2023客户体验管理白皮书

概念：后疫情时代客户体验的变化

1 消费者端对客户体验感知现状调研

1.1 调研背景

2022年，为了真实还原国内客户体验管理现状，倍市得深入各行各业体验管理实践一线开展了相关调研。

2023年，为了了解消费者对于日常消费产品和服务的购买及使用体验感受、体验期待以及不同感受所带来的影响；并由此挖掘他们对于能够带来良好体验的品牌所应具备的要素与特质认知。倍市得于3月启动了面向消费者端的客户体验调查项目，本次项目覆盖了医院/诊所、在线教育、影视平台、酒店、保险、互联网服务、公用事业、软件/信息技术、零售、银行、百货/超市、物流运输、餐饮、汽车、文旅/影院、航空、智能电子设备等17个日常消费领域。

资料来源：倍市得

本次调研采取网络调研的形式，依托于倍市得活跃的在线样本库资源，面向中国大陆地区一到三线城市消费者在线投放问卷，共计回收了3932份有效样本。

1.2 产品/服务体验感知现状：超五分之一消费者并不满意，体验提升任重道远

在本次调研中，被访者基于其自身体验，对于17大领域中产品和服务的购买和使用体验，按照0~10分进行满意度评价。其中0~6分认定为不满意，打该段分数的人群占该领域全体人群的比例为不满意率。9~10分为满意，打该段分数的人群占该领域全体人群的比例为满意率。

调研结果显示，17大领域产品/服务的平均购买及使用不满意率均为21%，意味着平均有超过五分之一的被访者对其经历过的购买和使用体验打分在6分以下。这一结果提示，当前的产品和服务质量无法充分满足消费者体验的要求，体验水平还有很大提升空间。

在17大领域中，医疗体系目前的体验不满意率最高，特别是在其“购买体验”上——这与我们日常感知到的“挂号难”、“看病难”的问题相呼应。而手机、平板等智能电子设备的总体不满意率最低，提示高科技产品的快速迭代能够有效改进用户体验，降低不满。

对比购买与使用，可以发现医院/诊所、在线教育、保险、酒店和互联网服务（如无线、宽带等）的购买不满意率均超过了使用不满意率。而上述领域往往在购买决策阶段，需要花费较长的思考、等候或学习时间，并且购买过程也相对复杂，导致了体验步骤的增加或流程的延长。因此未来在这些领域，品牌应注意对购买流程的简洁化和顺畅化梳理。银行、文旅/影院、航空等领域，则是“使用体验”的不满意率明显高于“购买体验”，说明在这些领域，未来应注意产品使用或服务过程的质量提升。

数据来源：倍市得

1.3 体验不佳带来的风险：复购流失风险3倍于平均水平，消除不满的紧迫性高

遭受不满体验的群体，其减少或终止复购的意愿明显高于平均水平（是平均水平的3倍左右）。由此可见，体验不佳会显著提升复购流失风险。

数据来源：倍市得

其中，航空业的“购买体验”不满所引发的流失风险明显更高，达到行业平均水平的4.90倍。说明该领域需要高度重视在购票阶段的便捷性和体验感。

而在零售行业中，“使用体验”不满所带来的复购流失风险，是行业平均水平的3.01倍，比“购买体验”不满带来的流失风险高29.7%，差距最大。说明在零售端，产品和服务的品质更为重要。

另外，患者去医院/诊所就诊具有“刚需性”，所以尽管对于医院/诊所的不满意率较其他行业偏高，但其带来的复诊率损失却依然较少。

1.4 满意体验带来的收益：复购增加机会1.3倍于平均水平，复购提升需要惊喜体验

拥有满意体验的群体，其增加或升级复购的意愿是平均水平的1.3倍左右。尽管也有明显的提升，但可以看出其提升力度不如体验不佳时的下降风险。

数据来源：倍市得

医院/诊所是用户体验满意度整体偏低的领域，因此一旦找到一家让用户感到满意的医院/诊所，则更容易选择同一家医院复诊，形成较高的粘性。

除医疗体系外，其他领域购买和使用满意者的复购收益相对接近，在1.13~1.71倍之间；相较体验不佳所造成的复购损失的幅度（3倍左右），单纯体验满意度的提升对于品牌粘性的增加具有一定的局限性。由此可以看出：

• 体验管理优先考虑的应是消除负面体验；
• 如果想要让消费者复购意愿有更明显提升，不能单纯地提升客户满意度，还需要考虑诸如制造惊喜、形象传播、圈层效应等综合措施的效果。

1.5 “精准”是客户对企业体验运营的核心期待

既然体验对于复购有着显著的影响，那么做好客户的体验管理就成为各赛道企业需要关注的问题。而能够给客户带来良好体验的品牌或产品，应该做到哪些要求呢？

目前，国际上越来越重视“共情”在体验管理中的作用，认为只有与客户共情，才能够真正理解他们的需求、进而带来他们所期待的体验。在本次调研中，我们发现，对于中国消费者来说，“精准”才是他们更关注的、能够带来良好体验的跨行业品牌能力。

从这个角度可以看出，虽然市场上一直强调“精准营销”、“精细运营”、“定制服务”，但从客户端的实际体验来看，在个体体验的针对性方面还是有待加强。

数据来源：倍市得

从不同行业的视角来看

对于“精准”能力的要求，在不同行业中都是最高的，特别是对于文旅/影院、零售和互联网服务领域。除此以外：

• “人性化”是仅次于“精准”的要求；
• 在保险、银行和汽车等对于资金和人身安全有着较高要求的领域，品牌提供良好体验的前提是具备“安全”保障；
• 在航空领域，良好的客户体验需要更强的“倾听”和较高的“共情”能力。

数据来源：倍市得

从不同年龄客群的视角来看

“精准”在不同的年龄段客群中都是排名靠前的诉求。其中，年龄越大，对“精准”的要求会有所降低，但同时对“安全”和“区隔”（即独特文化）的要求则有所提升；反之，越是年轻，对“精准”与“共情”能力的要求越高。

数据来源：倍市得

从“精准”与“共情”的同步变化趋势，也提示二者存在着必然的联系。只有首先“精准”了解客户的需求，才有可能真正“共情”，进而为客户提供更优质的服务与产品。

1.6 “信任感”与“便捷性”是高体验品牌应带来的基础感受

什么样的体验才是真正良好的体验，好体验带来的感觉又是怎样的呢？从本次调研中可以发现，客户期待高体验品牌能给他们带来的感受中，“信任感”和“便捷性”是表现最为突出的。这一趋势在不同领域和不同客群中是一致的。“信任感”是让人能够放心选择和使用的基础。而在互联网与信息技术加速升级的背景下，当今中国社会的生活和工作节奏也变得越来越快、生活内容变得越来越多元精彩的情况下，“便捷性”也日益成为好体验的“刚需”感受。

数据来源：倍市得

1.7 在“顺畅”与“沉浸”之间，客户更期待顺畅

Luke Williams（Qualtrics XM Institute高级顾问）认为，好的品牌体验，需要基于其市场份额，在“极致顺畅”与“深刻沉浸式”体验中寻找平衡。

本次调研中发现，中国消费者对于“顺畅感”的追求（43.9%）明显高过“沉浸感”（28.8%）。由此提示，即便是企业想要为客户提供让其印象更深刻的沉浸式体验时，首先也需要确保这种“沉浸”过程更顺畅。

在不同领域中，客户对于“顺畅感”的要求比较一致，但在对“沉浸感”要求上则有所不同。例如，软件/信息技术赛道、航空和汽车领域，客户期待获得更高的“沉浸感”；而在百货、医院、餐饮、物流等领域，则客户的好体验来源并不在于此。

数据来源：倍市得

2 客户体验相关产品与运营的“精准化”趋势

随着市场竞争的加剧，品牌方越来越关注如何实现精准营销、私域运营。然而，目前行业中普遍存在的最大问题是互动不足。对于部分行业，品牌方跟顾客甚至是割裂的，要通过经销商开展用户调研或体验数据采集，导致品牌活动或品牌主张得不到充分传达，也无法了解精准人群的一手反馈。同时，在工具层面和业务层面上，品牌方也缺少有效的运营体系和工具抓手，无法持续高效地进行私域运营，从而保持客户粘性，最大化全生命周期价值。

为了更好地主动发起互动，并让互动更有温度、更日常化，体验运营应运而生。例如，快消、3C、汽车、金融等行业已经不满足于仅做满意度监测，而是把品牌服务和运营活动直连到客户，盘活客户资产；并且借用专业的客户体验管理（CEM）平台，让互动形式更丰富多样、主题设定更灵活便捷、活动管理更高效闭环。

以汽车行业为例，很多汽车品牌拥有车主社区，而CEM正是用户运营人员发起品牌活动的最佳阵地，品牌方可以快速发起车友活动、电商购物、保养政策、主题日活动等，轻松实现用户分级、活动推送、招募报名、体验反馈、权益兑现等全链路运营管理。

与传统的私域运营相比，CEM的优势在于：

①能够通过用户足迹和标签，更快地帮助品牌进行客户分群，通过精准的营销手段来提高不同客户群的客户体验感；通过针对性运营，提高客户粘性。

资料来源：倍市得

资料来源：倍市得

②更注重品牌活动给客户的真实感受，在例如活动预热、产品内测、专项调研等各个环节都可以同步收集客户当下的体验反馈数据，而信息收集越实时，反馈就越有价值，能帮助品牌方在过程中进行管控、干预和动态调优。

③赋能更有温度的品牌活动，如锁定精准的核心营销客群，开展品牌体验官、品牌大使活动，CEM不管从数据还是工具，都提供了完整的路径和全面的功能。

资料来源：倍市得

客户：以客户体验为中心的互动模式

1 客户标签体系与客户画像建模

1.1 客户体验管理需要怎样的客户标签体系

了解客户被认为是做好客户体验管理的起点。

与格物致知类似，了解客户需要从不同的维度出发，确定客户在每个维度的具体表现，这些维度就是我们通常所说的客户标签。根据客户体验管理的目标，品牌需要选择恰当的客户标签集合，构建合理、有效的结构，从而形成客户标签体系。因此，明确的客户体验管理目标、恰当的客户标签集合以及合理的体系运作机理，是构建客户标签体系的三个重要原则。

资料来源：倍市得

客户体验管理，通常被定义为“战略性地管理客户对产品或公司全面体验的过程”。战略性、全面、过程是其中三个重要的关键词。

因此，客户标签体系首先要能承接品牌的体验战略，明确体验价值和品牌承诺在客户身上的具体呈现形式，从而形成客户标签体系的初始范围和方向。

其次，通过梳理一系列品牌产品、服务的客户接触点，进一步明确客户标签体系的具体内容，形成客户标签集合。

最后，理想的客户体验一定是由一系列舒适、欣赏、赞叹、回味的过程组成，因此，客户标签体系的运作机理也将与之对应，复现不同客户在此过程中的不同体验。

资料来源：倍市得

1.2 To B和To C客户标签体系异同

品牌需要明确的是，产品和服务是将品牌承诺传递给客户的价值载体，无论To B或者To C，其本质目标都是解决客户问题、满足客户预期。因此，B端和C端客户标签的差异主要在于客户问题和客户预期的不同，只有明确这些不同之后，品牌才能构建更符合客户需求和业务特点的标签体系，从而能够更有的放矢地进行下一步的决策，并在市场竞争中更好地寻求差异化竞争的机会和突破。

