用戶滿意度和忠誠度會(huì)有很大提升。

第三象限：better系數(shù)值低，worse系數(shù)絕對(duì)值也低的情況。落入這一象限的屬性，稱之為是無差異屬性，即無論提供或不提供這些功能，用戶滿意度都不會(huì)有改變，這些功能點(diǎn)是用戶并不在意的功能。

第四象限：better系數(shù)值低，worse系數(shù)絕對(duì)值高的情況。落入這一象限的屬性，稱之為是必備屬性，即表示當(dāng)產(chǎn)品提供此功能，用戶滿意度不會(huì)提升，當(dāng)不提供此功能，用戶滿意度會(huì)大幅降低；說明落入此象限的功能是最基本的功能，這些需求是用戶認(rèn)為我們有義務(wù)做到的事情。

通常情況下產(chǎn)品開發(fā)的優(yōu)先級(jí)為：第四象限>第一象限>第二象限>第三象限。

舉個(gè)例子

電腦應(yīng)該是大家日常辦公生活中最常用的工具之一，廠商各顯神通來滿足不同細(xì)分市場(chǎng)和客群中的需求。那對(duì)于研發(fā)公司而言，電腦有很多種市場(chǎng)需求，比如：速度快、防水、外形新穎、存儲(chǔ)空間大。

我們?nèi)绻x用什么樣的組合方案來回饋市場(chǎng)的聲音以超出消費(fèi)者的預(yù)期呢？

根據(jù)計(jì)算我們發(fā)現(xiàn)有三個(gè)屬性落在第二象限，有一個(gè)屬性落在第四象限。我們會(huì)針第二象限的三個(gè)屬性進(jìn)行優(yōu)先級(jí)排序，比如要先關(guān)注防水；杯子里水翻了我們的文檔別沒了。

                                                            （僅為案例示意所用）

總結(jié)

聯(lián)合分析，可以在服務(wù)項(xiàng)中找到影響體驗(yàn)的重要要素；

MaxDiff，可以通過分析了解消費(fèi)者的偏好；

而KANO可以對(duì)需求和滿意度進(jìn)行結(jié)合，找到最優(yōu)解決/實(shí)現(xiàn)的功能來滿足消費(fèi)者。

我們不要只關(guān)注事后的投訴處理，應(yīng)該通過數(shù)據(jù)和我們的經(jīng)驗(yàn)在更前面的階段滿足我們的消費(fèi)者，用好的辦法幫助我們提升消費(fèi)者的提升以驅(qū)動(dòng)增長。

學(xué)會(huì)這些方法，我們就可以讓增長持續(xù)下去。