对于B端客户来说，内部使用产品和服务的角色众多，他们的核心需求都是降本和增效。因此，B端客户标签的目的是针对不同业务环节中具有类似需求的客户进行更加立体的需求挖掘。

以“采购某客户体验管理（CEM）平台”为例，该系统面向的使用对象覆盖企业高层到一线员工，业务范畴涵盖用户研究、客户服务、运营管理、产品研发、市场营销等，基于不同使用对象的工作场景不一样，对该系统的需求也大相径庭。

在B2B的客户旅程中，采购方和使用方往往不是同一批人，约有3至5个部门会影响B2B采购决策。因此，在为该系统构建客户标签体系时，通常会考虑以下几种客户角色：

资料来源：倍市得

• 领导者

通常是决策购买客户关系管理系统的人，可能是董事长、CEO或某个业务线的负责人。他们对客户体验管理系统的后台使用频次很低，主要的使用场景聚焦在前端的报表展现及分析页面，更关注其能否给公司的业务带来帮助，降低成本或者提高效率。因此，在构建领导者的客户标签时，需要以其所负责业务的成本和效率为导向，构建相对标准化的客户标签体系。

• 使用者

真正频繁使用客户体验管理系统的部门，如客服中心、用研部、运营部、产研部、市场部等，也正是该系统的厂商想要提升自身产品体验要瞄准的直接人群。使用者更关注产品的具体使用场景、易用性和工作效率，在为使用者构建客户标签体系时，需要重点关注具体场景的使用需求，构建具有差异化且足够丰富的标签体系。

• 支持者

不直接使用客户体验管理系统但需要支持其正常运转的人群，如企业内部的技术部、财务部等，对于支持者的客户标签体系构建，需要重点关注他们的特定任务，找到匹配的标签即可。

综上所述，精准区分各个客户角色的身份、构建客户标签体系，收集反馈并不断改善，也是To B业务实现客户体验管理改善的重要步骤。

1.3 如何构建精准化的客户标签体系

客户标签体系的对象，指的是标签用于描述的实体，比如客户、商品、渠道等，对应建立的就是客户标签体系、商品标签体系、渠道标签体系等。同时，需要明确不同对象之间的关系，例如，某客户在线上购买商品，那么三类标签体系就会产生相互关联的作用，比如当客户为Z世代群体且通过线上渠道购买潮流商品时，可以进一步迭代出该客户群体的消费偏好标签。

1.3.2 设计标签类目

为了进一步梳理不同对象的标签体系，需要针对不同对象建立标签体系的分类。不同分类的建设通常基于业务需求、数据建设情况以及所在行业的通用模板。例如，对于客户标签体系，可以分为：基本属性、兴趣特征、行为特征、态度特征、需求特征、营销价值等，之后根据不同的分类，再对标签做进一步的细化和下拆，如下：

资料来源：倍市得

标签内容通常包括标签的定义、标签的分类、标签的范围、标签值、标签口径、标签运营等内容。

• 标签定义：标签的名称、所描述的对象等；
• 标签分类：标签包含的分类或者标签所属的分类，如上文所述的基本属性、兴趣特征、行为特征、业务偏好等等；
• 标签类型：相当于标签的标签，比如事实类、数据类、预测类、原生类、衍生类、单一类、组合类等等；
• 标签值：每个标签的取值或取值范围，比如根据消费频次确定“沉睡、普通、活跃”等客户标签时，需要确定每个标签对应的消费频次范围；
• 标签口径：指标签值的获取、清洗、统计等具体流程或方法，例如通过客户交易记录获取标签值；
• 标签含义：确定标签代表的业务、营销、运营等方面的意义；
• 标签运营：包括标签的更新周期、更新优先级、业务方/使用方/运营方等，以确保标签的有效性和实用性。

1.4 利用客户标签体系进行客户分群与客户分层

客户分群是把具有某个或某些相同特征的客户组成一个共同的群体，例如年轻群体、银发群体、时尚群体等；客户分层则是根据客户的某一特征划分层次，不同层次的客户具有不同性质或特征，例如会员体系中不同的会员等级、客户价值分类中不同的客户价值等。

无论客户分层还是客户分群，都应依据业务需求、行业特征或者标准化的模型来进行，以此确保分层/分群结果的可落地性和对业务的指导意义。

客户标签体系的建立能显著提升客户分群和客户分层的效率和准确性：

①通过客户标签体系，可以快速定位具有相同标签或者相同标签组合的客户，并形成一个共同的群体，完成客户分群；

②对具有相同标签分类（通常要求该标签分类有明确的等级秩序）的客户，可以根据该分类下不同标签代表的实际含义，将这些客户分成不同的层级；

③根据标签构建时的精细化程度和标签值定义，也可以对多个不同标签进行交叉组合形成新的标签，并定义新标签的含义和标签值，进而迭代出更加系统化的客户分群和分层结构；

④根据标签运营的更新规则，客户分群和客户分层的结果也会随之更新，以契合业务改善、经营管理以及品牌营销的需要。

1.5 以ABC客户价值模型定位高价值用户

资料来源：倍市得

前面介绍过，不管是客户分层还是客户分群，都可以运用标准化的模型来进行细分。

为帮助企业衡量客户价值、定位高价值客群，倍市得研究团队开发了专利模型——ABC客户价值模型。该模型由态度因子（Attitude）、行为因子（Behavior）和消费因子（Consumption）三大要素构成，通过三者之间彼此表现与关系的变化，对客户现有及未来价值进行评估，并在此基础上，对客户进行细分画像，最终定位高价值用户。

客户价值分析，由态度要素、行为要素和消费要素这三大要素，结合基础人口特征构成。其中：

• 态度要素：客户对品牌/产品的消费理念；
• 行为要素：客户对品牌/产品的消费场景；
• 消费要素：客户对品牌/产品的购买情况；

与此同时，模型的分析过程还需要遵循假设形成-假设验证-画像形成的标准化流程，分别是：

• 假设形成：对四大类要素进行交互分析，对用户细分的维度和结果形成初步假设；
• 假设验证：利用聚类分析等统计分析方法，对四大类要素进行分类、验证用户细分假设，并基于结果对用户细分的维度进行完善、调整；
• 画像形成：基于统计分析结果，结合客户关注焦点，以及定性及定量中的其他研究发现，最终形成完整的细分用户画像。
• ABC客户价值指数的计算方法：
• A－态度：对比不同客户群体对该品牌的满意度和推荐度，计算得到态度指数；
• B－行为：对比不同客户群体对该品牌的常用户比例，结合各群体规模，计算得到行为－规模指数；
• C－消费：对比不同客户群体对该品牌的平均花费及平均钱包份额占比，计算得到消费指数；
• 综合价值指数：将A/B/C三大指数标准化后（确保三大指数的评分标准一致），将三者纳入计算，获得综合价值指数，并按该指数进行客户价值排名。（指数本身得分的绝对值高低无意义，排名有意义）

ABC客户价值模型应用案例：

下图展示了ABC模型在进行客户价值评估时的输出示例。左侧通过气泡图的方式展示ABC模型的三个维度，其中客户态度指数（A）和消费指数（C）作为横轴和纵轴，行为指数（C）则用气泡的大小来呈现，以此直观呈现不同类型客户在ABC三个维度上的差异；右侧则直接呈现加权后的ABC指数，通过单一指标量化的方式比较不同类型客户的ABC价值，为客户运营和营销策略提供参考。

资料来源：倍市得

在快节奏的今天，消费者的大脑每天被各种各样的信息轰炸，大多数都是无用的群发广告、标题党新闻等；但我们的注意力是有限的，因此消费者不会接收到所有的信息，只会看到或者听到他们想看、想听的东西。当消费者意识到这个内容与自身高度关联时，才会增加其打开的欲望。

并且相较于广撒网的方式去开发潜客以及信息轰炸的方式去激活老用户，有目的的精准投放才是企业更准确、更可衡量、更低成本、更高回报的运营方式。

因此，在“精准”地定义用户之后，根据标签体系精准投放，定向回收答卷数据，并结合交易等数据展开分析，才能准确把握细分客群，避免给客户带去过多的信息打扰。因此，客户资料越是统一、客户数据捕获越实时、互联，那企业得到的反馈就越深入、越可行。

所以，这里我们所说的精准触达客户正是指**对合适的人群、在合适的时机、用合适的方式发送合适的消息，达成可归因的目标。

2 如何精准触达客户

2.1 精细化圈选触达人群

随着流量红利逐渐消失，获取新流量越来越难，留住老客户对于品牌复购、口碑宣传的意义更加明显，也激发品牌运营策略上从粗暴的“流量收割”转为更加精准化的“客户运营”，运营重心也更加关注客户和客户体验本身。

在私域流量的浪潮里，让体验驱动复利，成为品牌区别于同类竞争品牌的另一个重要标志。

企业根据用户在私域平台上发生的行为、特征及产生的结果，对私域客户进行分层或打标签。而基于精准的客户标签体系及客户画像建模，再通过这些特征去圈选人群，进行定向投放，帮助企业与品牌更高效率、低成本地实现私域流量的反馈收集、体验提升、业务升级。

①基于用户画像标签手工圈选

正如第一节中提到的通过客户标签体系，可以快速定位具有相同标签或者相同标签组合的客户，并且对具有相同标签分类的客户，根据该分类下不同标签代表的实际含义，将这些客户分成不同的层级。

企业可以通过手工圈选的方式，将符合调研范围的标签进行一一圈选，确保触达到的人群更加精准。

举例：某日化公司想要了解其女性用户对于某高端线新品的兴趣度和购买意愿，可以通过标签筛选出“化妆品爱好者”、“关注新品发布”、“有购买力”等，然后将针对该新品的问卷调查投放给这些被圈选的女性用户，从而获得更精准的客户洞察结果。

②基于用户行为/条件自动圈选

同样，企业可以在数字化系统中根据用户行为或条件，设置自动化圈选条件。当用户访问网站或应用的某个页面、花费一定时间或执行某项操作时，自动为客户标记圈选特征，企业可以根据圈选特征进行自动化触达，或是根据某个时间段内的圈选条件进行批量触达。

举例：某在线教育平台可以根据学生在学习过程中的行为，如完成一节课程、提交一项作业或者通过了一个测验，自动触发针对性的调研问卷。这一来样，企业可以更有针对性地收集学生的反馈和建议，进一步提升教育质量和用户满意度。

在公域环境下，企业同样可以使用用户画像系统进行人群特征的放大，将私域特征到公域上进行人群圈选，实现更精准的用户触达。

公域环境中通常会有一定的用户数据，例如性别、年龄、职业、地域、兴趣、偏好等等，企业可以根据这些数据选择合适的平台进行投放，从而实现对目标用户的圈选。例如，在针对新款化妆品做前期市场调研时，可以选取女性用户更多的公域平台进行触达。

企业还可以针对产品或服务的特点，通过搜索引擎或社交媒体等公域平台，筛选出与之相关的关键词，根据这些关键词对用户进行圈选。

企业也可以选择有固定受众的KOL去进行间接圈选，通过KOL的特征去缩小调研范围，实现精准触达。

2.2 选择合适的触达场景

场景是考验产品或运营能力的要素之一，即在什么情况下去触达消费者。这里我们将场景主要分为互动式场景及专题式场景两种。

2.2.1 互动式场景

互动式场景可以简单理解为：用户在与品牌的产品或服务上进行了互动，于是企业给予了及时回应。这里企业可以根据用户与品牌发生互动的业务场景，例如：营销场景、交易消费场景、物流场景、售后场景等，设置在这些场景下，自动触发调研问卷。

举例：某高端家电品牌针对消费者在品牌官方小程序购物旅程进行动态监测。因此，选择了【购买后】、【到货后】、【使用后7天】等作为动态回访的触点。当消费者完成这些结点后，会收到自动推送的调研问卷，品牌即可实时收集消费者在整个购物和使用过程中的最真实体验和反馈意见。

在进行专题调研时，则可以理解为品牌主动触达用户，可以结合专题的受众喜好和习惯，去筛选精准的触达客群。

举例：某零售企业要开展新品调研，可以根据客户平时消费的品类及参与调研的习惯，为不同喜好的客户推送不同的新品调研，确保回收数据的针对性和准确性。

资料来源：倍市得

2.3 选择高效的触达渠道

在确定合适的触达场景后，企业还需要选择高效的触达渠道，以确保问卷能够被准确地送达到目标受众手中。以下是几种常见的触达渠道：

2.3.1 线上渠道推送

企业可以盘点一下所有能够让客户接收调研的渠道，例如短信、邮件、微信、APP、小程序、社媒平台等等，从全量渠道中筛选客户最偏好的平台，进行消息推送。

资料来源：倍市得

①通过人际触点进行采集，在企业服务人员与客户发生互动的环节进行触达，比如大堂经理、前台接待人员、餐厅服务员等等，在服务开启或结束的节点，向客户收集服务意见。

②通过物理设备采集，比如取号机、VTM、ATM等，餐厅的点餐机、菜单、餐具等，在客户直接接触设备后，通过该设备采集客户的评价或反馈意见。

③通过数字物料，例如付款二维码、点单小程序、二维码海报等方式，将数据采集嵌入进客户与企业发生互动的过程中，让客户可以主动及时地反馈意见。

2.4 数据采集及回收

随着信息化技术在客户与客户体验管理领域的持续应用，海量的客户体验与心声源源不断汇聚，一方面为企业厘清客户需求、细化客户画像提供支撑，是企业价值巨大的数据资产；另一方面林林总总的渠道数据如何快速编译和整合，海量数据如何确保真实、准确，对企业来说却是巨大的挑战。因此高质量的回收数据成为了企业的必修课。

2.4.1 公域数据采集

客户往往选择舆情平台进行第一时间发声，企业可以通过舆情监测平台全量采集客户心声，通过关键词匹配，或是结合自己系统的客户信息进行账号匹配，得出更加精准的客户反馈。

在公域数据的采集中，企业需要根据需求明确采集的范围，包括采集的媒体类型、时间范围、地域范围等等。值得一提的是，为方便后续的分析和应用，需要对采集的数据进行分类和标注，如情感分类、事件分类等等。

“实时性”对于公域舆情数据采集来说也是非常重要的一点，这样才能帮助企业及时发现和处理各种信息，以避免事件发酵，形成舆情传播的风险。

这里还要强调一点，在公域数据的采集过程中，企业应该更多关注互动量，不能只是粗略地通过差评就得出结论，应该将客户细化、有针对性地去解决问题。

举例：某酒店通过舆情系统发现了很多关于酒店床垫的负面评论，客人认为酒店的睡眠体验不是很好。了解到这一情况后，酒店将客房原有床垫全部都替换成了一面软一面硬的床垫，客人可以根据自己的喜好来进行调整。这样一来，不仅消除了网上的负面评论，床垫反而成了酒店的新卖点。

如今，数字化的手段不断赋能私域流量的运营，而在私域体验数据回收的过程中，数字化的技术手段也带来了更多优势以兼顾回收的质量与效率。

与传统调研相对单一的筛选方式相比，基于场景和触点触发的在线调研增加了技术筛选手段，在投放问卷时就能精准圈定对应标签的人群，更加有助于提高问卷投放精准度、调研配合度等。

在答题质量上，通过答题时间监测、重复答案监测等技术手段更好地提升问卷回收的质量。并且更为生动有趣的互动方式能有效降低被访者答题疲劳感，提升答题完成度与效率。

企业在采集私域数据的过程中，也应当关注用户的体验和感受，避免用户因为过于频繁的问卷或者不恰当的调查等形式而感到不适。例如可以应用“投放免打扰”等功能，通过提前设置免打扰规则，来管理触达的边界。

无论是公域数据的采集还是私域数据的回收，亦或是企业内部运营数据的接入，如何使用这些体验数据、实现价值最大化，成为企业普遍面临的难题。

并且，随着企业对精细化运营诉求的愈发迫切，越来越多数据应用开始下沉至一线业务场景，实现业务数据的贯通闭环。一线业务人员需要快速响应客户服务诉求，提升服务效率，对数据分析能力（业务自助分析）的要求越来越高。因此，以客户体验为中心的分析模式的建立也成为了企业的新挑战。

分析：以客户体验为中心的分析模式

体验经济时代下，“以客户为中心”的企业经营方式是指专注于为客户提供全流程的优质体验，有助于实现提升顾客复购率、品牌忠诚度和促进业务增长等目标。

客户体验是企业与客户之间的互动过程，是客户感受企业或品牌的综合体验，并且客户体验是无形且感性的。

因此，客户体验分析可以帮助企业了解客户的实际需求和期望，发现客户在使用产品或服务过程中的问题和痛点，从分析中获得的结果可以用以改进产品/服务，甚至重塑客户旅程等。

客户体验分析的目的

客户体验分析可以在以下几个方面赋能企业：

• 深入洞察客户需求：通过对客户体验数据的分析，企业可以深入了解客户的需求、偏好、行为和心理等方面的信息，以便为客户提供更贴心、更有价值的产品和服务；
• 发现问题和优化机会：通过对客户体验数据的分析，企业可以及时发现产品或服务中存在的问题，从而采取措施进行改进，同时也可以发现优化机会，为客户提供更好的体验；
• 提高客户满意度和忠诚度：通过对客户体验数据的分析，企业可以了解客户的满意度和忠诚度，及时采取措施提高客户的满意度和忠诚度，增强客户与企业之间的关系；
• 市场分析和竞争对比：通过对客户体验数据的分析，企业可以了解市场趋势和竞争对手的表现，及时采取措施应对市场变化和竞争挑战；
• 挖掘新的业务机会：客户体验数据中不乏抱怨和建议，通过洞察此类反馈，并结合专项的调研分析和商机识别，可以挖掘新的业务机会，并进一步明确场景和人群。为进入市场做好准备。

1 客户体验分析的方法

通过上文对客户体验分析的主要目的阐述，我们可以简单地将客户体验分析的目的概括为：了解客户体验的现状和趋势，识别可能对客户体验有重要影响的产品、服务或过程的因素，以及改进的主要方向和重要程度等。为了要达到客户体验分析的目的，我们需要以“触点——场景——旅程”为经，以“外部视角——内部视角”为纬，将客户视角和业务视角相结合，通过分析客户在旅程中特定场景下的行为和情感，来深入了解客户的需求和期望，从而优化客户体验。

1.1 客户体验分析维度：触点

“客户触点”指的是在旅程场景里客户与企业或品牌互动的方式或渠道，包括线上和线下的交互方式。它们可以是购买产品或服务的过程，也可以是客户与企业或品牌之间的沟通渠道，例如电话、邮件、社交媒体等，还包括企业或品牌的广告、宣传、网站等。每个客户触点都为企业或品牌提供了与客户进行互动的机会，可以影响客户的满意度和忠诚度。

根据旅程场景的五大核心要素，结合场景里客户与企业或品牌的互动方式，客户触点通常可以分为物理触点、人际关系触点和数字触点三大类。

• 物理触点：是指客户在购买产品或服务的过程中，与产品或服务直接接触的物理环境和设施，例如店铺、展示柜、商品包装等。这些物理触点直接影响着客户对产品或服务的感受和评价，进而影响客户的满意度和忠诚度；
• 数字触点：是指客户在购买产品或服务的过程中，与企业或品牌通过数字渠道进行互动的过程，例如网站、APP、小程序、社交媒体、短信等。这些数字触点已经成为企业或品牌与客户沟通和互动的重要方式；
• 人际关系触点：指的是客户与企业或品牌的人员互动的过程，包括客户服务、销售、售后服务、投诉处理等方面的互动。这些人际关系触点对客户体验具有重要影响，因为客户在与企业或品牌的员工互动过程中，往往会产生积极或消极的情感体验。

以星巴克为例，我们可以从三大类型来拆解其客户触点：

资料来源：倍市得

1.2 客户体验分析维度：场景

“场景”是指客户在特定的环境中使用产品或接受服务的情景。这个环境可以是线下实体店铺，也可以是线上的网站、移动应用等等。在每个场景中，客户都会有不同的需求和期望，因此了解客户在特定场景中的体验是优化客户体验的关键。

例如，购物是一个常见的客户体验场景。在实体店铺中，客户会关注店铺的布局是否合理、商品的陈列是否吸引人，以及店员的服务质量等。而在网上购物的场景下，客户则更加关注网站的易用性、商品的描述是否准确、物流的快捷程度等。

场景具有时间、空间、人、事件、关系等元素，与客户体验相结合，客户体验场景的构成就可以分为以下五大核心要素：

• 环境：客户在不同的环境中会有不同的需求和期望，并且这里的环境可以指的是实体店铺、网站、移动应用、客服中心等等；
• 产品或服务：指的是客户使用的具体产品或接受的服务，这里包括产品的功能、设计、质量和服务的水平等；
• 互动：指的是客户与企业之间的互动方式，包括沟通方式、服务流程、反馈机制等；
• 情感：指的是客户在使用产品或接受服务的过程中产生的情感反应，包括快乐、满意、失望、愤怒等；
• 价值：指的是客户在使用产品或接受服务的过程中所获得的价值，包括物质价值和非物质价值。

详细分析每一个核心要素的组成内容将有利于我们精准识别客户的行为和情感，深入了解他们的需求和期望。

分析客户体验的环境要素时，需要关注在交互环境中影响客户体验的所有接触，以及这些接触过程中客户需求和期望的满足程度。

以实体环境要素为例，在分析时通常需要关注和分析交通位置、服务场所、服务设施等内容：

• 交通位置：顾客到达和离开服务场所的方便程度会对他们的整体体验产生重要影响。例如便利的公共交通、方便停车、周边环境的安全性等都对客户体验有着积极的影响；
• 服务场所：服务场所的外观和内部装修设计对客户的体验至关重要，包括店面、展厅、办公室、餐厅等需要考虑其设计、布局、装修、灯光温度等对客户体验的影响；
• 服务设施：服务设施的质量、配备、维护等也会对客户体验产生影响，如停车位、无障碍设施、舒适的座椅、洗手间、Wi-Fi等等。如果服务场所提供的设施和服务满足客户的需求和期望，顾客会更愿意在这里停留和消费，从而提高他们的满意度和忠诚度。

1.2.3 客户体验场景核心要素之产品和服务要素

产品：

产品是有形的消费对象，分析客户体验的产品要素时，需要关注在不同使用场景下的产品质量、设

计、价格、包装、售后服务、竞争优势等内容：

• 产品质量：产品质量是顾客对产品的最基本要求之一，需要关注产品的材料、制造工艺、生产标准等。顾客通常期望产品能够长时间使用且不容易出现问题，如果产品质量不好，顾客将会对品牌产生负面印象；
• 设计：产品的设计需要考虑客户的需求和喜好，包括外观设计、功能设计、用户体验设计等；
• 价格：价格是顾客决定是否购买产品的重要因素之一。产品的价格需要考虑客户的购买能力和市场竞争情况，制定合理的价格策略；
• 包装：产品包装需要考虑客户的购买决策和使用体验，包括包装材料、包装设计、包装标识等方面；
• 售后服务：产品售后服务需要考虑客户的使用体验和满意度，包括维修保养退换货服务、客户关怀等方面。如果企业能够提供快速、有效和周到的售后服务，可以增强顾客对品牌的信任和忠诚度；
• 竞争优势：如果企业能够利用自身的竞争优势，比如提供独特的产品和服务、技术创新、高效的供应链、强大的品牌形象等，也是客户体验的重要要素之一。
• 服务：服务是企业向客户提供的无形产品，并且客户的购买与消费过程是合二为一的。与产品相比，服务的提供具有更高的灵活性，对员工的要求也更高。通常来说，分析客户体验的服务要素时，需要关注服务流程和人员对于不同客户群体的需求和期望满足程度：
• 服务流程：服务流程是指客户与企业进行服务交互的过程，包括服务预约、服务等候、服务交流、服务反馈等环节。客户体验服务的好坏很大程度上取决于服务流程是否顺畅、高效和具有个性化；
• 人员：服务人员是客户与企业直接接触的重要媒介。服务人员的专业技能、专业素质和态度对于客户体验非常重要。

1.2.4 客户体验场景核心要素之互动要素

分析客户体验的互动要素时，需要关注互动渠道、交互方式、互动设计、互动内容、互动评价、互动监测等内容：

• 互动渠道：即企业和客户进行互动交流的渠道，包括线上、线下、社交媒体等多种方式，且需要根据客户的偏好和行为习惯选择合适的渠道交互方式，提供一致性的客户体；
• 交互方式：客户与企业进行互动的交互方式包括文字、语音、视频、图片等多种方式，需要根据客户的需求和情境选择合适的交互方式；
• 互动设计：需要考虑客户的使用习惯、心理需求和行为反馈，包括界面设计、操作流程、信息架构、反馈机制等方面；
• 互动内容：互动内容需要考虑客户的需求和兴趣，包括信息量、信息质量、信息形式、信息透明度等方面；
• 互动评价：互动评价是客户体验的反馈机制需要考虑客户的反馈渠道、反馈方式、反馈内容和反馈处理等方面；
• 互动监测：互动监测是客户体验的数据支撑，需要考虑客户互动数据的收集、分析和应用，以优化客户体验。

分析客户体验的情感要素时，需要关注情感表达、情感识别、情感分析、情感反馈、情感关怀等内容：

• 情感表达：客户在使用产品或服务的过程中，会产生各种情感，需要考虑如何引导客户表达情感、如何记录和分析情感数据；
• 情感识别：客户的情感可以通过语音、文字、表情等方式进行识别，需要考虑如何利用人工智能等技术，对客户情感进行准确识别；
• 情感分析：客户情感的分析可以从多个角度进行，如情感极性、情感强度、情感类型等方面，需要考虑如何进行情感分析，以了解客户体验的情感因素；
• 情感反馈：客户的情感反馈是企业优化服务的重要依据，需要考虑如何及时收集客户情感反馈；
• 情感关怀：客户在使用产品或服务的过程中需要得到企业的情感关怀，需要考虑如何建立客户关怀机制，如客户生日祝福、会员纪念日奖励、客户礼品等，以提升客户体验的情感因素。

1.2.6 客户体验场景核心要素之价值要素

分析客户体验的价值要素时，需要关注产品或服务的可靠性、个性化、创新性等内容：

• 可靠性：产品或服务的可靠性是客户对产品或服务的价值信任的重要因素，需要考虑产品或服务的可靠性是否达到客户的标准；
• 个性化：产品或服务的个性化是客户对产品或服务的价值认同的重要因素，需要考虑如何提供个性化的产品或服务，以满足客户的个性化需求和期望；
• 创新性：产品或服务的创新性是客户对产品或服务的价值感知的重要因素，需要考虑如何提供创新的产品或服务，以提升客户的品牌认知和忠诚度。

1.3 客户体验分析维度：旅程

客户旅程是由一段时期里客户和企业/品牌进行交互的一系列触点所构成的，这些触点是发生在各个不同场景。因此，在进行场景化客户体验分析时需要融合场景核心要素和触点类型，并确定不同数据来源，形成分析指标体系。

所谓的客户旅程体验，是指从客户角度出发，用讲故事的方式描述客户使用产品或接受服务的全过程体验情况，从中发现客户在整个体验过程中的行为、想法和感受，认识到整个过程的演变历程，从中寻找客户的痛点及满意点，最后帮助企业挖掘出产品/服务的优化点、设计的机会点或者创新点等等。

1.3.2 客户旅程体验的定量指标

在客户旅程体验研究中，需要把企业待解决的问题转化成一系列待调研的问题，分别进行定量调研和定性调研。其中，定量调研方法主要以用户满意度（CSI）和净推荐值（NPS）调查为主，定性调研方法主要以座谈会、深访为主。白皮书提到的客户旅程体验的定量调研方法建立在用户满意度调研和净推荐值调研的基础上。

①用户满意度（CSI）

用户满意度也叫用户满意指数，是服务性行业的用户满意度的简称，是一个相对概念，表示用户期望值与用户体验的匹配程度。换言之，用户满意度就是用户通过对一种产品可感知的效果与其期望值进行比较后得出的指数。

举例：你对这款吸尘器的外观设计的满意度如何？（用1～10分进行评价，1分表示非常不满意，10分表示非常满意）。比如，某用户评价为8分，那么用户满意度就是8分。

另外，有些研究领域会从用户满意度评分的用户占比结构了解用户满意度，即净用户满意度（SSI）。

计算方法：净用户满意度（SSI）=（满意者数量/总样本数）×100%−（不满意者数量/总样本数）×100%。其中，满意者数量为打9～10分的人数，不满意者数量为打0～6分的人数。

比如，评价总人数为100人，打9～10分的人数为40人，打0～6分的人数为20人，则净满意度为0.2。当然，净满意度也可能是负值，负值表示用户群体中不满意的用户偏多。

②净推荐值（NPS）

净推荐值又称净促进者得分，亦称口碑，是一种计量某个用户将会向其他人推荐某个产品或某种服务的可能性的指数。它是最流行的用户忠诚度分析指标，专注于研究用户口碑如何影响企业成长。通过密切跟踪净推荐值，企业可以让自己更加成功。

举例：你关于这款吸尘器的外观设计的推荐度如何？（用1～10分进行评价，分值越高表示推荐意愿越强烈）

计算方法：净推荐值（NPS）=（推荐者数量/总样本数）×100%−（贬损者数量/总样本数）×100%。其中，推荐者数量表示打9～10分的人数，贬损者数量表示打0～6分的人数。

比如，评价总人数为100人，打9～10分的人数为40人，打0～6分的人数为20人，则净推荐值为0.2。当然，净推荐值也可能是负值，负值表示用户群体推荐的意愿比较低或者不愿意推荐。

资料来源：倍市得

1.4 客户体验的分析模型

通过对客户体验旅程的梳理，厘清各场景里的客户触点，探究人事物在各触点的关联关系，从客户视角、企业业务视角、产品视角等多维度全面分析客户体验。

1.4.1 CSI满意度分析模型

CSI满意度分析模型是一个被广泛认可并得到应用的模型，能够有效度量用户对产品或服务的满意度以及再次购买的倾向。各个国家和地区都有自己的CSI模型，主要包括五大要素，体验指标的设计也是围绕着这5个维度展开的。

①感知服务质量

着重表现用户主观层面的感受。服务质量是指用户接受服务之前的预期与真实感受到的服务之间的差别，其评估要包含服务效果、服务时的交互行为以及用户在这个过程中的感受和体验。一般情况下，感知服务质量可以分解出多个观察变量，观测变量的设置取决于行业的特点和企业运营的特点。

②感知价值

就用户满意度而言，用户感知价值是构成测量模型的重要部分，也属于内生潜在变量。在通常情况下，感知价值可以分解出两个观察变量，即“给定价格条件下对质量的感受”和“给定质量条件下对价格的感受”。

③预期质量

就用户满意度而言，预期质量也是构成测量模型的重要部分，也属于内生潜在变量。影响预期质量的因素通常包含商品消费预期、商品可靠性预期以及商品质量的综合预期。

④用户满意度

可表示为实际感知与期望值之比，是用户满意程度的定量表示，表示用户事后的感知效果与事前的预期之间的差异。

⑤用户忠诚

一般情况下，用户忠诚可以分解出“重复购买”和“推荐程度”等。

下图为CSI模型的图形展示：

资料来源：倍市得

KANO模型是由东京理工大学的狩野纪昭教授发明的一种对用户需求进行分类和优先排序的有用工具，以分析用户需求对用户满意度的影响为基础，体现了产品性能和用户满意度之间的非线性关系，如图所示：

资料来源：倍市得

根据不同类型的质量特性与用户满意度之间的关系，狩野纪昭教授将产品服务的质量特性分为以下5类。

①基本型需求（M，Must-be）

也称为必备型需求、理所当然型需求，是用户对企业提供的产品或服务因素的基本要求，是用户认为产品“必须有”的属性或功能。当产品的特性不充足（未满足用户需求）时，用户很不满意；当其特性充足（满足用户需求）时，用户也可能不会因此表示满意。

举例：夏天家里使用空调器，如果空调器正常运行，用户不会因此而对空调器的质量感到满意；反之，一旦空调器出现问题，无法制冷，那么用户对该品牌空调器的满意度就会明显下降，投诉、抱怨随之而来。对于一部手机来说，通话是必备功能。如果手机不能用来打电话，那么用户就会不满意；但如果可以正常通话，也不会增加满意度。

②期望型需求（O，One-dimensional）

也称为意愿型需求，是指用户的满意状况与需求的满足程度成比例关系的需求，此类需求得到满足的话，用户满意度会显著提高。企业提供的产品和服务水平超出用户的期望越多，用户越满意。当此类需求得不到满足的话，用户的不满也会显著增加。

举例：企业对质量投诉处理得越圆满，那么用户就越满意。如果手机的续航时间太短，每天要充电好几次，那么用户就会不满意。

③兴奋型需求（A，Attractive）

也称为魅力型需求，是指不会被用户过分期望的需求。对于魅力型需求，随着用户的期望得到满足的程度增大，用户满意度也会急剧上升，但用户期望一旦得到完全满足，用户表现出的满意度也是非常高的。当用户的期望得不到满足时，用户会表现出明显的不满。

举例：一些知名品牌会定时进行产品质量跟踪和回访，发布最新的产品信息和促销内容，并为VIP顾客主动寄送新品试用装。这些就属于不被用户过分期望的兴奋性需求。以前用手机听歌是一个魅力属性，能让用户眼前一亮。随着时间的推移和手机功能的完善，魅力属性可能逐渐变成期望属性或必备属性，例如用手机听歌已经变成必备属性了。

④无差异型需求（I，Indifferent）

提供与否对用户体验无影响。这里指质量中既不好也不坏的方面，它们不会导致客户满意或不满意。

举例：用微波炉听歌是一个无差异型需求，因为担心辐射和使用时间短，很少有人用微波炉来听歌，所以能不能用微波炉听歌都无所谓。

⑤反向型需求（R，Reverse）

也称为逆向型需求，是指引起强烈不满或导致低水平满意的质量特性，因为并非所有的用户都有相似的喜好。许多用户根本没有这种需求，提供后用户满意度反而会下降，而且提供的程度与用户满意度成反比。

举例：一些用户喜欢高科技产品，而另一些人更喜欢普通产品，过多的额外功能会引起用户不满。 手机上的一些低级广告出现得越多，一般用户就越讨厌。

在实际应用过程中，KANO模型的问卷设计比较复杂，需要从正面和反面设计问题，而且用户回答也比较难以界定正反两类问题的尺度。所以，KANO模型多为满意度指标体系的分析和评判提供方向，如图所示：

资料来源：倍市得

1.4.3 BEST分析模型

CSI模型和KANO模型只关注“体验”，而缺乏对“旅程”的展示。因此，它们更适合被叫作“满意度模型”而非“旅程体验模型”。客户旅程体验研究属于一个相对较新的领域，需要建立一个全面、准确的模型。倍市得研发的BEST模型涵盖了全口径用户、线上与线下渠道和核心业务产品线，将客户旅程触点问卷主观数据与运营客观数据相结合，同时还能够整合业务运营数据、系统埋点数据、体验调研数据和用户之声（客诉）数据，实现客户体验的全面研究与分析，从而推动客户旅程重塑和常规产品及服务优化，形成体验监测的闭环。BEST模型把用户满意度调查中常用的CSI和KANO模型包含在内。

BEST模型主要由B（Behavior，旅程行为梳理）、E（Experience，体验指标搭建）、S（Sound，驱动因素识别）、T（Target，改进目标设定）四部分组成。这四个部分整合了行为、态度、需求和目标角色等多维度的数据信息，形成了客户旅程体验管理的流程。因此，它既是一个研究模型，也是一个客户旅程体验管理体系的顶层架构。

资料来源：倍市得

①梳理旅程行为

梳理企业内部业务旅程和外部场景触点，即对客户旅程的关键环节和关键场景进行梳理或埋点监测，依据环节的便利性与必要性形成关键触点地图。如图所示，这是一个银行贷款业务的关键触点地图，我们可以从信息获取、决策使用、贷款办理、产品使用、口碑传播、用户反馈等环节设计体验指标体系。

资料来源：倍市得

②建立体验指标体系

以NPS和体验满意度为核心搭建指标体系，对客户旅程的关键触点的体验满意度进行监测，比如信息获取满意度、购买体验满意度、使用体验满意度等。在BEST模型的设计中，把NPS模型和CSI模型作为"E"部分指标体系的设定来源，如图所示：

资料来源：倍市得

③识别驱动因素

从用户心声、驱动因素和阻碍因素中提取关键信息，挖掘客户旅程和客户体验形成的原因，形成心声体系，如图所示：

资料来源：倍市得

④改进目标设定

依据前三个阶段的研究，了解用户体验发生在哪些阶段，触点还存在哪些短板，以及形成这些短板的原因。在此基础上，制订改进目标以及相应的行动计划。

1.5 客户体验分析的双视角

多数企业认为关注客户体验就是关注单个触点上的客户的真实感受——客户借此与企业展开互动，进行单笔交易，这完全在情理之中。它反映了组织结构和问责方式，比较容易融入运营过程。

企业希望客户在接触其产品或服务、销售人员或营销材料时，能对彼此的互动感到满意。但孤立地关注单一触点往往会令企业忽视更大、更重要的问题，即客户的端到端体验。只有关注整个客户旅程，通过体验场景下多个触点的综合分析，方能真正理解如何提升客户体验。

进行客户旅程分析时，需要代入客户视角和业务视角两种不同视角展开，并找出两者之间的关联。

• 客户视角：客户有什么需求、期望达成什么目标、有什么行为？
• 业务视角：企业的目标是什么，达成目标需要做什么并在过程中如何满足客户的需求？

客户视角的触点分析是保持客户为中心的思维方式，以客户需求和体验为导向，了解客户在不同触点下的行为和反应。

业务视角的触点分析是指从企业业务的角度出发，对客户与企业或品牌的互动渠道进行分析，以了解企业的业务表现和效果，以便优化触点的设计和运营，提高业务效率和效果。

融合两种视角的触点分析通常包括以下五个步骤：

资料来源：倍市得

①识别触点

识别客户与企业或品牌的互动渠道或方式，包括网站、APP、社交媒体、短信等，分析在这些关键触点上企业的能力和资源投放情况，找出差距以确定优化方向。

②分析需求

从客户视角了解客户的需求和痛点，以业务视角了解企业的业务需求和目标，找出业务需求和目标的达成与满足客户需求之间的差距和可能的契合点，为产品和服务的优化提供参考。

③评估表现

从客户体验和业务指标两个方面综合评估，通过业务指标分析发现问题，利用客户体验数据挖掘原因，制定优化方案。

④优化设计

一方面从客户视角确定触点的布局、交互方式、内容质量等方面的优化方向，另一方面从业务视角制定对应的流程、应用、效果评估等优化措施。

⑤持续改进

关注客户的反馈和需求变化，评估业务优化效果，及时调整策略和方案。

2 客户体验分析的应用

2.1 客户体验分析的应用场景

基于客户体验分析的多重目的我们可以发现，客户体验分析不仅仅局限于提升客户在某个触点上的体验感受，它是可以做到支撑企业“以客户为中心”的未来战略体系的方方面面。

因此，客户体验分析在企业的实际业务中有着多样的应用场景：

• 整体客户旅程优化：通过各类渠道、场景和客群的体验反馈融合分析，发现客户视角下的流程痛点、痒点、摩擦点和爽点，据此优化整体客户体验旅程环节的设计，包括环节目标、触点、触达方式，以及内部可能用以响应支持的服务蓝图；
• 产品设计和优化：产品往往是最容易引起客户抱怨的环节要素之一，通过客户体验数据分析的反馈可以直接地发现产品存在的问题，提出改进方案，并跟进实施效果，从而不断优化产品；
• 客户关怀和服务：客户体验数据分析可以帮助企业了解客户对企业产品和服务的评价和反馈，及时回应客户需求，提高客户满意度和忠诚度；
• 竞争对手分析：通过外部体验数据采集，以及针对自有客户对竞品的反馈，采集客户体验数据，可以帮助企业了解竞争对手的产品和服务表现，发现自身的优势和不足，从而制定更有效的竞争策略；
• 新产品推广：客户体验数据分析可以帮助企业了解客户对新产品的反馈和需求，为新产品的推广提供指导和支持；
• 品牌营销互动策略制定：客户体验数据分析可以帮助企业了解客户的消费行为和购买意愿，制定有针对性的营销策略，提高销售额和客户忠诚度。

2.2 客户体验分析的数据来源

总体上看，客户体验数据来源包括私域体验数据、公域体验数据和运营数据，全渠道、全天候、多形态的数据来源可以为体验的监测分析提供立体和全面的视图。

资料来源：倍市得

私域体验数据是指品牌私域的粉丝、用户、会员、客户等不同层次的相关者反馈的体验数据，这些群体往往跟品牌方有过交易或相对深度的互动，可以不借助外部资源直接触达，具有触达率高、样本真实性高、画像相对完整、可通过线上手段批量互动等特点，是品牌方宝贵的数据资产沉淀。

私域体验数据一般会分为以下几种类型：

①触点问卷数据

触点问卷是指在用户与企业进行互动的不同阶段，以问卷形式收集用户反馈和意见的一种数据类型。

这些问卷可以包括多个维度，例如产品体验、服务质量、用户需求等等。触点问卷的收集可以在用户下单后、使用产品后或者在用户退出页面前等多个阶段进行。通过对触点问卷回收数据进行分析，企业可以了解用户对产品和服务的评价，了解用户的痛点和需求，以便在后续的产品设计和服务提升中有针对性地进行改进。

②行为埋点数据

行为埋点是指在产品或服务中内嵌代码，收集用户在使用产品或服务时的行为数据的一种数据类型。目前可以通过内嵌代码的形式实现敏捷追踪，开发参与和维护程度较为轻量。

通过行为埋点，企业可以收集到用户在产品中的操作路径、点击次数、停留时间等多个维度的数据，以了解用户的使用行为和习惯，从而优化产品和服务。例如，通过行为埋点可以分析用户在产品中的购买流程，发现购买过程中的瓶颈，以便针对性地改进购买流程，提高用户购买体验。

③客服会话数据

在品牌的日常运营中，只要有访客咨询，就会产生相应的客服会话数据。通过这个交互过程，客服首先能从客户的搜索关键词、地区、访问来源、访问页等相关数据快速对客户需求倾向做出判断，也可以收集到用户的疑问或者反馈等信息。

会话数据的型态可能包括聊天文字、语音、图片甚至视频等，可以借助AI技术手段做结构化处理。

通过对这些会话内容的整理和分析，企业可以了解用户的需求和痛点，针对性地为客户介绍产品，为客户提供更加个性化的服务，提高用户满意度。同时，客服会话也是企业与用户建立沟通渠道和维护品牌形象的重要途径，对于提高品牌忠诚度和用户留存率也非常有帮助。

公域体验数据通常包括交易评价和社媒舆情等方面：

①交易评价

交易评价是指用户在购买产品或者使用服务之后，对于交易过程中的体验进行评价的数据。这些评价通常包括商品质量、物流速度、售后服务、会员服务等方面。

品牌方可以通过对交易评价的收集和分析，了解用户的购买决策和体验过程中存在的问题，从而优化产品和服务，提高用户满意度。同时，交易评价也可以作为企业的品牌口碑的重要指标之一，对于提高品牌形象和吸引潜在用户也有着重要的作用。各类电商平台、本地生活平台、OTA平台、手机应用商店等交易平台都越来越注重交易评价数据的沉淀，作为用户下单的重要参考，用户的消费旅程中，这类数据的参考率也越来越重要。

②社媒舆情

社媒舆情是指用户在社交媒体平台上发布的关于企业和产品的评论和反馈。这些舆情可以包括用户对产品、服务、售后服务等方面的评价，也可以包括用户对于企业形象、品牌声誉等方面的看法。

通过对社媒舆情的监测和分析，企业可以及时了解用户的反馈和意见，及时进行危机公关和品牌维护，提高用户满意度和品牌忠诚度。同时，社媒舆情也是企业进行品牌营销和推广的重要渠道之一，可以通过社媒舆情的传播和引导，吸引更多的潜在用户和提高品牌知名度。在中文互联网，微博、微信、抖音、小红书、快手、各类新闻及视频站点、论坛社区等等都是需要关注的社媒渠道。

2.2.3 运营数据

运营数据是客户体验在业务层面的结果（What），良好的客户体验会对业务数据形成有效的正反馈。体验数据与运营数据的结合分析，能探究体验表现对运营数据的因子贡献（Why），形成提升体验投资回报（ROX）良性循环。并结合客户旅程和指标体系，探索出适合企业业务的体验运营路径（How）。这些运营数据包括流量类数据、订单类数据、会员类数据、客户分层类数据等。

2.3 客户体验分析工具及技术赋能

数字技术的发展不仅深刻改变着客户体验，也在深刻影响着客户体验数据分析的方式，这些技术可以用以支撑企业客户体验分析能力的构建。

①旅程编排设计工具

此类工具不仅可以用于企业根据自身业务划分，编排设计各类客户旅程地图；也可以按客户视角刻画环节流程、业务目标、触点及体验指标。这类工具也成为聚合客户体验数据必不可少的一个工具。

并且，它应该是一个动态实时的数据图，而不是一个毫无生命力的静态图。通过在线化和动态指标分解，它应当支持按旅程环节及时分析各环节体验表现、客户情绪曲线及客户心声。与此同时，通过捕捉客户购买旅程各阶段的体验信号，既为各触点体验改善提供依据，也为各部门全局审视、高效协同提供便利。

②可视化分析工具

针对各类结构化问卷、行为埋点及运营数据等，通过搭建体验管理指标体系，借助BI类可视化分析工具，对体验数据进行动态监测、智能分析并可视化展示，并支持按时间、组织、产品、客户分类等各类业务视角拆解分析，锁定影响因子并确定改善方向。为企业从海量的客户体验数据中甄别出有价值的信息，通过体验数据解读客户潜在需求与动机。

还可以通过对接企业内部组织架构，为各业务部门、管理职级、岗位分工等提供不同的层级化、可

视化的业务数据报表。实现数据赋能决策的场景向一线下沉，为员工提供灵活、自助式的数据分析能力。

③专题性统计决策分析工具

对于泛体验类分析主题，包括各类基于统计模型或算法模型的专项研究、专项决策等，可以借助SPSSPRO等模型决策工具，快速得出相关分析结论，比如差异性分析、影响因子、新品定价、视觉体验等，并将模型分析结果同步至仪表盘。

2.3.2 技术赋能

以NLP为核心，ASR、OCR等技术为支撑，可以帮助企业构建一个具备多模态识别和分析能力的人工智能系统，实现对多种数据形式的全方位理解和分析，为企业分析文本、语音、图片等多模态的体验反馈数据：

①自然语言处理（NLP）

用于分析文本数据，包括对情感、主题和关键词的识别、命名实体识别、语言翻译等。常用的技术包括文本分词、词向量表示、情感分析、主题模型等。

②自动语音识别（ASR）

用于识别转化语音数据，包括识别语音内容、情感识别、说话人识别等。常用的技术包括语音识别、情感分析、说话人识别等。识别的内容输出可以作为NLP模型的输入进一步分析。

③计算机视觉（CV）

用于分析图像和视频数据，包括图像分类、目标检测、人脸情绪识别、视频配音识别（ASR）、视频封面文字识别（OCR）等。在体验分析场景下，情绪和识别出的文字内容可以直接作为NLP的输入，作为度量声量和体验的来源数据。

④类GPT等AIGC（AGI）大模型技术的运用

自2022年底OpenAI发布ChatGPT以来，这项通用AI能力迅速破圈，成为自然语言分类、处理及生成领域的里程碑和标志性事件。被个人及企业用户广泛应用于聊天机器人、虚拟助手、智能写作、代码生成等领域，成为热门的生产力工具，也为体验数据分析的范式升级提供了重大助力。

在文本相关领域，GPT大模型可以为问卷设计、机器人客服、开放文本的话题情绪分析等相关应用场景直接赋能，并支持上传私有数据集，来训练私有模型，以更好理解企业自身业务场景。在GPT4及Plugin插件市场发布后，图片、语音、视频等多模态能力和各类外部应用能力的陆续接入，也弥补了基础模型不能获取最新信息的短板。随着大模型能力的深入，可以预见在如下领域，都会带来全新的产品能力与使用体验：

• 问卷及内容生成

对于各行业及应用场景的常规体验调研问卷，头部大模型已经能够根据提示词生成总体可用的底稿版本，用户只需在此基础上修改完善，补充相关逻辑及图片等视觉要素，即可完成一份问卷设计。甚至图片等要素也可以直接通过AI生成。

除问卷外，在CEM体验管理场景中，还有大量零星的内容总结及生成场景，比如投放文案、一对一的反馈回复、旅程或报告小结等，都可以借助大模型能力，实现高效个性化的内容生成。

• 文本情绪或情感分类

在情绪归类和情感分类方面，传统小模型需要经过「建模-人工标注-训练-优化-运行」的过程才能实现。而大模型在没有文本标注及训练的情况下，就可以直接开展多话题+多情绪的文本分析，极大提升工作效率。

• 对话式数据分析

连续、高质量的对话交互是大模型带来的全新体验，无论是内容生成，还是可视化数据分析，都可以充分利用这一新的能力，作为常规分析方式的有效补充。

• 多模态体验数据识别

对于视频、图片、语音等，大模型的多模态能力极大拉低了多模态的部署、上手门槛，并大幅提升产出质量。

借助大模型，视频、图片、语音都可以被快速地处理成结构化的文本，这也使得全渠道、全媒体体验数据的结构化处理变得更为简单。

• 多语言体验数据

大模型内置的多语言能力，将免去分语言建模和翻译的苦恼，使得多语言的处理变得更为简单。

• 公域舆情类数据采集

除了人工智能生成和分类相关的能力，plugin等三方应用接入机制为用户提供了几乎各种类型的延伸能力，比如社交媒体、电商评价等各类与客户体验紧密相关的数据采集能力，这将极大拓展传统CEM产品的信息获取方式和能力边界，甚至重新定义CEM产品本身。

• 在线调研样本获取

大模型的仿真模拟和对话能力，可以提供无限量的人工智能样本库，满足各式各样的人群标签要求，并给与百分百的响应率和足够理性的答案，甚至高于真人对话质量。但这种有违传统研究伦理的模式，是否能为业界接受，是一个较大的挑战。

2023年3月开始，百度、阿里、360等国内厂商也陆续推出自己的大模型，包括各类开源和闭源模型。据不完全统计，截至8月底，国内厂商推出的大模型产品及解决方案已近100个，涵盖文本/图片/语音/视频的处理、生成等大量应用场景、交互方式和模态。并且，不少大模型还支持用户使用私有数据集再次调优。

由此可以预见，此类大模型能力的优化和普及，将有效助力多模态体验数据的采集、处理及分析，拉低整体的技术门槛，提升应用效果和效率。

3 客户体验分析的实例

在数字化赋能的客户体验时代，客户体验分析依赖于数字化的支持。正所谓“没有度量，就没有管理”，“度量”是实现客户体验针对性优化与整改的前提。而客户体验分析工具正是数字化客户体验管理的技术底座。

这一节，我们将以倍市得CEM内置的数据统计洞察工具SPSSPRO在银行业的应用为例，来看客户体验分析工具的应用是如何赋能体验管理。

3.1 业务挑战

某商业银行的APP客户体验管理部门，负责客户体验旅程管理和实施体验优化计划，部门的日常管理流程如下：

资料来源：倍市得

• 观察总体NPS值以及各个环节满意度的变化，特别注意出现满意度明显下降的环节；
• 通过问卷收集客户反馈，分析该环节的问题集中出现在什么方面，例如在客服咨询环节，有超过30个客户反馈客服响应速度慢；
• 统计各个环节出现的问题，并根据问题反馈的数量来判断其严重性，并将工单分发到各个主管部门去解决客户问题；
• 在下一个周期观察客户体验指标是否有提升，结合客户反馈来评估优化效果。

然而，随着体验管理工作的不断精深，客户体验管理部门也遇到了一些新的挑战：

• 通过人工观察和判断满意度评分的变化是否显著，缺乏量化的方法来衡量每个环节的满意度，因此难以准确评估客户体验是否有改善；
• 无法确定哪些APP使用环节对客户的NPS评分有较大的影响，因此无法评估各个优化措施的优先级；
• 客户在APP上的行为数据都被记录在大数据系统上，是否能够结合大数据去研究客户行为和满意度之间的关系，从而精准识别关键体验环节。

3.2 客户全旅程指标建模

为解决以上体验管理的进阶挑战，该部门需要用更客观、高效的方法找出最核心的体验影响因素。客户体验的数据分析一直以来被认为是一门门槛很高的“工艺”，而更多的企业希望通过数据分析工具去打破这样的门槛。

SPSSPRO作为倍市得CEM的内置工具，意味着企业不需要去生成几十个副本数据，且把数据导入导出。通过SPSSPRO便可以对体验数据进行各种各样的洞察分析与模型预测。

SPSSPRO可以让企业使用最先进的数据分析算法和模型，而且数据经过分析后可以直接返回企业的业务系统，例如ERP、CRM、BI等，无需新增或改变企业原有IT流程。

通过把模型黑箱化，且标准化输入输出，使用者可以通过拖入数据就能自动生成一句话结论或图表，以及详细分析报告，这意味着我们即使没有任何统计基础，也可以快速实现复杂的统计算法。

通过SPSSPRO进行建模及数据分析后，企业可以获得一些直接的提升：

• 通过客户旅程模型来衡量每个环节对总体NPS值的影响；
• 通过模型量化分析体验优化后的效果，从而评估工作的有效性；
• 利用大数据系统结合客户行为数据和满意度数据，进行数据分析和建模，挖掘影响客户体验的关键触点；
• 模型可以保持动态更新，减少人工干预，实时跟踪客户体验的变化情况，以及时发现问题，不断优化客户体验旅程甚至实现旅程重塑。

以该手机银行APP的理财购买体验旅程为例，该项客户旅程中有6个主要阶段（不同银行的定义可能不一样）：

资料来源：倍市得

在通过以下问题收集回客户反馈，并进行数据汇集处理后，可以通过数据分析和统计学习方法（如统计回归模型、结构方程模型、机器学习等）来构建模型。

一般来讲，统计分析模型适合样本量较少的情况，机器学习模型适合样本量较大的情况。

资料来源：倍市得

该部门采用回归分析方法来构建手机银行理财产品购买体验旅程。

因变量Y：客户的NPS评分值。

自变量X：营销信息、注册和浏览、咨询和购买、资产管理，售后服务全部环节的满意度。

线性回归模型：Y=aX1+bX2+cX3……

数据来源：倍市得

将数据简单拖拽到SPSSPRO的对应位置，系统会自动输出回归模型的分析结果，轻松完成对整个客户旅程的量化分析：

• 显著影响因素

「营销信息 - 信息是否清晰」是非常显著的影响因素，而「咨询购买 - 购买指引是否清晰」也值得关注。从上图结果可以看出，「信息是否清晰」的显著性P值小于0.001***，在统计学上我们认为这是非常显著因素。另外「购买指引」的P值为0.06*，在统计学上我们认为这是一般显著的影响因素。其他因素的P值均大于0.1，从数学的角度而言影响不显著，但针对重点体验环节，我们也可以进行分析。

• 权重系数

「咨询购买 - 购买指引是否清晰」的满意度，对整体NPS值影响最大。满意度每提高1分，整体NPS可提高1.3分。权重系数解释了该环节的满意度对NPS评分值的影响程度，排名最高的两项分别是「咨询购买 - 购买指引是否清晰」（权重系数1.3），和「营销信息 — 信息是否清晰」（权重系数0.9）。

• 分析方法

综上，应优先关注显著性高的环节；在具有显著性的不同环节中，可以横向对比权重系数，来决定应该优先处理哪些环节的客户体验问题。

3.3 从宏观分析到微观管理

客户全旅程指标建模方法为该部门提供了宏观分析的视角，优势如下：

• 宏观视野

站在客户的角度来看，在手机银行APP上购买理财产品是一个完整的流程，不同客户会认为不同环节有不同的重要性。如果仅从单一环节去分析，则每个环节出现的问题都有同等的重要性，都要投入资源去解决，难以排定优先级。借助客户全旅程指标建模，可以科学排定整改的优先级。

• 节约资源

企业在改善各个环节的客户体验时都需要投入资源，有人力资源，有资金预算。

在日常管理中，该部门以往发现客户对“客服反馈效率”的满意度偏低，而且每个星期都有超过30个投诉。如果仅看咨询环节的满意度，则意味着银行需要聘请更多客服人员以提高反馈效率，会进一步推高人力资源成本。

而在运用以上分析建模方法后，该部门发现，「营销信息 — 信息是否清晰」才是提升客户满意度的重要环节。进一步挖掘发现，如果客户在理财产品的营销页面就能清晰的看到收益率、期限、风险评级等信息，满意度就会提高。意味着当理财产品的信息展现充分时，客户无需进入人工客服咨询理财产品的信息，从而降低了客服接待量，也解决了客服排队问题。所以通过客户全旅程指标建模的方法识别出关键环节，能帮助企业集中资源提升关键体验。

• 量化评估

按周期更新客户体验旅程指标模型，通过显著性和权重系数变化，可以评估改善手段是否有效。

3.4 主客观指标融合建模

正如前文介绍过体验分析的“主观数据”来源和“客观数据”来源。为精准找出影响客户满意度的关键触点，将主观的满意度评分数据，和对应客户旅程阶段的客观行为数据，运用机器学习等方法进行分析和建模，构建客户旅程的主客观指标融合模型，是最快速见效的方法之一。

体验管理进入进阶阶段，就不能仅通过客户的主观评分来判定影响满意度的关键因素。通过该模

型，该团队通过将“主观体验数据”和客户线上购买理财产品的“客观行为数据”融合分析，精准找出影响客户满意度的关键触点（如客户在页面上的操作耗时等等），提出针对性优化措施，提高了决策的准确性和可靠性。

资料来源：倍市得

因变量Y：NPS评分值、购买环节满意度、咨询环节满意度、APP使用满意度等。

自变量X：产品意向率、购买成功率、购买时长、购买步长等等。

由于客观指标的维度和量纲较为复杂，统计分析模型无法满足使用要求，因而采取机器学习方法进行建模。

数据来源：倍市得

• 模型解析

XGBoost（eXtreme Gradient Boosting）是一种基于梯度提升（Gradient Boosting）算法的决策树集成模型。XGBoost模型具有较高的预测性能，但由于它是一种集成模型，包含多个决策树，因此其结果的解读相对较复杂，主要通过特征重要性来解读。

• 特征重要性

特征重要性是解读XGBoost模型结果的一种常用方法，XGBoost能够输出每个特征在模型中的重要性，通常基于该特征被用来分割的次数或该特征在分割中带来的平均增益，帮助我们理解哪些特征对预测结果的影响最大。

数据来源：倍市得

从结果可以看到，「理财周留存率」、「产品购买成功率」以及「产品购买分页面成功率」是特征重要性最高的三个变量。针对这些指标再进行深入研究，该团队发现，定期推送高收益理财产品信息给客户可以有效的提高留存率，因而制定了针对性营销方案来唤回客户。

主客观指标融合模型提供了一个新的视角，帮助该团队将客户体验和客户行为结合起来，识别关键触点，进一步细化并提升完整客户体验。

3.5 总结

客户旅程指标量化建模方法为客户体验管理提供了新的思路：

• 提高决策准确性

通过数据分析和建模，企业可以基于事实和证据，而非仅仅依赖于经验和直觉，找到关键触点及提出针对性优化措施，提高准确性和可靠性。

• 提高决策效率

客户旅程指标量化模型部署后可以持续更新，从而加快分析过程，提高决策效率。

• 提高企业竞争力

采用数据驱动的客户体验管理决策可以帮助企业迅速识别客户需求，更快适应市场变化，从而提高企业的竞争力。

构建：以客户体验为中心的运营管理

1 客户体验管理的价值模式

长久以来，客户体验管理的价值衡量是相关从业人员非常关注的话题，然而无论是计算体验管理的ROI，还是将体验指标与经营指标建立公式关系，都颇为困难。因此，客户体验管理的价值衡量需要更加体系化的视角，倍市得通过“价值模式”和“体验聚焦”两个维度构建客户体验价值衡量的方法。如下图所示，倍市得在零售行业通过以上两种方法，在管理上赋能“门店服务管理”、在运营上帮助“消费者U&A预测”，在经营上助力“运营体系构建”，下文会一一展开。

2 门店服务管理

客户体验管理可以用于对服务体验水平的监测和回溯，借助以下的“服务质量感知差距模型”，实现客户体验到服务管理运营的贯通，进而实现门店一线服务人员的管理。

资料来源：倍市得

将门店客户体验中的不同模块与门店服务运营建立联系，如下图所示，首先需要识别影响门店体验的不同客户体验模块，进而构建能够准确衡量这些模块的体验指标；其次，找到可以关联体验与运营的纽带——业务流程（通常是基于客户需求的体验驱动要素，并把体验要素与运营指标相对应）；最后，针对不同的运营指标，找到门店或者企业内部负责的部门和业务单元。

资料来源：倍市得

利用体验驱动要素，关联客户反馈、体验基础数据和业务指标。其中，客户反馈包括主动获取的VOC（体验问卷）、被动收到的VOC（客户投诉工单）、舆情信息等内容；体验基础数据则是依据客户体验旅程构建的体验指标体系；门店业务指标则需要涵盖门店的质控指标、运营指标以及经营指标。

资料来源：倍市得

进一步地，利用客户反馈、体验基础数据和门店业务指标，构建门店服务体验的绩效管理体系，通过不同类型的数据汇总，形成门店不同层级——如店长、前台接待、业务人员、销售人员等的服务体验绩效考核指标，并通过相应的组织保障、监督管理、奖惩机制等开展门店服务管理。

3 消费者U&A预测

资料来源：倍市得

长期以来，客户体验提升以后，在客户消费心理和行为方面的正向价值一直难以得到验证甚至量化，为此，倍市得通过客户体验价值模型，期望使体验工作的价值更加显性化。

客户体验提升最直接的影响就是使用频次和使用时长的提升，以及客户消费份额的增长，随着时间的推移，这些良性循环也会潜移默化地助力品牌口碑的打造。客户在与产品或服务建立起长期、紧密的关系之后，会不经意间成为品牌的传播者；同时，客户对产品的熟悉也减少了体验断点/痛点的发生频率，进而有效节约品牌解决相应问题的成本。

资料来源：倍市得

具体地，客户体验会分别影响客户的使用行为、消费行为、推荐行为和抱怨行为：

• 使用行为：影响较为显著的是使用频次和平均每次使用时长；
• 消费行为：影响较为显著的是消费者的复购次数及消费金额；
• 推荐行为：NPS（净推荐值）是客户体验的重要衡量指标，可以用以衡量客户推荐你的产品或者

服务的可能性。同时，客户体验又会对客户推荐行为产生正向影响，体验好则推荐多。通过数据测算，可以用动态视角来衡量，NPS提升1分，其推荐人数预估能上升多少，比如：NPS提升1分，每百客户推荐人数预估能上升10人左右。因此，通过上述的测算数据以及企业拉新的成本数据，我们就可以测算出NPS提升1分，给企业带来的价值收益是多少。

• 抱怨行为：客户满意度是衡量客户体验的另一重要指标，同时，客户体验又会对客户抱怨/投诉行为产生负向影响，体验好则投诉少。通过数据测算，测算满意度提升1分，其投诉/抱怨比率预估能下降的人数或比率为多少，比如：满意度提升1分，每百客户投诉/抱怨比率可下降3个百分点左右。因此，通过上述的测算数据以及企业处理投诉的平均成本数据，我们也可以测算出满意度提升1分，给企业带来的价值收益是多少。

4 体验运营体系构建

客户体验管理对企业来说是一个企业内部不同业务单元、不同业务流程、不同人员职责再次梳理的过程，这其中，客户视角下体验运营体系的构建，起到了关键性的作用。

通常来说，通过客户体验管理构建的完整的体验运营体系需要涵盖“客户端的主观指标”（各维度的满意度/NPS)与“企业端的客观指标”（经营指标、运营指标），两类指标涵盖客户旅程和业务流程双视角，两者共同作用使企业的体验运营体系更加完整。

资料来源：倍市得

由于体验运营体系中涵盖主观体验指标和客观业务指标，其构建形式也存在多种模式，我们基于跟企业多年的合作实践，总结出以下几种构建模式：

资料来源：倍市得

①以体验指标为主线，推导对应的业务指标

此模式主要站在客户视角构建相应的主观体验体系，并以客户体验的维度、介质、要素等为桥梁，构建相应的客户业务指标。

②以业务指标为主线，推导对应的体验指标

此模式主要站在业务视角构建相应的客观业务体系，并以相关业务的达成、闭环、流转等为桥梁，构建相应的主观体验指标。

③无固定主线，体验和业务指标共同罗列构成体系

在此模式下，体验指标和业务指标以并列的形式出现在体验运营体系中，通过指标的定义共同解释相关的业务或客户体验水平。

④以客户旅程和业务流程为主线，体验指标和业务指标相互推导构成体系

在此模式下，首先需要明确客户旅程和业务流程的对应关系，参考MECE原则（即把一个工作项目分解为若干个更细的工作任务的方法，主要基于完整性和独立性两条原则），建立唯一的主线；其次在该主线的不同环节和触点上，分别构建对应的体验目标和业务目标；最后，根据不同环节和触点的目标构建相应的体验和业务指标，且两类指标既没有主次之分，也不需要同时存在，其构建逻辑仅以达成之前预设的目标为核心任务。

综上所述

无论体验运营体系采取哪一种形式进行构建，其核心目标都是围绕“以客户为核心”，形成客户体验全景运营。

以客户为核心、数据驱动的体验旅程监测，其核心驱动力是客户体验的要素，按照体验驱动和落地运营两大维度进行体验运营全景图的勾勒。

资料来源：倍市得

从体验驱动和整体结构方向看：

如上图所示，分为三个层级：

• 内核是模型层，以人货场的主流体验三要素构成，人是指用户和需求，货指企业提供的产品或服务，场代表的是营销和服务渠道。以此来勾勒出体验运营全景内核；
• 向外延伸，第二层是旅程层，是基于需求-对象-服务三大要素的体验旅程，涵盖客户行为、渠道触点、旅程痛点和机会点分布，并形成客户全生命周期的旅程闭环；
• 第三层是监测层，就是基于旅程的监测，通过多源的数据和众多指标来进行量化衡量，从而以数据化方式来推动体验落地。
• 从具体的落地运营方向看：同样也分为三层，首先是外侧的旅程圈和监测圈的具体落地，就需要体验指标的监测数据和系统建设来承载和支撑：
• 数据层要承载旅程的触点监测，包括多源数据的采集、分析和应用；
• 系统层需要对这些指标的数据化监测进行功能建设；
• 运营层：需要提供保障机制，来推动体验问题的策略设计、协同配合、落地实施等工作，目标是更好地为业务和客户赋能。

5 构建“运营机制+数字化系统”的双驱动模式

在数字化时代背景下的今天，以客户体验为中心的运营管理机制，无论是落实在问题驱动的一线管理、基于消费者行为预测的前馈管理，还是全景式的运营机制变革，都离不开运营机制的另一半——数字化系统。

数字化时代，客户与企业之间的触点急剧增加，客户行为的随机性和不确定性随之增加。企业内部孤岛式的组织结构和以渠道为中心的工作方式往往是影响客户体验的根本问题。通过数字化系统，将“以客户体验为中心”的运营机制固化在企业管理的流程中，将由客户体验波动触发的企业运营活动从“人治”转为“法治”；打破部门之间的壁垒，快速识别、应对客户多样需求的变化；通过体验指标监测体系与企业的运营战略有效联动，实现业务的高质量发展。

资料来源：倍市得

在整体的客户体验运营体系建设上，可以划分为两个关键模块：一部分是以客户旅程为核心的监测体系，包括端到端的旅程梳理和对应的监测指标体系的构建。另一部分是体验平台的建设，包括借助数字化平台来承载监测指标体系和问卷体系，实现体验数据监测、分析和决策的闭环运营赋能机制。最后，形成旅程梳理、指标监测、数据分析、落地应用的体验运营闭环体系，赋能企业更科学、合理地定位问题、分析问题以及解决问题。

在基础的体验管理体系及CEM常规产品能力之外，体验运营需要融入更多用户运营和活动运营的视角，帮助品牌方的责任部门常态化、高效率地开展体验运营活动，提升私域互动效果、促进品牌持久健康发展。当然，精细化的体验运营也离不开体验运营工具的支持，工具的赋能帮助品牌方责任部门从各类体验互动人员招募、多阶段活动定义及发布推广、到权益奖励体系的定义审核、成长体系的设定关联、内外部协作等，都更加有抓手、可追踪。

践行：以客户体验为中心的体验落地

近年来，随着全渠道数字化消费生态的逐步完善，“无拘线上线下，随时随地消费”渐渐成为人们的一种生活方式。零售行业企业也向“全渠道经营”转变，兼备线上线下双栖能力，从“场在哪、顾客在哪”，转变为“顾客在哪、场就开在哪”。

零售商们在加速推进线上线下一体化的同时，除了着眼于保持销售增长外，更应关注企业如何提高客户留存率和忠诚度。把握好这一契机，有望为其业务奠定长期可持续的差异化优势，创造巨大价值。

资料来源：倍市得

1 精准把脉消费者体验

具有百年历史的意大利时尚运动品牌以NPS为核心、数字化CEM平台为抓手，实现精准把脉消费者体验

该运动时尚品牌创立于上世纪初，是一个拥有具有百年历史的意大利时尚运动品牌，在经历了两度易主后，在2019年营业收入首次突破百亿。如今，该品牌在中国拥有近两千家门店。

然而经历疫情之后，以线下门店为主的服饰品牌都在面临进店客流降低的问题，该品牌也逐渐向官网、天猫旗舰店、微信小程序等线上渠道倾斜。

那么，如何精准高效触达高潜力目标用户、如何运营私域、如何提升转化率和培养忠诚用户，成了摆在品牌面前的一道考题。

1.1 主要痛点

通过消费人群的细分和产品的细化，集团先后拆分出了多个系列品牌。品牌布局之广、客户群体细分之精准，依靠传统的客户满意度调研已经无法满足企业高速发展的需求。

资料来源：倍市得

• 客户比以往任何时候都拥有更多选择，消费者的品牌忠诚度不断下降，期望也在不断提高；
• 传统的满意度调研重人工，并存在着被动、滞后、脱离场景、低频、难以干预等痛点；
• 企业内部沉淀下来众多的运营数据，难与满意度数据进行结合，对业务的赋能有限；
• 由于系列品牌多、门店层级多、门店类型多，想要将回收数据快速整合分析、通过不同维度呈现难度大。

因此，单一、传统调研已经无法满足品牌体系化的客户洞察需求数据，品牌管理层开始转变管理思路。

品牌希望通过数字化客户体验管理，对其线上业务和线下门店进行实时、全面、可追踪的客户体验监测，及时发现问题、有效改善；并借助敏捷的客户洞察来优化产品和服务，进一步推动体验提升，最终实现可预见的增长。

1.2 体验监测体系的构建

在一期项目中，倍市得基于客户旅程，以NPS为抓手，构建全链路消费者体验监测体系，量化感知客户体验并科学定位整改点，推动客户体验整体提升，从而提高品牌口碑、驱动业绩。

客户忠诚和口碑营销对于推进品牌长期绩效增长日趋重要，因此需要一种有效的指标量化客户忠诚度，并体现客户口碑传播意愿。NPS（净推荐值）调研正好满足了这一需求。

倍市得在帮助品牌进行NPS顶层设计的阶段，主要目标是：将NPS目标由传统的定期客户满意度监测，转为企业运营与文化转型的核心之一。

在进行体验概念的塑造和体验管理体系的制定时，将小程序购物体验及线下门店体验作为整体NPS优化的首要切入点，一期项目绘制了线下门店和官网小程序2条客户旅程中的关键场景和触点，构建体验监测指标体系和问卷矩阵，确定问卷投放触点及投放规则。

资料来源：倍市得

通过倍市得客户体验管理平台的接入，不断优化NPS监测和体验提升的流程，逐渐建立了有效的体验反馈与业务改进机制。

在客户体验管理系统落地方面，主要以“轻咨询、重落地”为主要建设思路。通过多期项目建设总体目标：

• 全：全面涵盖全口径客户、线上与线下多渠道、核心业务产品线，构建数字化体验管理平台；
• 准：基于实时监测，推动客户旅程重塑、常规产品及服务优化、低分预警，不断优化体验指标体系及精准评测体系，形成体验监测的闭环；
• 合：整合业务运营数据、系统埋点数据、体验调研数据、客户之声数据，实现客户体验可视化监测。

通过部署客户旅程管理模块、问卷调研中心、体验数据监测仪表盘、预警工单中心、企业管理等完整的功能模块，数字化客户体验监测平台正式落地运行。

2 数字化平台打通闭环的体验运营体系

2.1 倾听与发现

数据作为支撑业务改进的一个重要基石，首先要实现的是，把体验数据全面、快速地收集回来。

体验管理始于对客户的倾听，依据不同客群、场景、触点、要素等建立指标和问卷体系。同时基于客户旅程及触点，通过设计完善的触发规则，明确投放时间、投放方式及问卷内容，通过智能匹配相关调研题目，以此收集精准的答题数据，从而对不同客群实现更细颗粒度的交叉分析。

资料来源：倍市得

为了提升答题体验，通过与企业官网小程序/POS/IAM等系统进行对接，定义了推送与免打扰规则，例如：同一个消费者如果1个月内多次购买，则只在第1次付款时触发短信投放问卷。

通过与品牌“惊喜机”对接，实现答题完成后与品牌会员积分、礼物等答题奖励关联，提升问卷回收率。

通过与企业CRM对接，基于品牌的营销活动（例如：卡升级、会员生日）主动圈选用户进行定向推送问卷。

从倾听角度，需要将回收回来的数据进行分类，可以从以下两种维度进行分类：

按数据的结构分类

一类是结构化的数据，结构化的数据更多来自于问卷评分；

一类是非结构化的数据，需要通过一些外部渠道去将文本类数据挖掘出来，包括客服、留言、社媒、电商评论等等。

资料来源：倍市得

按数据的用途分类

品牌运营过程中沉淀下的每个数据都有一定的目的和意义。

比如说有些数据是用来反映客户行为的；有些数据是用来反映运营状况的；有些数据是反映竞争企业的状况等等。这些数据可能散落在企业的各个系统里，甚至是各个部门中，只有将它们集合到一起，才可以从360度还原出消费者的行为。

2.2 记忆与处理

数字化客户体验管理系统在落地时，最重要的一步便是数据的处理与理解。海量的结构化、非结构化数据被回收回来，而它们却是来自各个场景、各个触点及各个渠道。

通过数字化的手段将回收回来的数据进行整合和清洗；利用系统AI文本分析、BI可视化数据看板等能力，监测平台以支线品牌、渠道、地区、管理层级等多维度分别呈现数据仪表盘，帮助他们通过这些体验数据了解关键驱动因素。此时，品牌捕捉到的众多体验信号，都能实时、精确地归类到已知的各个旅程触点中，通过动态监测客户体验数据，为实时发现问题、及时快速整改等提供方向指引。

2.3 闭环与行动

通过倍市得自定义运营行动工作流，使用无代码拖拽的工作流配置方式，品牌定义搭配了行动触发条件/时间/流程等条件，当问卷中任意一道满意度评分在0-6分之间时就会触发预警工单。相关负责人需要在规定时间内处理完成，工单关闭后，400客服人员会定期抽样做回放访，实现“监测-收集-改进-追踪”的双循环体验管理闭环。

并且，通过模块的智能触发、指派、跟进的能力，针对不同客群和场景进行差异化的闭环管理动作，如奖励推送，客户回访等等。

此外，通过将行动中心模块融合到品牌现有的数字化技术栈中，实现与CRM和CDP到企业协同办公产品的打通，最大程度上利用与整合多平台的行动能力。

从项目成效上来看，闭环的数字化体验管理的落地，大幅提升了企业的体验运营能力，以“体验”为核心要素的管理思路已经成为该品牌把关产品质量、构建核心竞争力的新动力。

精准定位

结合倍市得预研究阶段的定量数据分析和实地走访门店后，精准定位到导购人员是各关键旅程场景里的关键触点之一，对客户购买体验有重要影响，因而在后续客户体验监测中，需要重点关注消费者对导购人员的评价反馈。

结合关键旅程场景、触点、体验要素等，在预研究指标基础上进行优化，重点关注导购人员相关的指标，构建起项目一期植入系统的体验监测指标。

在小程序端，通过旅程场景重要性分析识别关键场景，包括：界面设计、信息推送、购买流程、反馈响应、问题解决等。在这些关键场景的客户体验改善，将有利于官网小程序商城整体客户体验的改善和提升。

3 精准赋能业务决策

精准赋能

通过线上店铺和线下门店场景的客户体验分析，我们发现同样的售后服务，在线上场景和线下场景的客户体验明显不同。

资料来源：倍市得

因此，进一步分析线上场景和线下场景里客户的关键触点，通过在后续NPS系统问卷设计和投放上区分线下门店和官网小程序商城不同的售后服务场景，从而更加精准地挖掘体验问题。

资料来源：倍市得

另外，通过商品NPS发现，消费者推荐原因是“商品全款式多”，这跟内部的选品策略、供货供应是密切相关的；不推荐的原因是“优惠活动力度小”，这部分则是直接跟价格策略相关的。品牌管理层跟选品策略供应、价格团队、区域运营团队进行沟通，通过数据交叉分析，可以指导不同分公司在不同方向上进行针对性提升。

凭借全链路体验监测、高效的数据整合编译、智能的数据分析，倍市得不仅帮助该品牌敏捷洞悉客户体验，建立实时诊断-自动发现-及时整改-挽回流失的闭环；还360度还原客户体验全貌，精准赋能业务决策。通过落地数字化客户体验管理，为品牌长期绩效增长提供了有力支撑。

关于我们

「倍市得」——数字化客户体验管理平台

倍市得客户体验管理平台（bestcem.com）是众言科技旗下的核心品牌之一。平台基于客户旅程，快速采集内外部客户体验数据；同时结合业务自身特点，构建体验洞察体系；基于AI+BI能力，致力于以体验数据赋能，帮助各行业企业打造高效、可落地的客户体验管理闭环。

以数字化体验管理能力为依托，结合企业数字化运营需要，倍市得以“体验管理”指导各行业企业产品创新升级、驱动经营管理转型。

此外，倍市得内置了专业、科学的数据分析平台「SPSSPRO」。作为零门槛、低代码的企业级数据分析工具，SPSSPRO拥有300余项模型，为企业片段化数据提供分析支撑，帮助企业轻松定位业务关键增长点。

目前，公司已在上海、北京、广州、深圳、武汉及苏州6地建立分支机构，品牌服务辐射全国。

版权声明

本白皮书版权归倍市得客户体验管理平台所有，转载、摘编或利用其他方式使用本文观点，应注明“来源：倍市得”。违反上述声明者，将追究其相关法律责任。